KR101607759B1 - 연료전지 스택의 상태 진단 장치 및 그 방법 - Google Patents

연료전지 스택의 상태 진단 장치 및 그 방법 Download PDF

Info

Publication number
KR101607759B1
KR101607759B1 KR1020140102283A KR20140102283A KR101607759B1 KR 101607759 B1 KR101607759 B1 KR 101607759B1 KR 1020140102283 A KR1020140102283 A KR 1020140102283A KR 20140102283 A KR20140102283 A KR 20140102283A KR 101607759 B1 KR101607759 B1 KR 101607759B1
Authority
KR
South Korea
Prior art keywords
stack
thd
current
state
fuel cell
Prior art date
Application number
KR1020140102283A
Other languages
English (en)
Other versions
KR20160018972A (ko
Inventor
이용현
김종현
유승열
Original Assignee
강남대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 강남대학교 산학협력단 filed Critical 강남대학교 산학협력단
Priority to KR1020140102283A priority Critical patent/KR101607759B1/ko
Publication of KR20160018972A publication Critical patent/KR20160018972A/ko
Application granted granted Critical
Publication of KR101607759B1 publication Critical patent/KR101607759B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537—Electric variables
    • H01M8/04574—Current
    • H01M8/04589—Current of fuel cell stacks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537—Electric variables
    • H01M8/04544—Voltage
    • H01M8/04559—Voltage of fuel cell stacks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04537—Electric variables
    • H01M8/04634—Other electric variables, e.g. resistance or impedance
    • H01M8/04649—Other electric variables, e.g. resistance or impedance of fuel cell stacks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
    • H01M8/04664—Failure or abnormal function
    • H01M8/04679—Failure or abnormal function of fuel cell stacks
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M2250/00—Fuel cells for particular applications; Specific features of fuel cell system
    • H01M2250/20—Fuel cells in motive systems, e.g. vehicle, ship, plane
    • 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

  • Engineering & Computer Science (AREA)
  • General Chemical & Material Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuel Cell (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)

Abstract

본 발명은 연료전지 스택의 상태 진단 장치 및 그 방법에 관한 것이다. 본 발명에 따른 연료전지 스택의 상태 진단 장치는, 주파수 응답용 진단 신호로서 복수의 정현파로 이루어진 다중 주파수의 진단 신호를 스택에 인가하여 스택 전류 또는 스택 전압을 측정하는 측정부; 상기 스택 전류 또는 스택 전압을 주파수 변환하여 고조파 왜곡률(THD)을 연산하는 THD 연산부; 상기 고조파 왜곡률을 이용하여 단위 시간당 THD의 변화량을 연산하는 THD 변화량 연산부; 및 상기 THD, 상기 단위 시간당 THD의 변화량, 스택 전류, 스택 전압 및 단위 시간당 스택 전류의 변화량 등의 스택의 정보를 입력으로 하여 스택의 상태를 진단하는 진단부를 포함하되, 상기 진단부는 퍼지 로직 또는 뉴로 네트워크를 이용한다.
이와 같이 본 발명에 따르면, 다이나믹 상태의 스택 운전시에도 지능형 결정 장치를 이용하여 스택의 상태를 진단할 수 있다. 또한, 고조파 왜곡률 및 그 변화율을 이용하여 스택의 정상/비정상 판단을 용이하게 할 수 있다.

Description

연료전지 스택의 상태 진단 장치 및 그 방법{APPARATUS FOR MONITORING CONDITION OF STACK OF FUEL CELL AND METHOD THEREOF}
본 발명은 연료전지 스택의 상태를 진단하는 장치 및 그 방법에 관한 것으로서, 더욱 상세하게는 지능형 결정 장치(Intelligent Decision Maker)를 이용하여 연료전지 스택의 상태를 진단하는 장치 및 그 방법에 관한 것이다.
연료전지는 연료가 가지고 있는 화학에너지를 연소에 의해 열로 바꾸지 않고 스택 내에서 전기화학적으로 반응시켜 전기에너지로 변환시키는 일종의 발전장치이며, 산업용, 가정용 및 차량 구동용 전력을 공급할 뿐만 아니라 소형의 전기/전자제품, 특히 휴대용 장치의 전력 공급에도 적용될 수 있다.
현재 차량 구동을 위한 전력공급원으로는 연료전지 중 가장 높은 전력밀도를 갖는 고분자 전해질막 연료전지 (PEMFC: Polymer Electrolyte Membrane Fuel Cell, Proton Exchange Membrane Fuel Cell) 형태가 가장 많이 연구되고 있으며, 이는 낮은 작동온도로 인한 빠른 시동시간과 빠른 전력변환 반응시간을 갖는다.
실제 차량에서 필요한 전위를 얻기 위해서는 단위 셀을 필요한 전위만큼 적층해야 하며, 단위 셀들을 적층한 것이 스택이다. 1개의 단위 셀에서 발생하는 전위는 약 1.3V로서, 차량 구동에 필요한 전력을 생산하기 위해 다수의 셀을 직렬로 적층하고 있다.
도 1은 종래의 비선형성 검출을 통한 셀 상태 진단을 설명하기 위한 도면이다.
도 1에서 보는 바와 같이 정상적인 운전시 스택 전압/전류 특성은 선형적인 관계를 가지나, 비정상적인 운전조건에서는 비선형적인 관계로 변한다. 즉, 스택 전압의 비선형성이 계측되면 스택의 상태가 비정상적이라 판단할 수 있는 것이다.
그런데, 주파수 분석을 통해서 고조파 왜곡률(Total Harmonic Distortion: THD) 값을 이용하는 기존의 연료전지 시스템 진단방법은 고속 푸리에 변환(Fast Fourier Transform) 특성상 실제 운전시에 스택 전류의 변화가 빠른 경우, 과도 구간에서 연료전지 상태의 진단을 정확히 수행할 수 없다는 단점이 존재한다. 그 이유는 과도 구간에서 THD 값이 연료전지 상태와 무관하게 상승하기 때문이다. 그 결과 스택 전류가 급격히 변하는 실 주행 상황에서 연료전지 상태를 THD 값의 Threshold 값으로 판단하기 어렵다.
본 발명의 배경이 되는 기술은 대한민국 등록특허공보 제10-1090705 호(2011.12.08 공고)에 기재되어 있다.
본 발명이 해결하고자 하는 과제는, 지능형 결정 장치(Intelligent Decision Maker)를 이용하여 연료전지 스택의 상태를 진단하는 장치 및 그 방법을 제공하는 것이다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 하나의 실시예에 따르면, 연료전지 스택의 상태 진단 장치는, 주파수 응답용 진단 신호로서 복수의 정현파로 이루어진 다중 주파수의 진단 신호를 스택에 인가하여 스택 전류 또는 스택 전압을 측정하는 측정부; 상기 스택 전류 또는 스택 전압을 주파수 변환하여 고조파 왜곡률(THD)을 연산하는 THD 연산부; 상기 고조파 왜곡률을 이용하여 단위 시간당 THD의 변화량을 연산하는 THD 변화량 연산부; 및 상기 THD, 상기 단위 시간당THD의 변화량, 스택 전류, 전압 및 단위 시간당 스택 전류의 변화량 등의 스택의 정보를 입력으로 하여 스택의 상태를 진단하는 진단부를 포함하되, 상기 진단부는 퍼지 로직 또는 뉴로 네트워크를 이용한다.
또한, 상기 진단부는, 퍼지 집합의 정의에 있어서, 상기 입력에 해당하는 기초 변수 및 출력의 범위가 다음과 같이 정의될 수 있다;
Input(스택의 정보): Stack 전체 전압, THD, dTHD, 스택 전류, 스택 전류의 변화량
Output: 0(정상)≤ SoS ≤ 1(비정상)
여기서, THD는 고조파 왜곡률을, dTHD는 단위 시간당 THD의 변화량을 나타내고, SoS는 상기 연료전지 스택의 상태(State of Stack)를 나타낸다.
또한, 상기 입력 및 출력에 관한 링귀스틱 변수의 정의가 다음과 같이 정의될 수 있다:
StackVoltage: {Low, High},
THD: {Low, High},
dTHD: {Low, Mid, High},
Current: {Low, High},
dCurrent: {Low, High},
SoS: {Low, High}
여기서, StackVoltag는 스택 전체 전압, Current는 스택 전류, dCurrent 는 단위 시간당 스택 전류의 변화량을 각각 나타낸다.
또한, 상기 링귀스틱 변수와 관련한 규칙(Rule Base)은,
(1) 스택 전체 전압이 너무 낮으면 비정상 (2) THD의 변화량이 낮을 때 스택 전류에 따른 THD가 높으면 비정상 (3) THD의 변화량이 클 경우 스택 전류의 변화량에 대한 THD값이 클 경우 비정상으로 정의될 수 있다.
또한, 상기 진단부는, 상기 THD, 단위 시간당 THD의 변화량 및 단위 시간당 스택 전류의 변화량을 입력으로 하여 뉴로 네트워크 학습과정을 수행하고, 상기 학습과정에서 Training, Validation 및 Testing을 거쳐 정상 또는 비정상의 진단 결과를 출력할 수 있다.
본 발명의 하나의 실시예에 따르면, 연료전지 스택의 상태를 진단하는 장치를 이용한 연료전지 스택의 상태 진단 방법은, 주파수 응답용 진단 신호로서 복수의 정현파로 이루어진 다중 주파수의 진단 신호를 스택에 인가하여 스택 전류 또는 스택 전압을 측정하는 단계; 상기 스택 전류 또는 스택 전압을 주파수 변환하여 고조파 왜곡률(THD)을 연산하는 단계; 상기 고조파 왜곡률을 이용하여 단위 시간당 THD의 변화량을 연산하는 단계; 및 상기 THD, 상기 단위 시간당 THD의 변화량 및 단위 시간당 스택 전류의 변화량을 입력으로 하여 스택의 상태를 진단하는 단계를 포함하되, 상기 스택의 상태를 진단하는 단계는, 퍼지 로직 또는 뉴로 네트워크를 이용한다.
본 발명인 연료전지 스택의 상태 진단 장치 및 그 방법에 따르면, 다이나믹 상태의 스택 운전시에도 지능형 결정 장치를 이용하여 스택의 상태를 정확하게 진단할 수 있다. 또한, 고조파 왜곡률 및 그 변화율을 이용하여 스택의 정상/비정상 판단을 용이하게 할 수 있다.
도 1은 종래의 기술에 따른 비선형 검출을 통한 연료전지 스택의 상태 진단을 설명하기 위한 도면이다.
도 2는 본 발명의 실시예에 따른 연료전지 스택의 상태 진단 장치를 포함하는 전체 시스템의 구성도이다.
도 3은 본 발명의 실시예에 따른 연료전지 스택의 상태 진단 장치의 구조를 나타낸 블록도이다.
도 4는 본 발명의 실시예에 따른 연료전지 스택의 상태 진단 방법의 순서도이다.
도 5는 본 발명의 실시예에 따른 퍼지 집합(Fuzzy set)의 Input-Output Variable Definition을 설명하기 위한 도면이다.
도 6은 본 발명의 실시예에 따른 진단부가 뉴로 네트워크(Neural Network)를 이용하여 진단하는 방법을 설명하기 위한 도면이다.
도 7 및 도8은 본 발명의 실시예에 따른 퍼지 로직에 의한 스택 진단 결과 그래프이다.
도 9 및 도 10은 본 발명의 실시예에 따라 뉴로 네트워크의 Input-Output and Curve Fitting을 이용한 스택 진단 결과 그래프이다.
이하에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예에 대해 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명하기로 한다.
본 발명은 연료전지 스택의 상태 진단 장치 및 그 방법에 관한 것으로서, 고분자 전해질막 연료전지(PEMFC)의 스택에 대해 셀 상태 및 성능 저하 여부를 간단한 장치 구성만으로 실시간 진단할 수 있는 장치 및 그 방법에 관한 것이다.
도 2는 본 발명의 실시예에 따른 연료전지 스택의 상태 진단 장치를 포함하는 전체 시스템의 구성도이다.
도 2에서, 연료전지 스택의 상태 진단을 위한 전체 시스템은 연료전지 스택의 상태 진단 장치(100), 연료전지 스택(200) 및 부하(300)를 포함하며, 연료전지 스택(200)에 인가되는 외부신호를 생성하는 신호 발생기(101)는 도 3과 같이 연료전지 스택의 상태 진단 장치(100) 내부에 구비되거나 외부에 구비될 수도 있다.
여기서, 신호 발생기(101)가 생성한 외부신호는 신호 라인(102)을 통해 연료전지 스택의 상태 진단 장치(100)에 의해 연료전지 스택 동작 전류에 가해지게 된다. 또한, 신호 발생기(101)는 다중 주파수 응답용 진단 신호, 예컨대 다중 주파수의 진단 전류(Itest)를 발생시켜 출력한다.
본 발명의 실시예에 따른 연료전지 스택의 상태 진단 장치(100)는 전류 또는 전압에 해당하는 외부신호(101)를 생성하여 연료전지 스택(200)의 기존 전류에 가하고, 연료전지(200)는 부하(300)에 스택 전류(ILoad)를 공급한다. 그리고 도 3과 같은 상태 진단 장치(100)는 연료전지 스택(200)의 전류 또는 전압을 주파수 변환하여 연산된 고조파 왜곡률, 단위 시간당 고조파 왜곡률의 변화량 및 단위 시간당 스택 전류의 변화량을 이용하여 궁극적으로 연료전지 스택(200)이 정상 또는 비정상의 상태인지를 진단한다.
이하 본 발명의 실시예에 따른 연료전지 스택의 상태 진단 장치 및 그 방법에 대하여 도3 내지 도 4를 참조하여 설명한다.
도 3은 본 발명의 실시예에 따른 연료전지 스택의 상태 진단 장치의 구성을 나타낸 블록도이다.
도 3에서, 본 발명의 실시예에 따른 연료전지 스택의 상태 진단 장치(100)는 측정부(110), THD 연산부(120), THD의 변화량 연산부(130) 및 진단부(140)를 포함한다. 여기서 진단부(140)는 퍼지 로직(Fuzzy Logic) 또는 뉴로 네트워크(Neuro Network)를 이용하여 연료전지 스택의 상태를 진단할 수 있다.
도 4는 본 발명의 실시예에 따른 연료전지 스택의 상태 진단 방법의 순서도이다.
먼저, 측정부(110)는 주파수 응답용 진단 신호로서 복수의 정현파로 이루어진 다중 주파수의 진단 신호를 스택에 인가하여 스택 전류 또는 스택 전압을 측정한다(S210). 상설하였듯이 다중 주파수의 진단 신호는 신호 발생기(101)에 의해 생성된다.
예를 들어 스택의 기본 전류(Istack)가 A이고 주파수 응답용 진단 신호로서 복수의 정현파로 이루어진 다중 주파수 진단 신호(Itest)가 B1sin(ω1t)+B2sin(ω2t)인 경우, 측정부(110)가 측정한 스택 전류(Istack +Itest)는 A+ B1sin(ω1t)+B2sin(ω2t)이다. 여기서, B1, B2는 진폭을, ω1, ω2는 각주파수를 나타낸다. 또한, 측정부(110)가 측정한 스택 전압에 고속의 푸리에 변환(FFT)을 적용하여 하기 수학식으로 나타낼 수 있다.
Figure 112014075188031-pat00001
THD 연산부(120)는 스택 전류 또는 스택 전압을 주파수 변환하여 고조파 왜곡률(THD)을 연산한다(S220).
예를 들어 스택 전류가 A+ B1sin(ω1t)+B2sin(ω2t)이고, 스택 전압이 수학식 1과 같은 경우, THD 연산부(120)는 스택 전압의 고조파 왜곡률(THD)을 다음 수학식 2를 통해 연산한다.
Figure 112014075188031-pat00002
여기서, Vtest1 및 Vtest2는 각각의 입력 테스트 주파수에 해당하는 출력 전압 성분들을, Vn은 그 외의 입력하지 않은 고조파 주파수 성분들을 나타낸다.
그런데, 기존의 THD 값만을 이용하여 연료전지 스택의 상태를 진단하는 경우, 고속의 푸리에 급수(FFT)의 특성상 스택 전류의 변화가 빠르게 나타나는 경우(실제 운전시), 과도 구간에서 연료전지 스택의 상태를 판단하는데 어려움이 있었다. 과도 구간에서는 THD 값이 연료전지 상태와 무관하게 상승하기 때문이다. 그 결과 스택 전류가 급격히 변하는 실제 운전 상황에서 연료전지 상태를 THD 의 문턱값(Threshold)으로 판단하기 어렵다.
이를 해결하기 위하여 본 발명의 실시예에 따른 연료전지 스택의 상태 진단 장치(100)는 단위 시간당 고조파 왜곡률의 변화량(dTHD) 및 스택 전류의 변화량(dCurrent)을 추가적으로 연산하여 지능형 결정 생성기(Intelligent Decision Maker)에 해당하는 퍼지 로직(Fuzzy Logic) 또는 뉴로 네트워크(Neural Network)를 이용한다.
THD 변화율 연산부(130)는 고조파 왜곡률(THD)을 이용하여 단위 시간당 THD의 변화량을 연산한다(S230). 또한, THD 변화율 연산부(130)는 단위 시간당 스택 전류의 변화량(dCurrent)을 측정부(110)에서 측정된 스택 전류를 이용하여 연산할 수 있다.
진단부(140)는 THD, 단위 시간당 THD의 변화량(dTHD) 및 단위 시간당 스택 전류의 변화량(dCurrent)을 입력으로 하여 스택의 상태를 진단한다(S240).
여기서, 진단부(140)는 지능형 결정 생성장치(Intelligent Decision Maker)에 해당하는 퍼지 로직(Fuzzy Logic) 또는 뉴로 네트워크(Neural Network)를 이용할 수 있다.
진단부(140)는 퍼지 로직(Fuzzy Logic)을 이용하는 경우에는 고조파 왜곡률(THD)과 단위 시간당 고조파 왜곡률의 변화량(dTHD)을 입력받고, 뉴로 네트워크(Neural Network)를 이용하는 경우에는 고조파 왜곡률(THD)과 단위 시간당 고조파 왜곡률의 변화량(dTHD)에 추가적으로 단위 시간당 스택 전류의 변화량(dCurrent)을 입력받는다.
이하 본 발명의 실시예에 따른 진단부(140)를 이용한 진단 방법에 대해서 자세히 설명한다.
도 5는 본 발명의 실시예에 따른 퍼지 집합(Fuzzy set)의 Input-Output Variable Definition을 설명하기 위한 도면이다.
도 5에서 퍼지 로직의 입력 값으로 고조파 왜곡률(THD) 및 단위 시간당 고조파 왜곡률의 변화량(dTHD)이 사용되며, 출력 값으로 스택의 상태(SoS: State of Stack) 값이 출력된다.
퍼지 로직(Fuzzy Logic)의 퍼지 집합의 정의에 관한 하나의 실시예로, 입력에 해당하는 기초 변수(Base Variable) 및 출력의 범위는 다음의 수학식 3과 같이 정의될 수 있다.
Figure 112014075188031-pat00003
여기서, THD는 고조파 왜곡률을, dTHD는 단위 시간당 THD의 변화량을 나타내고, SoS는 상기 연료전지 스택의 상태(State of Stack)를 나타낸다.
SoS 값은 연료전지가 정상인 경우 0에 가까운 값이 출력되고, 비정상인 경우 1에 가까운 값이 출력된다. 따라서, SoS의 평균값을 측정하여 한 구간 내에서의 연료전지를 진단할 수 있다.
그리고, 하나의 실시예로서 상기 입력 및 출력에 관한 링귀스틱 변수(Linguistic Variable)의 정의는 다음의 수학식 4와 같이 정의될 수 있다.
Figure 112014075188031-pat00004
여기서, StackVoltage는 스택 전체 전압, Current는 스택 전류, dCurrent 는 단위 시간당 스택 전류의 변화량을 각각 나타낸다.
수학식 4에서, 스택 전압(StackVoltage)은 낮은 정도(Low)에 따라 정해질 수 있고, 고조파 왜곡률(THD)의 링귀스틱 변수는 낮거나(Low), 높음(High) 중의 하나로 정해질 수 있다.
단위 시간당 고조파 왜곡률의 변화량(dTHD)의 링귀스틱 변수는 낮거나(Low), 중간(Mid), 높음(High) 중의 하나로 정해질 수 있다. 또한, 스택 전류(Current)의 링귀스틱 변수는 높은 정도(High)에 따라 정해질 수 있다.
출력의 링귀스틱 변수는 0에서 1의 값으로 나타날 수 있으며, 스택의 상태가 비정상 일 수록 높은 값으로 정해진다.
그리고, 하나의 실시예로서 링귀스틱 변수와 관련된 규칙(Rule Base)은 (1) 스택 전체 전압이 너무 낮으면 비정상 (2) THD의 변화량이 낮을 때 스택 전류에 따른 THD가 높으면 비정상 (3) THD의 변화량이 클 경우 스택 전류의 변화량에 대한 THD값이 클 경우 비정상으 로 정의될 수 있다.
도 7 및 도 8은 본 발명의 실시예에 따른 퍼지 로직에 의한 스택 진단 결과 그래프이다.
도 7은 비정상 스택의 진단 결과를 나타낸다. 퍼지 로직(Fuzzy Logic)을 이용하는 진단부(140)는 도 6의 비정상 스택에 대해 스택의 상태(SoS) 값의 평균치를 0.6으로 출력한다.
도 8은 정상 스택의 진단 결과를 나타낸다. 퍼지 로직(Fuzzy Logic)을 이용하는 진단부(140)는 도 7의 비정상 스택에 대해 스택의 상태(SoS) 값의 평균치를 0.34로 출력한다.
도 6은 본 발명의 실시예에 따른 진단부(140)가 뉴로 네트워크를 이용하여 진단하는 방법을 설명하기 위한 도면이다.
도 6에서 뉴로 네트워크의 입력 값으로 고조파 왜곡률(THD), 단위 시간당 고조파 왜곡률의 변화량(dTHD), 스택 전류(Current), 단위 시간당 스택 전류의 변화량(dCurrent)과 스택 전압 등의 스택의 정보가 사용될 수 있다.
실제로 뉴로 네트워크를 이용한 트레이닝에서, 하나의 싸이트에 정상/비정상 스택의 데이터로서 3855개의 샘플을 사용하였다. 전체 샘플 중에서 70%는 Training에 사용되었고, 15%는 Validation에 사용되었으며, 나머지 15%는 Testing에 각각 사용되었다. 참고로, Training에는 Levenberg-Marquardt backpropagation을 사용하였다. 도 6에서 히든 뉴론(Hidden Neuron)의 수는 10개, Output Layer의 뉴론의 수는 한 개이다.
출력 값으로 퍼지 로직과 동일하게 스택의 상태(SoS: State of Stack) 값이 출력된다. 역시, SoS 값은 연료전지가 정상인 경우 0에 가까운 값이 출력되고, 비정상인 경우 1에 가까운 값이 출력된다. 따라서, SoS의 평균값을 측정하여 한 구간 내에서의 연료전지를 진단할 수 있다.
도 9 및 도 10은 본 발명의 실시예에 따라 뉴로 네트워크의 Input-Output and Curve Fitting을 이용한 스택 진단 결과 그래프이다.
도 9는 정상 스택의 진단 결과를 나타낸다. 뉴로 네트워크(Neural Network)을 이용하는 진단부(140)는 도 6의 비정상 스택에 대해 스택의 상태(SoS) 값의 평균치를 0.36으로 출력한다.
도 10은 비정상 스택의 진단 결과를 나타낸다. 뉴로 네트워크(Neural Network)를 이용하는 진단부(140)는 도 10의 비정상 스택에 대해 스택의 상태(SoS) 값의 평균치를 0.64로 출력한다.
이것으로 진단부(140)는 퍼지 로직(Fuzzy Logic) 및 뉴로 네트워크(Neural Network)를 이용하는 경우 정상 스택에 대해서는 0에 가까운 SoS 값을 출력하고, 비정상 스택에 대해서는 1에 가까운 SoS 값을 출력함을 알 수 있다.
이와 같이 본 발명의 실시예에 따른 연료전지 스택의 상태 진단 장치 및 그 방법에 따르면, 다이나믹 상태의 스택 운전시에도 지능형 결정 장치를 이용하여 스택의 상태를 정확하게 진단할 수 있다. 또한, 고조파 왜곡률 및 그 변화율을 이용하여 스택의 정상/비정상 판단을 용이하게 할 수 있다.
이제까지 본 발명에 대하여 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예 들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 따라서 본 발명의 범위는 전술한 실시예에 한정되지 않고 특허청구범위에 기재된 내용 및 그와 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.
100: 연료전지 스택의 상태 진단 장치,
110: 측정부, 120: THD 연산부,
130: THD 변화량 연산부, 140: 진단부,
200: 연료전지 스택, 300: 부하

Claims (10)

  1. 연료전지 스택의 상태를 진단하는 장치에 있어서,
    주파수 응답용 진단 신호로서 복수의 정현파로 이루어진 다중 주파수의 진단 신호를 스택에 인가하여 스택 전류 또는 스택 전압을 측정하는 측정부;
    상기 스택 전류 또는 스택 전압을 주파수 변환하여 고조파 왜곡률(THD)을 연산하는 THD 연산부;
    상기 고조파 왜곡률을 이용하여 단위 시간당 THD의 변화량을 연산하고 상기 스택 전류를 이용하여 단위 시간당 스택 전류의 변화량을 연산하는 THD 변화량 연산부; 및
    상기 THD, 상기 단위 시간당 THD의 변화량, 상기 스택 전류, 스택 전압 및 상기 단위 시간당 스택 전류의 변화량 등의 스택의 정보를 입력으로 하여 스택의 상태를 진단하는 진단부를 포함하되,
    상기 진단부는 퍼지 로직 또는 뉴로 네트워크를 이용하여 상기 스택의 상태를 진단하고,
    상기 THD 연산부는 아래의 수학식을 이용하여 상기 고조파 왜곡률을 연산하며,
    Figure 112015078195167-pat00015

    여기서, Vtest1 및 Vtest2는 각각의 입력 테스트 주파수에 해당하는 출력 전압 성분들을, Vn은 그 외의 입력하지 않은 고조파 주파수 성분들을 나타내고,
    상기 진단부는,
    퍼지 집합의 정의에 있어서, 상기 입력에 해당하는 기초 변수 및 출력의 범위가 다음과 같이 정의되는 연료전지 스택의 상태 진단 장치:
    Input(스택의 정보): Stack 전체 전압, THD, dTHD, 스택 전류, 스택 전류의 변화량,
    Output: 0(정상)≤ SoS ≤ 1(비정상)
    여기서, THD는 고조파 왜곡률을, dTHD는 단위 시간당 THD의 변화량을 나타내고, SoS는 상기 연료전지 스택의 상태(State of Stack)를 나타낸다.
  2. 삭제
  3. 제1항에 있어서,
    상기 입력 및 출력에 관한 링귀스틱 변수의 정의가 다음과 같이 정의되는 연료전지 스택의 상태 진단 장치:
    StackVoltage: {Low, High},
    THD: {Low, High},
    dTHD: {Low, Mid, High},
    Current: {Low, High},
    dCurrent: {Low, High},
    SoS: {Low, High}
    여기서, StackVoltag는 스택 전체 전압, Current는 스택 전류, dCurrent 는 단위 시간당 스택 전류의 변화량을 각각 나타낸다.
  4. 제3항에 있어서,
    상기 링귀스틱 변수와 관련한 규칙(Rule Base)은,
    (1) 스택 전체 전압이 최저 임계치보다 낮으면 비정상 (2) THD의 변화량이 낮을 때 스택 전류에 따른 THD가 높으면 비정상 (3) THD의 변화량이 크면서 스택 전류의 변화량에 대한 THD값이 클 경우 비정상으로 정의되는 연료전지 스택의 상태 진단 장치.
  5. 제1항에 있어서,
    상기 진단부는,
    상기 THD, 단위 시간당 THD의 변화량 및 단위 시간당 스택 전류의 변화량을 입력으로 하여 뉴로 네트워크 학습과정을 수행하고,
    상기 학습과정에서 Training, Validation 및 Testing을 거쳐 정상 또는 비정상의 진단 결과를 출력하는 연료전지 스택의 상태 진단 장치.
  6. 연료전지 스택의 상태를 진단하는 장치를 이용한 연료전지 스택의 상태 진단 방법에 있어서,
    주파수 응답용 진단 신호로서 복수의 정현파로 이루어진 다중 주파수의 진단 신호를 스택에 인가하여 스택 전류 또는 스택 전압을 측정하는 단계;
    상기 스택 전류 또는 스택 전압을 주파수 변환하여 고조파 왜곡률(THD)을 연산하는 단계;
    상기 고조파 왜곡률을 이용하여 단위 시간당 THD의 변화량을 연산하고, 상기 스택 전류를 이용하여 단위 시간당 스택 전류의 변화량을 연산하는 단계; 및
    상기 THD, 상기 단위 시간당 THD의 변화량, 상기 스택 전류, 전압 및 상기 단위 시간당 스택 전류의 변화량을 입력으로 하여 스택의 상태를 진단하는 단계를 포함하되,
    상기 스택의 상태를 진단하는 단계는,
    퍼지 로직 또는 뉴로 네트워크를 이용하여 상기 스택의 상태를 진단하고,
    상기 고조파 왜곡률(THD)을 연산하는 단계는,
    아래의 수학식을 이용하여 상기 고조파 왜곡률을 연산하며,
    Figure 112015078195167-pat00016

    여기서, Vtest1 및 Vtest2는 각각의 입력 테스트 주파수에 해당하는 출력 전압 성분들을, Vn은 그 외의 입력하지 않은 고조파 주파수 성분들을 나타내고,
    상기 스택의 상태를 진단하는 단계는,
    퍼지 집합의 정의에 있어서, 상기 입력에 해당하는 기초 변수 및 출력의 범위가 다음과 같이 정의되는 연료전지 스택의 상태 진단 방법:
    Input(스택의 정보): Stack 전체 전압, THD, dTHD, 스택 전류, 스택 전류의 변화량,
    Output: 0(정상)≤ SoS ≤ 1(비정상)
    여기서, THD는 고조파 왜곡률을, dTHD는 단위 시간당 THD의 변화량을 나타내고, SoS는 상기 연료전지 스택의 상태(State of Stack)를 나타낸다.
  7. 삭제
  8. 제6항에 있어서,
    상기 입력 및 출력에 관한 링귀스틱 변수의 정의가 다음과 같이 정의되는 연료전지 스택의 상태 진단 방법:
    StackVoltage: {Low, High},
    THD: {Low, High},
    dTHD: {Low, Mid, High},
    Current: {Low, High},
    dCurrent: {Low, High},
    SoS: {Low, High}
    여기서, StackVoltage는 스택 전체 전압, Current는 스택 전류, dCurrent 는 단위 시간당 스택 전류의 변화량을 각각 나타낸다.
  9. 제8항에 있어서,
    상기 링귀스틱 변수와 관련한 규칙(Rule Base)은,
    (1) 스택 전체 전압이 최저 임계치보다 낮으면 비정상 (2) THD의 변화량이 낮을 때 스택 전류에 따른 THD가 높으면 비정상 (3) THD의 변화량이 크면서 스택 전류의 변화량에 대한 THD값이 클 경우 비정상으로 정의되는 연료전지 스택의 상태 진단 방법.
  10. 제6항에 있어서,
    상기 스택의 상태를 진단하는 단계는,
    상기 THD, 상기 단위 시간당 THD의 변화량 및 스택 전류 변화량을 입력으로 하여 뉴로 네트워크 학습과정을 수행하고,
    상기 학습과정에서 Training, Validation 및 Testing을 거쳐 정상 또는 비정상의 진단 결과를 출력하는 연료전지 스택의 상태 진단 방법.
KR1020140102283A 2014-08-08 2014-08-08 연료전지 스택의 상태 진단 장치 및 그 방법 KR101607759B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140102283A KR101607759B1 (ko) 2014-08-08 2014-08-08 연료전지 스택의 상태 진단 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140102283A KR101607759B1 (ko) 2014-08-08 2014-08-08 연료전지 스택의 상태 진단 장치 및 그 방법

Publications (2)

Publication Number Publication Date
KR20160018972A KR20160018972A (ko) 2016-02-18
KR101607759B1 true KR101607759B1 (ko) 2016-03-31

Family

ID=55457914

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140102283A KR101607759B1 (ko) 2014-08-08 2014-08-08 연료전지 스택의 상태 진단 장치 및 그 방법

Country Status (1)

Country Link
KR (1) KR101607759B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102436675B1 (ko) * 2021-06-28 2022-08-26 주식회사 테크코드 배터리 건전성 예측 시스템 및 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101090705B1 (ko) 2010-11-25 2011-12-08 강남대학교 산학협력단 연료전지 스택의 상태 진단 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101090705B1 (ko) 2010-11-25 2011-12-08 강남대학교 산학협력단 연료전지 스택의 상태 진단 방법

Also Published As

Publication number Publication date
KR20160018972A (ko) 2016-02-18

Similar Documents

Publication Publication Date Title
Lu et al. On-line fault diagnosis for proton exchange membrane fuel cells based on a fast electrochemical impedance spectroscopy measurement
CN109726452B (zh) 一种基于阻抗谱的在线质子交换膜燃料电池故障诊断方法
KR101090705B1 (ko) 연료전지 스택의 상태 진단 방법
Cadet et al. Diagnostic tools for PEMFCs: from conception to implementation
Debenjak et al. Fuel cell condition monitoring system based on interconnected DC–DC converter and voltage monitor
Becherif et al. Determination of the health state of fuel cell vehicle for a clean transportation
KR101610118B1 (ko) 연료전지의 임피던스 측정방법, 측정장치, 및 측정시스템
Jeppesen et al. An EIS alternative for impedance measurement of a high temperature PEM fuel cell stack based on current pulse injection
CA2592666A1 (en) Fuel cell diagnostic apparatus and diagnostic method
Van Haeverbeke et al. Equivalent electrical circuits and their use across electrochemical impedance spectroscopy application domains
Ferrero et al. Low-cost battery monitoring by converter-based electrochemical impedance spectroscopy
CN114325403A (zh) 基于电化学阻抗谱测试的锂离子电池寿命检测方法和系统
DE102015225168B4 (de) Vorrichtung und Verfahren zum Messen der Impedanz zur Diagnose einer Brennstoffzelle
Pahon et al. Signal-based diagnostic approach to enhance fuel cell durability
CN115248382A (zh) 一种质子交换膜燃料电池控制方法
Zhou et al. Fault diagnosis of PEMFC based on the AC voltage response and 1D convolutional neural network
KR101607759B1 (ko) 연료전지 스택의 상태 진단 장치 및 그 방법
Lyu et al. A fast time domain measuring technique of electrochemical impedance spectroscopy based on fft
Wang et al. Cyclic aging monitoring of lithium-ion battery based on acoustic emission
Stepančič et al. Fault detection of fuel cell systems based on statistical assessment of impedance data
Boškoski et al. Optimal selection of proton exchange membrane fuel cell condition monitoring thresholds
Denisov et al. Spectral method for PEMFC operation mode monitoring based on electrical fluctuation analysis
CN111007404B (zh) 一种基于关键频率点的燃料电池阻抗测量分析系统及方法
KR101511866B1 (ko) 연료전지 스택의 고장 진단 방법 및 이를 실행하는 장치
WO2023115984A1 (zh) 一种燃料电池实时检测方法、系统、计算机以及车辆

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant