KR101315764B1 - 연료전지용 수소 공급 시스템의 고장 진단 방법 - Google Patents

Abstract

본 발명은 연료전지 스택의 저온 운전시 다이나믹 인공신경망을 이용하여 연료전지 스택의 수소 입출구에서의 수소 온도를 예측하고, 예측된 수소 온도를 측정된 수소 온도와 비교하여 그 차이가 임계 온도를 벗어나면 수소 공급 시스템의 고장으로 진단할 수 있도록 한 연료전지용 수소 공급 시스템의 고장 진단 방법을 제공하고자 한 것이다.

Description

연료전지용 수소 공급 시스템의 고장 진단 방법{Method for detecting fail of hydrogen supply system for fuel cell}

본 발명은 연료전지용 수소 공급 시스템의 고장 진단 방법에 관한 것으로서, 더욱 상세하게는 다이나믹 인공신경망을 이용하여 연료전지 스택의 저온 운전시 수소 공급 시스템의 고장을 용이하게 진단할 수 있도록 한 연료전지용 수소 공급 시스템의 고장 진단 방법에 관한 것이다.

연료전지(fuel cell)는 연속적으로 공급되는 반응가스(수소 및 공기중 산소)의 산화 및 환원 반응을 이용하여 화학적 에너지를 전기적 에너지로 변환시키면서 반응 생성물인 열과 전기 에너지를 생성하는 장치를 말하고, 이러한 연료전지를 구성하는 각 셀들을 수백 개 이상 적층시킨 것을 연료전지 스택이라 한다.

연료전지 스택을 포함하는 연료전지 시스템은 연료전지 스택에 수소를 공급하는 수소 공급 시스템과, 연료전지 스택에 전기화학반응에 필요한 산화제인 공기중의 산소를 공급하는 공기 공급 시스템과, 연료전지 스택의 운전온도를 제어하는 열 및 물관리 시스템 등으로 나누어 볼 수 있다.

따라서, 고순도의 수소가 수소 공급 시스템으로부터 연료전지 스택의 연료극(anode)으로 공급되고, 공기 공급 시스템으로부터 공기중 산소가 연료전지 스택의 공기극(cathode)으로 공급되면, 수소는 연료극(anode)의 촉매에서 수소 이온과 전자로 분리되고, 분리된 수소이온은 전해질 막을 통해 공기극(cathode)으로 넘어가게 되며, 연이어 공기극에 공급된 산소는 외부도선을 통해 공기극으로 들어온 전자와 결합하여 물을 생성하면서 전기에너지를 발생시키게 된다.

이러한 연료전지 시스템의 운전중, 특히 외기온이 낮은 저온 상태에서의 운전중, 수소 공급 시스템의 고장이 발생하면, 연료전지 스택에 수소가 제대로 공급되지 않거나, 공급되는 수소의 온도가 냉각수 및 공기의 온도에 비하여 하강하게 되어 연료전지 스택의 전기생성을 위한 운전 성능이 저하될 수 밖에 없다.

이에, 외기온이 낮은 저온 상태에서의 스택 운전중, 수소 공급 시스템의 고장을 용이하게 진단할 수 있는 방안이 요구되고 있다.

본 발명은 상기와 같은 점을 감안하여 안출한 것으로서, 연료전지 스택의 저온 운전시 다이나믹 인공신경망을 이용하여 연료전지 스택의 수소 입출구에서의 수소 온도를 예측하고, 예측된 수소 온도를 측정된 수소 온도와 비교하여 그 차이가 임계 온도를 벗어나면 수소 공급 시스템의 고장으로 진단할 수 있도록 한 연료전지용 수소 공급 시스템의 고장 진단 방법을 제공하는데 그 목적이 있다.

상기한 목적을 달성하기 위한 본 발명은 외기온이 낮은 저온 상태에서 연료전지 스택을 운전시키면서 스택의 수소 출구에서의 수소 온도를 예측하기 위한 각종 정보를 수집하는 단계와; 수집된 정보를 입력으로 하는 입력노드를 갖는 입력층과, 은닉노드를 갖는 은닉층과, 1개의 출력노드를 갖는 출력층을 포함하는 인공신경망 제어기를 구축하는 단계와; 상기 인공신경망 제어기의 입력층의 6개 입력노드에 정보수집에 의하여 얻어진 입력변수로서 스택의 냉각수 입구에서의 냉각수 온도를 의미하는 냉각수 입구온도(n), 1초 전의 냉각수 입구온도(n-1), 2초 전의 냉각수 입구온도(n-2), 스택전류, 1초 전의 수소출구 예측온도(n-1), 2초 전의 수소 출구 예측온도(n-2)를 입력하는 단계와; 상기 인공신경망 제어기의 은닉층에서, 입력된 입력변수 정보를 이미 맵 데이타화된 정보와 비교하여 오차가 없으면 그 출력값인 수소출구 예측온도를 출력층을 통해 출력시키는 단계와; 출력된 수소출구 예측 온도와, 측정된 수소 출구 온도를 비교하여, 그 차이값이 임계치 이하이면 수소 공급 시스템이 정상 작동중인 것으로 판정하고, 임계치 이상이면 수소 공급 시스템이 고장난 것으로 진단하는 단계; 를 포함하는 것을 특징으로 하는 연료전지용 수소 공급 시스템의 고장 진단 방법을 제공한다.

상기한 과제 해결 수단을 통하여, 본 발명은 다음과 같은 효과를 제공한다.

본 발명에 따르면, 연료전지 스택의 저온 운전시 다이나믹 인공신경망을 이용하여 연료전지 스택의 수소 입출구에서의 수소 온도를 예측하고, 예측된 수소 온도를 측정된 수소 온도와 비교하여 그 차이값이 임계치 이상이면 수소 공급 시스템이 고장난 것으로 정확하게 진단할 수 있고, 고장 진단에 대응하는 후속 조치를 신속하게 취할 수 있다.

도 1은 본 발명에 따른 연료전지용 수소 공급 시스템의 고장 진단 방법을 위한 인공신경망 제어기를 설명하는 도면,
도 2는 연료전지 스택의 정상 운전 상태에서의 수소 입출구 온도 및 예측 온도, 냉각수 입출구 온도, 공기 입출구 온도 변화를 나타낸 그래프,
도 3은 연료전지 스택의 운전중 수소 공급 시스템이 고장난 경우, 수소 입출구 온도 및 예측 온도, 냉각수 입출구 온도, 공기 입출구 온도 변화를 나타낸 그래프.

이하, 본 발명의 바람직한 실시예를 첨부도면을 참조로 상세하게 설명하기로 한다.

연료전지 시스템의 운전중, 특히 외기온이 낮은 저온 상태에서의 운전중, 수소 공급 시스템의 고장이 발생하면, 연료전지 스택의 수소 입출구에서의 수소 온도는 상승하지 않거나 하락하여, 스택의 냉각수 입출구에서의 냉각수 온도 및 공기 입출구에서의 공기 온도와 큰 차이를 나타내게 되고, 결국 연료전지 스택의 운전 성능이 저하되고 내구수명도 하락한다.

이에, 본 발명은 외기온이 낮은 저온 상태에서 연료전지 스택의 운전중, 스택의 수소 입출구에서의 수소 온도가 하강하는 것을 다이나믹 인공 신경망(Dynamic Artificial Neural Network)을 이용하여 판정함으로써, 수소 공급 시스템의 고장을 정확하게 진단할 수 있도록 한 점에 주안점이 있다.

즉, 본 발명은 연료전지 스택의 입출구에서의 수소 온도 변화를 다이나믹 인공 신경망(Dynamic Artificial Neural Network)을 이용하여 예측하고, 예측된 수소 온도를 스택의 입출구에서 측정된 수소 온도와 비교하여, 그 차이가 임계 범위를 벗어나면 수소 공급 시스템의 고장으로 진단할 수 있도록 한 새로운 방식의 수소 공급 시스템의 고장 진단 방법을 제공하고자 한 것이다.

이를 위해, 연료전지 스택의 수소출구에서의 수소 온도 변화에 영향을 미치는 입력변수에 따라 반응결과를 도출하는 인공신경망 제어기(10)가 구비된다.

도 1을 참조하면, 본 발명에 따른 수소 공급 시스템의 고장 진단 방법에 적용되는 인공신경망 제어기(10)는 입력층(12, Input layer)과, 은닉층(14, Hidden Layer)과, 출력층(16, Output Layer)으로 구성된다.

연료전지 스택의 수소 출구에서의 수소 온도를 예측하기 위한 인공신경망을 구축하기 위하여, 인공신경망을 학습시키기 위한 실험적 데이터 정보를 얻기 위한 정보수집 단계가 선행된다.

즉, 외기온이 낮은 저온 상태에서 연료전지 스택을 정상 상태로 운전시키되, 여러 운전조건별로 반복 운전시키고, 스택의 정상 운전중 스택의 수소 입출구에서의 수소 온도 변화 정보를 비롯하여, 스택에서 생성되는 전류값, 스택의 냉각수 입출구에서의 냉각수 온도 변화 정보 등을 수집하는 정보수집 단계가 선행된다.

이어서, 정보수집 단계가 이루어진 후, 입력노드를 갖는 입력층(12)과, 은닉노드를 갖는 은닉층(14)과, 출력노드를 갖는 출력층(16)을 포함하는 인공신경망(10)을 구성하게 된다.

이때, 수소의 공급 고장 진단을 다이나믹 인공신경망을 이용하여 진단하는 본 발명의 일 실시예로서 인공신경망 제어기(10)의 입력층(12)의 6개 입력노드에는 정보수집에 의하여 얻어진 정보 즉, 입력변수로서 스택의 냉각수 입구에서의 냉각수 온도를 의미하는 냉각수 입구온도(n), 1초 전의 냉각수 입구온도(n-1), 2초 전의 냉각수 입구온도(n-2), 스택전류, 1초 전의 수소출구 예측온도(n-1), 2초 전의 수소 출구 예측온도(n-2)가 각각 입력된다.

이렇게 입력층(12)에 입력된 입력 변수 정보는 은닉단(14)으로 전달되어 학습을 통해 출력층(16)으로 출력된다.

즉, 상기 은닉층(14)에서는 입력층(12)으로부터 입력 변수 정보를 입력받아 이미 맵 데이타화된 정보와 비교하는 학습을 하고, 비교 결과 오차가 발생되지 않으면 그 출력값을 출력층(16)으로 보내게 되고, 최종적으로 출력층(16)의 출력노드를 통해 수소출구 예측 온도가 출력된다.

한편, 연료전지 스택의 수소 출구의 온도는 비정상상의 열역학 1법칙인 에너지 보존의 법칙에 따라, 스택의 발열과, 스택으로 들어오는 에너지(냉각수, 공기, 수소 입력)와, 열전달에 의해 스택 주변으로 나가는 에너지 및 스택의 자체 온도상승에 따라 변화한다.

이러한 연료전지 스택에 적용되는 에너지 보존 법칙에 의해 수소 출구의 온도는 전체 입출력 매체의 물성 및 엔탈비, 스택의 발열량에 의해 결정될 수 있지만, 스택의 생성물 및 물질이동, 스택 자체의 구성에 따른 열물성, 차량에서 사용하는 센서의 제약으로 에너지 보존의 법칙에 의해 수소 출구의 온도를 계산하는 것은 매우 어렵다.

따라서, 스택의 전류는 스택의 발열량과 관계가 있고, 냉각수는 스택의 온도를 대표하는 동시에 스택의 온도 조절을 위한 가장 큰 역할을 하는 매체이며, 수소는 재순환을 하여 사용하므로 스택으로 공급되는 수소는 저장용기에서 나오는 수소와 스택에서 사용되고 나오는 수소의 혼합기체인 점을 감안하면, 수소 출구의 온도를 결정하는 가장 중요한 요소들은 냉각수와 스택 전류, 그리고 수소 입구의 온도이다.

비정상 상태의 수소 온도는 시간에 따라 변화하는데, 이는 모든 매체가 열용량을 가지고 있기 때문이며, 이에 비정상 상태의 계산을 위해 스택의 1초 그리고 2초 전의 자료를 사용하면 각 매체의 열용량에 따른 비정상 상태의 온도 변화 특성을 모두 반영하여 수소 출구 온도를 계산할 수 있게 된다.

이에 따라, 수소의 공급 고장 진단을 다이나믹 인공신경망을 이용하여 진단하기 위하여 인공신경망 제어기(10)의 입력층(12)의 6개 입력노드에는 정보수집에 의하여 얻어진 정보 즉, 입력변수로서 스택의 냉각수 입구에서의 냉각수 온도를 의미하는 냉각수 입구온도(n), 1초 전의 냉각수 입구온도(n-1), 2초 전의 냉각수 입구온도(n-2), 스택전류, 1초 전의 수소출구 예측온도(n-1), 2초 전의 수소 출구 예측온도(n-2)가 각각 입력되고, 이렇게 입력층(12)에 입력된 입력 변수 정보는 은닉단(14)으로 전달되어 학습을 통해 출력층(16)으로 출력되도록 함으로써, 수소출구 예측 온도를 얻을 수 있다.

여기서, 상기 입력층(12)으로부터 은닉단(13)으로 각 입력 변수 정보가 전달되면, 은닉단(14)에서 수소 출구 예측 온도를 출력하기 위한 학습 과정이 진행되는 바, 그 과정을 살펴보면 다음과 같다.

신경망 회로에서 처리 요소는 뉴런이라 불리우고, i번째 뉴런에 대한 출력은 다음과 같이 표현된다.

여기서, W_ij 는 i번째와 j번째 뉴우런 사이의 연결 가중치이고, V_j는 j번째 입력, I_i는 바이어스 값이다.

이때, 은닉단(14)에서 이루어지는 학습 알고리즘은 역전파 할고리즘이 적용되는 바, 수소 출구 예측 온도를 학습하는 과정에서 신경회로망은 입력값들과 그에 해당되는 출력값들이 집합으로 주어지고, 연결 가중치는 학습데이터에 의해 아래의 식과 같이 적용되며, 모든 연결 가중치는 후향 오차 교정에 의해 수정된다.

여기서 W,X,Y,α는 각각 가중치, 입력, 목표출력, 학습률을 나타내고, F(X)는 입력 X에 대한 신경회로망 출력을 나타내며, 위의 식은 실제 출력과 원하는 출력 사이의 평균 제곱오차가 최소가 되도록 연결 가중치를 조정하게 된다.

최종적으로, 상기와 같이 인공신경망 제어기(10)를 통해 출력된 수소출구 예측 온도와, 연료전지 스택의 운전시 스택의 수소 출구에서 측정된 수소 출구 온도를 비교하여, 그 차이값이 임계치 이하이면 수소 공급 시스템이 정상 작동중인 것으로 판정하고, 반면 임계치 이상이면 수소 공급 시스템이 고장난 것으로 진단하게 된다.

여기서, 수소 공급 시스템의 정상 및 고장 진단 판정을 좀 더 상세하게 설명하면 다음과 같다.

수소 공급 시스템의 정상 판정

연료전지 스택의 정상 운전시 스택 입출구에서의 공기 온도, 냉각수 온도, 수소 온도를 실제로 측정한 결과, 첨부한 도 2에서 보는 바와 같이 스택의 수소 입출구에서의 수소 온도는 스택의 냉각수 입출구에서의 냉각수 온도 변화에 따라 변화함을 알 수 있고, 또한 수소 온도는 스택의 부하에 따라 변화될 수 있다.

이때, 상기와 같이 인공신경망 제어기(10)를 이용하여, 연료전지 스택의 수소 출구에서의 수소 온도를 예측하고, 예측된 수소 출구 온도를 위와 같이 측정된 실제 수소 출구 온도와 비교한 결과, 도 2에서 보듯이 예측된 수소 출구 온도가 위와 같이 실제 측정된 수소 출구 온도를 추종(追從)함을 알 수 있다.

따라서, 인공신경망 제어기(10)를 통해 출력된 수소출구 예측 온도와, 연료전지 스택의 운전시 스택의 수소 출구에서 측정된 수소 출구 온도를 비교하여, 그 차이값이 임계치 이하이면 수소 공급 시스템이 정상 작동중인 것으로 판정하게 된다.

수소 공급 시스템의 고장 판정

외기온이 낮은 저온 상태 조건에서 연료전지 스택을 운전시키면서, 스택 입출구에서의 공기 온도, 냉각수 온도, 수소 온도를 실제로 측정한 결과, 첨부한 도 1에서 보는 바와 같이 스택의 수소 입출구에서의 수소 온도가 하강하는 것을 알 수 있으며, 이는 수소공급 시스템이 이상이 있음을 의미한다.

이때, 상기와 같이 인공신경망 제어기(10)를 이용하여, 연료전지 스택의 수소 출구에서의 수소 온도를 예측하고, 예측된 수소 출구 온도를 위와 같이 측정된 실제 수소 출구 온도와 비교한 결과, 도 1에서 보듯이 온도 하강된 실제 수소 출구 온도와 예측된 수소 출구 온도 간의 차이가 큰 것을 알 수 있다.

따라서, 인공신경망 제어기(10)를 통해 출력된 수소출구 예측 온도와, 저온 상태 조건에서 운전되는 연료전지 스택의 수소 출구에서 측정된 수소 출구 온도를 비교하여, 그 차이값이 임계치 이상이면 수소 공급 시스템이 고장난 것으로 판정하게 된다.

이와 같이, 연료전지 스택의 저온 운전시 다이나믹 인공신경망을 이용하여 연료전지 스택의 수소 입출구에서의 수소 온도를 예측하고, 예측된 수소 온도를 측정된 수소 온도와 비교하여 그 차이가 임계 온도를 벗어나면 수소 공급 시스템이 고장난 것으로 정확하게 진단할 수 있고, 고장 진단에 대응하는 후속 조치를 신속하게 취할 수 있다.

10 : 인공신경망 제어기
12 : 입력층
14 : 은닉층
16 : 출력층

Claims (3)

1. 외기온이 낮은 저온 상태에서 연료전지 스택을 운전시키면서 스택의 수소 출구에서의 수소 온도를 예측하기 위한 각종 정보를 수집하는 단계와;
   입력노드를 갖는 입력층(12)과, 은닉노드를 갖는 은닉층(14)과, 1개의 출력노드를 갖는 출력층(16)을 포함하는 인공신경망 제어기(10)를 구축하는 단계와;
   상기 인공신경망 제어기(10)의 입력층(12)의 입력노드에 정보수집에 의하여 얻어진 입력변수로서 스택의 냉각수 입구에서의 냉각수 온도를 의미하는 냉각수 입구온도(n), 1초 전의 냉각수 입구온도(n-1), 2초 전의 냉각수 입구온도(n-2), 스택전류, 1초 전의 수소출구 예측온도(n-1), 2초 전의 수소 출구 예측온도(n-2)를 입력하는 단계와;
   상기 인공신경망 제어기(10)의 은닉층(14)에서, 입력된 입력변수 정보를 이미 맵 데이타화된 정보와 비교하여 오차가 없으면 그 출력값인 수소출구 예측온도를 출력층(16)을 통해 출력시키는 단계와;
   출력된 수소출구 예측 온도와, 측정된 수소 출구 온도를 비교하여, 그 차이값이 임계치 이하이면 수소 공급 시스템이 정상 작동중인 것으로 판정하고, 임계치 이상이면 수소 공급 시스템이 고장난 것으로 진단하는 단계;
   를 포함하는 것을 특징으로 하는 연료전지용 수소 공급 시스템의 고장 진단 방법.
   
2. 청구항 1에 있어서,
   상기 각종 정보는 연료전지 스택의 정상 운전중 스택의 수소 입출구에서의 수소 온도 변화 정보, 스택에서 생성되는 전류값, 스택의 냉각수 입출구에서의 냉각수 온도 변화 정보를 포함하는 것을 특징으로 하는 연료전지용 수소 공급 시스템의 고장 진단 방법.
   
3. 청구항 1에 있어서,
   상기 수소 공급 시스템의 정상 작동시 수소출구 예측온도가 측정된 수소 출구 온도를 추종(追從)하는 것을 특징으로 하는 연료전지용 수소 공급 시스템의 고장 진단 방법.

Images