CN117638168A - 一种基于多核芯片的燃料电池热管理系统优化控制方法 - Google Patents
一种基于多核芯片的燃料电池热管理系统优化控制方法 Download PDFInfo
- Publication number
- CN117638168A CN117638168A CN202410102254.8A CN202410102254A CN117638168A CN 117638168 A CN117638168 A CN 117638168A CN 202410102254 A CN202410102254 A CN 202410102254A CN 117638168 A CN117638168 A CN 117638168A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- management system
- thermal management
- temperature
- energy efficiency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 48
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000003745 diagnosis Methods 0.000 claims abstract description 5
- 230000015654 memory Effects 0.000 claims description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000001816 cooling Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 abstract description 63
- 230000006872 improvement Effects 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 5
- 230000017525 heat dissipation Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
Landscapes
- Fuel Cell (AREA)
Abstract
本发明涉及一种基于多核芯片的燃料电池热管理系统优化控制方法，所述方法包括以下步骤：基于多核处理器的燃料电池控制器，将燃料电池热管理系统的任务分配至处理器的三个核CPU0，CPU1，CPU2中并行；将燃料电池能效优化方法分配至多核处理器的第一个核CPU0中并行；将燃料电池热管理系统控制算法分配至多核处理器的第二个核CPU1中并行；将燃料电池热管理系统的诊断监控任务分配至多核处理器的第三个核CPU2中并行；本发明提出了结合温度控制和对能效提升的燃料电池热管理方法；可以提高燃料电池不同环境下都可以保持高能效状态。本发明提出了对热管理系统利用多核处理器来实现任务并行的方法，减少了程序运行的时间，可以提高控制的实时性。
Description
技术领域
本发明涉及燃料电池技术领域，具体是一种基于多核芯片的燃料电池热管理系统优化控制方法。
背景技术
燃料电池是将化学能直接转化成电能的装置，拥有对环境污染小，功率密度高等优点，在汽车等领域拥有较大的应用前景。燃料电池的能量转换效率约为50%，另外约50%的能量会以热能的形式散发出。如果散热不良，就会导致最高温度超过燃料电池的设计温度会对燃料电池的总效率，寿命及稳定性造成影响。因此，热管理系统需要确保燃料电池在可靠高效的温度范围内运行。
目前在车载燃料电池热管理系统技术领域，针对燃料电池的热管理系统侧重于对热管理系统的散热能力。在温度控制方法方面研究较为单一，无法对不同温度环境做出的响应，影响燃料电池的温度控制效果。其次，热管理系统的散热风扇和水泵等附件消耗的功率较大，在保证燃料电池温度的同时，最大化燃料电池和热管理系统的净输出功率，提高燃料电池系统能效也是亟需研究的内容。
发明内容
针对上述存在的问题，本发明提出一种基于多核芯片的燃料电池热管理系统优化控制方法。
为实现上述目的，本发明提供如下技术方案：
一种基于多核芯片的燃料电池热管理系统优化控制方法，所述方法包括以下步骤：
基于多核处理器的燃料电池控制器，将燃料电池热管理系统的任务分配至处理器的三个核CPU0，CPU1，CPU2中并行；
将燃料电池能效优化方法分配至多核处理器的第一个核CPU0中并行，通过CPU0将能效优化算法计算出的最优温度值写入共享存储器中；
将燃料电池热管理系统控制算法分配至多核处理器的第二个核CPU1中并行，通过CPU1读取共享存储器中实时更新的最优温度值来不断修正控制目标；
将燃料电池热管理系统的诊断监控任务分配至多核处理器的第三个核CPU2中并行，通过CPU2诊断监控燃料电池的当前温度，判断是否停止燃料电池工作。
作为本发明进一步的技术方案，所述通过CPU0将能效优化算法计算出的最优温度值写入共享存储器中的步骤包括：
实时获取燃料电池所处环境温度；
实时获取燃料电池的负载电流；
实时获取燃料电池的输出功率；
实时获取热管理系统附件的消耗功率，其中，所述热管理系统附件包括风扇、水泵和节温器；
实时获取燃料电池的当前温度；
在燃料电池正常工作温度范围内，以总能效最大化为目标，通过能效优化算法根据环境温度、负载电流、输出功率、消耗功率和燃料电池的当前温度在线计算出当前状态下的最优温度值；
判断能效优化算法计算出的最优温度值是否超出燃料电池正常工作温度阈值；
若所述最优温度值未超出燃料电池正常工作温度阈值，将所述最优温度值写入共享存储器；
触发中断，等待CPU1读取共享存储器数据；
若CPU1读取共享存储器数据完成，清除中断；
进入下一次循环。
作为本发明进一步的技术方案，所述总能效通过以下公式确定：
；
其中，Ptot表示总能效，Pst为燃料电池的输出功率，Pc为热管理系统附件消耗的总功率。
作为本发明进一步的技术方案，所述总能效通过以下公式确定：
其中，η表示总能效，Pst为燃料电池的输出功率，Pc为热管理系统附件消耗的总功率。
作为本发明进一步的技术方案，所述能效优化算法采用遗传算法。
作为本发明进一步的技术方案，所述通过CPU1读取共享存储器中实时更新的最优温度值来不断修正控制目标的步骤包括：
获取燃料电池的当前温度；
触发中断，开始计时；
CPU1读取共享存储器中实时更新的最优温度值；
若CPU0未更新数据，等待CPU0更新数据；
若等待超预设时间，则使用上次读取的最优温度值，清除中断；
若CPU0在计时时间内更新数据，读取更新的最优温度值，清除中断；
结束计时；
以读取最新的最优温度值为控制燃料电池温度目标，热管理系统控制算法计算出热管理系统附件参数，所述热管理系统附件参数包括散热风扇转速、水泵转速和节温器开度；
根据所述热管理系统控制算法计算出的热管理系统附件参数，对热管理系统附件进行控制。
作为本发明进一步的技术方案，所述热管理系统控制算法采用自适应模糊PID算法。
作为本发明进一步的技术方案，所述通过CPU2诊断监控燃料电池的当前温度，判断是否停止燃料电池工作的步骤包括：
获取燃料电池的当前温度；
若燃料电池的当前温度未超过温度预警值，返回获取燃料电池的当前温度的步骤；
若燃料电池的当前温度超过温度预警值，接管燃料电池热管理系统控制；
将散热风扇和水泵转速调节至最大，节温器全开；
若燃料电池的当前温度未超过阈值，返回获取燃料电池的当前温度的步骤；
若燃料电池的当前温度超过阈值，燃料电池停止工作。
与现有技术相比，本发明的有益效果是：本发明提供了一种基于多核芯片的燃料电池热管理系统优化控制方法，本发明提出了结合温度控制和对能效提升的燃料电池热管理方法；可以提高燃料电池不同环境下都可以保持高能效状态。本发明提出了对热管理系统利用多核处理器来实现任务并行的方法，减少了程序运行的时间，可以提高控制的实时性。
附图说明
图1为基于多核芯片的燃料电池热管理系统优化控制方法的流程图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
本发明实施例提供了一种基于多核芯片的燃料电池热管理系统优化控制方法，所述方法包括以下步骤：
1）基于多核处理器的燃料电池控制器，将燃料电池热管理系统的任务分配至处理器的三个核CPU0，CPU1，CPU2中并行；
2）将燃料电池能效优化方法分配至多核处理器的第一个核CPU0中并行，通过CPU0将能效优化算法计算出的最优温度值写入共享存储器中；
2.1）实时获取燃料电池所处环境温度；
2.2）实时获取燃料电池的负载电流；
2.3）实时获取燃料电池的输出功率；
2.4）实时获取热管理系统附件的消耗功率，其中，所述热管理系统附件包括风扇、水泵和节温器；
2.5）实时获取燃料电池的当前温度；
2.6）在燃料电池正常工作温度范围内，以总能效最大化为目标，通过能效优化算法根据环境温度、负载电流、输出功率、消耗功率和燃料电池的当前温度在线计算出当前状态下的最优温度值；
在本实施例中，采用遗传算法作为所述能效优化算法。
在本实施例中，所述总能效通过以下公式确定：
；
其中，Ptot表示总能效，Pst为燃料电池的输出功率，Pc为热管理系统附件消耗的总功率。
在本实施例中，所述总能效也可以通过以下公式确定：
其中，η表示总能效，Pst为燃料电池的输出功率，Pc为热管理系统附件消耗的总功率。
2.7）判断能效优化算法计算出的最优温度值是否超出燃料电池正常工作温度阈值；
2.8）若所述最优温度值未超出燃料电池正常工作温度阈值，将所述最优温度值写入共享存储器；
2.9）若所述最优温度值超出燃料电池正常工作温度阈值，使用预设的正常工作温度范围内的值代替计算出的温度值；
2.10）触发中断，等待CPU1读取共享存储器数据；
2.11）若CPU1读取共享存储器数据完成，清除中断；
2.12）进入下一次循环。
3）将燃料电池热管理系统控制算法分配至多核处理器的第二个核CPU1中并行，通过CPU1读取共享存储器中实时更新的最优温度值来不断修正控制目标；
3.1）获取燃料电池的当前温度；
3.2）触发中断，开始计时；
3.3）CPU1读取共享存储器中实时更新的最优温度值；
3.4）若CPU0未更新数据，等待CPU0更新数据；
3.5）若等待超预设时间，则使用上次读取的最优温度值，清除中断；
3.6）若CPU0在计时时间内更新数据，读取更新的最优温度值，清除中断；
3.7）结束计时；
3.8）以读取最新的最优温度值为控制燃料电池温度目标，热管理系统控制算法计算出热管理系统附件参数，所述热管理系统附件参数包括散热风扇转速、水泵转速和节温器开度；
3.9）根据所述热管理系统控制算法计算出的热管理系统附件参数，对热管理系统附件进行控制。
在本实施例中所述热管理系统控制算法采用自适应模糊PID算法。
4）将燃料电池热管理系统的诊断监控任务分配至多核处理器的第三个核CPU2中并行，通过CPU2诊断监控燃料电池的当前温度，判断是否停止燃料电池工作。
4.1）获取燃料电池的当前温度；
4.2）若燃料电池的当前温度未超过温度预警值，返回获取燃料电池的当前温度的步骤；
4.3）若燃料电池的当前温度超过温度预警值，接管燃料电池热管理系统控制；
4.4）将散热风扇和水泵转速调节至最大，节温器全开；
4.5）若燃料电池的当前温度未超过阈值，返回获取燃料电池的当前温度的步骤；
4.6）若燃料电池的当前温度超过阈值，燃料电池停止工作。
为了便于本领域技术人员更好地理解本发明技术方案，给出本发明具体实施例如下：
如图1所示，本发明实施例提供了一种基于多核芯片的燃料电池热管理系统优化控制方法，所述方法包括以下步骤：
1）本实施例使用三核处理器的燃料电池控制器，将燃料电池热管理系统的任务分配至处理器的三个核CPU0，CPU1，CPU2中进行并行处理：
2）将燃料电池能效优化方法分配至多核处理器的第一个核CPU0中并行；
2.1）实时获取燃料电池所处环境温度Tatm；
2.2）实时获取燃料电池的负载电流I；
2.3）实时获取燃料电池的输出功率Pst；
2.4）实时获取风扇、水泵、节温器等热管理系统附件的消耗功率Pc；
2.5）实时获取燃料电池的当前温度Ts；
2.6）在燃料电池正常工作温度范围内，以总能效最大化为目标，本实施例使用遗传算法作为能效优化算法。根据环境温度，负载电流，燃料电池的当前温度，附件消耗功率等数据在线计算出当前状态下的最优温度值Toptimal；
将总能效通过下面公式确定：
，
上式中，Ptot表示总能效，Pst为燃料电池的输出功率，Pc为散热风扇、水泵、节温器等热管理系统附件消耗的总功率；
通过遗传算法优化出最优的温度值步骤如下：
2.6.1）设计适应度函数：将个体解码为负载电流大小、环境温度和燃料电池温度。使将目标函数定义为能效Ptot，用这些变量计算能效值Ptot，并将其作为个体的适应度。即能效值Ptot越大，个体的适应度越高。
2.6.2）将负载电流大小、环境温度和燃料电池温度采用二进制方式来进行编码；
2.6.3）迭代优化：重复以下步骤指定的代数：
2.6.3.1）对于每个个体，使用适应度函数计算其适应度。
2.6.3.2）根据个体的适应度选择优秀的个体作为父代。选择操作可以使用轮盘赌选择、锦标赛选择等方法。
2.6.3.3）交叉操作：通过交换个体的基因片段来产生新的个体。可以使用单点交叉、多点交叉等方法。
2.6.3.3）变异操作：通过随机改变个体的基因来引入新的变化。
2.6.3.5）更新种群：将新生成的个体加入到新的种群中。
2.6.4）选择最优个体：从最终的种群中选择适应度最高（能效Ptot最大）的个体作为最优个体。
2.6.5）输出结果：将最优个体解码为负载电流大小、环境温度和燃料电池温度，并计算对应的能效。能效最优对应的燃料电池温度值即为最优温度值，具体的，假设在某一环境下计算出最优温度值为67.5摄氏度。
2.7）判断能效优化算法计算出的最优温度值Toptimal是否超出燃料电池正常工作温度阈值，正常工作温度阈值可以设定为55至70摄氏度；
2.8）若上述计算出的最优温度值Toptimal未超出燃料电池正常工作温度阈值，将上述计算出的最优温度值写入共享存储器中；
2.9）若上述计算出的最优温度值超出燃料电池正常工作温度阈值，使用预设的正常工作温度范围内的值代替计算出的最优温度值，预设的正常工作温度范围内的值可以设定为65摄氏度；将上述预设的温度值Toptimal写入共享存储器；
2.10）触发中断，等待CPU1读取共享存储器数据；
2.11）若CPU1读取共享存储器数据完成，清除中断；
2.12）进入下一次循环。
3）将燃料电池热管理系统控制算法分配至多核处理器的第二个核CPU1中并行，本实施例采用如下的方案进行阐述：
3.1）获取燃料电池的当前温度Ts；
3.2）触发中断，开始计时；
3.3）CPU1读取共享存储器中实时更新的最优温度值Toptimal；
3.4）若CPU0未更新数据，等待CPU0更新数据；
3.5）若计时等待超过1ms，则使用上次读取的最优温度值T’ optimal，清除中断；（等待时间设置为1ms仅为实施例举例）
3.6）若CPU0在计时时间内更新数据，读取更新的最优温度值Toptimal；清除中断；
3.7）结束计时；
3.8）本实施例通过自适应模糊PID算法控制风扇的转速来控制温度，将水泵设置在固定转速，将节温器设置在固定的开度。
上述通过自适应模糊PID算法控制风扇的转速，将水泵设置在固定转速，将节温器设置在固定的开度热管理系统控制方案仅是示例性的，也可以按照其它方案对燃料电池进行热管理控制，本申请对此不做限制。
3.9）自适应模糊PID算法的输入为燃料电池实时温度和实时更新的最优温度值Toptimal差值,e(t)=Toptimal(t)-Ts(t)。
3.10）模糊PID算法的输出u(t)为风扇转速，计算公式如下：u(t)=(Kp+ΔKp)*e(t)+(Ki+ΔKi)*∫e(t)dt+(Kd+ΔKd)*de(t)/dt；
3.11）上式中，ΔKp，ΔKi，ΔKd为模糊控制通过模糊化，模糊推理，去模糊化得到的对PID的参数Kp，Ki，Kd的修正值；Kp为比例系数，Ki为积分系数，Kd为微分系数，
e(t)为当前时刻的温度差， ∫e(t)dt为温度差的积分项，de(t)/dt为误温度差的微分项。
3.12）根据上述控制算法计算出的风扇转速u(t)，对散热风扇转速进行控制；
4）将燃料电池热管理系统的诊断监控等任务分配至多核处理器的第三个核CPU2中并行；
4.1）获取燃料电池的当前温度Ts；
4.2）若燃料电池的当前温度未超过温度预警值，温度预警值可以设置为68摄氏度，返回步骤（4.1）；
4.3）若燃料电池的当前温度超过温度预警值68摄氏度，接管燃料电池热管理系统控制；
4.4）将散热风扇和水泵转速调节至最大，节温器全开；
4.5）若燃料电池的当前温度未超过阈值，温度预警值可以设置为70摄氏度，返回步骤（4.1）；
4.6）若燃料电池的当前温度超过温度预警值70摄氏度，燃料电池停止工作。
本发明所述的热管理系统控制算法不限于某个特定的控制方法。
本发明所述的燃料电池能效优化算法不限于某个特定的优化方法。
本发明所述对燃料电池能效的影响因素包括但不限于环境温度，燃料电池温度等；其他对能效会产生影响的因素也可以考虑进来。
本发明所述使用的多核处理器的任务分配不局限于三核，对于使用不同核数的处理器，将燃料电池热管理系统任务分配至不同的核，也在本方案的范围。
本发明提出一种在多核处理器中将多算法分配至多核并行的方法，可以同步实现燃料电池温度的实时跟踪控制和对燃料电池系统能效的实时优化，特别是对于同时使用多个复杂的算法，通过多核并行的方法可以减少控制器的负载，减少算法运行的时间，保证了控制的实时性和精确性。
上述基于多核芯片的燃料电池热管理系统优化控制方法所能实现的功能均由计算机设备完成，所述计算机设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条程序代码，所述程序代码由所述一个或多个处理器加载并执行以实现所述基于多核芯片的燃料电池热管理系统优化控制方法的功能。
处理器从存储器中逐条取出指令、分析指令，然后根据指令要求完成相应操作，产生一系列控制命令，使计算机各部分自动、连续并协调动作，成为一个有机的整体，实现程序的输入、数据的输入以及运算并输出结果，这一过程中产生的算术运算或逻辑运算均由运算器完成；所述存储器包括只读存储器（Read-Only Memory，ROM），所述只读存储器用于存储计算机程序，所述存储器外部设有保护装置。
示例性的，计算机程序可以被分割成一个或多个模块，一个或者多个模块被存储在存储器中，并由处理器执行，以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解，上述服务设备的描述仅仅是示例，并不构成对终端设备的限定，可以包括比上述描述更多或更少的部件，或者组合某些部件，或者不同的部件，例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器 （Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现成可编程门阵列 （Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，上述处理器是上述终端设备的控制中心，利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块，上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如信息采集模板展示功能、产品信息发布功能等）等；存储数据区可存储根据泊位状态显示系统的使用所创建的数据（比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card， SMC），安全数字（Secure Digital， SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例系统中的全部或部分模块/单元，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个系统实施例的功能。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random AccessMemory）、电载波信号、电信信号以及软件分发介质等。
需要说明的是，在本文中，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种基于多核芯片的燃料电池热管理系统优化控制方法，其特征在于，所述方法包括以下步骤：
基于多核处理器的燃料电池控制器，将燃料电池热管理系统的任务分配至处理器的三个核CPU0，CPU1，CPU2中并行；
将燃料电池能效优化方法分配至多核处理器的第一个核CPU0中并行，通过CPU0将能效优化算法计算出的最优温度值写入共享存储器中；
将燃料电池热管理系统控制算法分配至多核处理器的第二个核CPU1中并行，通过CPU1读取共享存储器中实时更新的最优温度值来不断修正控制目标；
将燃料电池热管理系统的诊断监控任务分配至多核处理器的第三个核CPU2中并行，通过CPU2诊断监控燃料电池的当前温度，判断是否停止燃料电池工作。
2.根据权利要求1所述的一种基于多核芯片的燃料电池热管理系统优化控制方法，其特征在于，所述通过CPU0将能效优化算法计算出的最优温度值写入共享存储器中的步骤包括：
实时获取燃料电池所处环境温度；
实时获取燃料电池的负载电流；
实时获取燃料电池的输出功率；
实时获取热管理系统附件的消耗功率，其中，所述热管理系统附件包括风扇、水泵和节温器；
实时获取燃料电池的当前温度；
在燃料电池正常工作温度范围内，以总能效最大化为目标，通过能效优化算法根据环境温度、负载电流、输出功率、消耗功率和燃料电池的当前温度在线计算出当前状态下的最优温度值；
判断能效优化算法计算出的最优温度值是否超出燃料电池正常工作温度阈值；
若所述最优温度值未超出燃料电池正常工作温度阈值，将所述最优温度值写入共享存储器；
触发中断，等待CPU1读取共享存储器数据；
若CPU1读取共享存储器数据完成，清除中断；
进入下一次循环。
3.根据权利要求2所述的一种基于多核芯片的燃料电池热管理系统优化控制方法，其特征在于，所述总能效通过以下公式确定：
；
其中，Ptot表示总能效，Pst为燃料电池的输出功率，Pc为热管理系统附件消耗的总功率。
4.根据权利要求2所述的一种基于多核芯片的燃料电池热管理系统优化控制方法，其特征在于，所述总能效通过以下公式确定：
；
其中，η表示总能效，Pst为燃料电池的输出功率，Pc为热管理系统附件消耗的总功率。
5.根据权利要求2所述的一种基于多核芯片的燃料电池热管理系统优化控制方法，其特征在于，所述能效优化算法采用遗传算法。
6.根据权利要求1所述的一种基于多核芯片的燃料电池热管理系统优化控制方法，其特征在于，所述通过CPU1读取共享存储器中实时更新的最优温度值来不断修正控制目标的步骤包括：
获取燃料电池的当前温度；
触发中断，开始计时；
CPU1读取共享存储器中实时更新的最优温度值；
若CPU0未更新数据，等待CPU0更新数据；
若等待超预设时间，则使用上次读取的最优温度值，清除中断；
若CPU0在计时时间内更新数据，读取更新的最优温度值，清除中断；
结束计时；
以读取最新的最优温度值为控制燃料电池温度目标，热管理系统控制算法计算出热管理系统附件参数，所述热管理系统附件参数包括散热风扇转速、水泵转速和节温器开度；
根据所述热管理系统控制算法计算出的热管理系统附件参数，对热管理系统附件进行控制。
7.根据权利要求6所述的一种基于多核芯片的燃料电池热管理系统优化控制方法，其特征在于，所述热管理系统控制算法采用自适应模糊PID算法。
8.根据权利要求1所述的一种基于多核芯片的燃料电池热管理系统优化控制方法，其特征在于，所述通过CPU2诊断监控燃料电池的当前温度，判断是否停止燃料电池工作的步骤包括：
获取燃料电池的当前温度；
若燃料电池的当前温度未超过温度预警值，返回获取燃料电池的当前温度的步骤；
若燃料电池的当前温度超过温度预警值，接管燃料电池热管理系统控制；
将散热风扇和水泵转速调节至最大，节温器全开；
若燃料电池的当前温度未超过阈值，返回获取燃料电池的当前温度的步骤；
若燃料电池的当前温度超过阈值，燃料电池停止工作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410102254.8A CN117638168B (zh) | 2024-01-25 | 2024-01-25 | 一种基于多核芯片的燃料电池热管理系统优化控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410102254.8A CN117638168B (zh) | 2024-01-25 | 2024-01-25 | 一种基于多核芯片的燃料电池热管理系统优化控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117638168A true CN117638168A (zh) | 2024-03-01 |
| CN117638168B CN117638168B (zh) | 2024-04-26 |
Family
ID=90032453
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410102254.8A Active CN117638168B (zh) | 2024-01-25 | 2024-01-25 | 一种基于多核芯片的燃料电池热管理系统优化控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117638168B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6087028A (en) * | 1997-06-06 | 2000-07-11 | Toyota Jidosha Kabushiki Kaisha | Fuel-cells system and method of regulating temperature in fuel-cells system |
| CN106960991A (zh) * | 2016-01-11 | 2017-07-18 | 北京亿华通科技股份有限公司 | 燃料电池的温度控制方法、装置和系统 |
| CN114614051A (zh) * | 2022-02-08 | 2022-06-10 | 东风汽车集团股份有限公司 | 燃料电池热管理控制方法、装置、介质、电子设备 |
| CN218825257U (zh) * | 2023-01-09 | 2023-04-07 | 上海磐动电气科技有限公司 | 一种设备控制系统 |
| WO2023159364A1 (zh) * | 2022-02-22 | 2023-08-31 | 苏州潜寻新能源科技有限公司 | 一种固体氧化物燃料电池系统的智能控制方法 |
-
2024
- 2024-01-25 CN CN202410102254.8A patent/CN117638168B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6087028A (en) * | 1997-06-06 | 2000-07-11 | Toyota Jidosha Kabushiki Kaisha | Fuel-cells system and method of regulating temperature in fuel-cells system |
| CN106960991A (zh) * | 2016-01-11 | 2017-07-18 | 北京亿华通科技股份有限公司 | 燃料电池的温度控制方法、装置和系统 |
| CN114614051A (zh) * | 2022-02-08 | 2022-06-10 | 东风汽车集团股份有限公司 | 燃料电池热管理控制方法、装置、介质、电子设备 |
| WO2023159364A1 (zh) * | 2022-02-22 | 2023-08-31 | 苏州潜寻新能源科技有限公司 | 一种固体氧化物燃料电池系统的智能控制方法 |
| CN218825257U (zh) * | 2023-01-09 | 2023-04-07 | 上海磐动电气科技有限公司 | 一种设备控制系统 |
Non-Patent Citations (1)
| Title |
|---|
| IN-SU HAN: "Modeling and operation optimization of a pronton exchange membrane fuel cell system for maximum efficiency", 《ENERGY CONVERSION AND MANAGEMENT》, 5 February 2016 (2016-02-05), pages 54 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117638168B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110196624B (zh) | 用于服务器和固态设备的人工智能冷却方法 | |
| US11687047B2 (en) | Quadratic program solver for MPC using variable ordering | |
| Sa-Ngiamvibool et al. | Multiple tabu search algorithm for economic dispatch problem considering valve-point effects | |
| WO2012060955A2 (en) | Application lifetime management | |
| CN112734135B (zh) | 一种电力负荷预测方法、智能终端及计算机可读存储介质 | |
| US7636706B2 (en) | Parameter adjustment device | |
| US20160283844A1 (en) | Load predictor for a cooling system | |
| CN114442794A (zh) | 服务器功耗控制方法、系统、终端及存储介质 | |
| CN112286152B (zh) | 具有批量交付约束的分布式流水车间调度方法及系统 | |
| US20090006873A1 (en) | Power throttling of collections of computing elements | |
| CN117638168B (zh) | 一种基于多核芯片的燃料电池热管理系统优化控制方法 | |
| Kashani et al. | Using simulated annealing for task scheduling in distributed systems | |
| CN112727743B (zh) | 多水泵系统的控制方法、装置、控制终端和存储介质 | |
| Song et al. | Multivariate electricity consumption prediction with extreme learning machine | |
| CN108205370A (zh) | 一种芯片散热方法与装置 | |
| CN117193500A (zh) | 基于lstm的服务器动态管理方法、系统、终端及存储介质 | |
| CN114844058A (zh) | 一种海上风电储能参与调峰辅助服务的调度方法 | |
| CN114002949B (zh) | 基于人工智能的控制方法与控制装置 | |
| CN113806077A (zh) | 基于人工智能的数据中心服务器调控方法及装置 | |
| CN117743974B (zh) | 液冷储能系统冷却流量分配方法、装置及存储介质 | |
| Thanavanich et al. | Hidden Markov Model for Improving Resource Utilization of Dehydration Rice Paddy Service in Community Cooperatives | |
| CN109343680A (zh) | 一种基于机器学习算法的风扇调控方法及系统 | |
| Baúto et al. | Parallel Genetic Algorithms for Financial Pattern Discovery Using GPUs | |
| CN110738310B (zh) | 一种稀疏神经网络加速器及其实现方法 | |
| Yin et al. | Inferring sparse genetic regulatory networks based on maximum-entropy probability model and multi-objective memetic algorithm |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |