CN108134114B - 一种质子交换膜燃料电池温度控制方法 - Google Patents

Abstract

本发明公开了一种质子交换膜燃料电池温度控制方法，将PID控制器作为一般的反馈控制器来稳定燃料电池堆的温度，达到初步的控制效果，然后根据灰色模型的超前预测功能得到燃料电池***温度的变化趋势，模糊控制器利用获得预测信息来补偿***的不确定性和外界干扰，进一步提高***控制的精度。前馈补偿控制和反馈控制共同作用，实现对质子交换膜燃料电池温度的精确控制。

Description

一种质子交换膜燃料电池温度控制方法

技术领域

本发明属于质子交换膜燃料电池技术领域，更为具体地讲，涉及一种质子交换膜燃料电池温度控制方法。

背景技术

质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell,PEMFC)是直接将氢能转换成电能的装置，具有比能量高、工作温度低、启动速度等优点，被认为是一种非常有吸引力的发电装置。

尽管燃料电池应用前景广阔，但其全面普及还受到一些客观原因的制约，例如控制技术还不是十分成熟，尤其是在温度控制上。PEMFC工作时内部的电化学反应过程，直接反映为电堆温度和温度分布的变化上。一旦温度控制效果不理想，过高或过低的工作温度都容易造成PEMFC发电效率的明显下降，更严重的是对质子交换膜造成不可逆的损坏。此外，还需要将燃料电池堆出入口的温度差控制控制在设定范围内，否则电池堆内较大的热应力会加速质子交换膜的老化，缩短燃料电池的使用寿命。因此，质子交换膜燃料电池温度控制包括电堆工作温度的控制和电堆出入口温差的控制。

国内外学者对质子交换膜燃料电池的温度控制方法展开了一系列探讨，通常是根据燃料电池的实时温度与设定温度之间的误差，采用PID控制、模型预测控制、LQR反馈控制、模糊控制等方法来调节燃料电池冷却***的散热量，从而使燃料电池的温度保持在设定值附近。质子交换膜燃料电池是一个非线性、强耦合、大时延的复杂动态***，上述控制方法可以实现燃料电池温度的控制，但无法获得较优的控制效果。PID、LQR反馈控制对模型的精度要求高且无法解决时延问题；模糊控制是基于专家经验的控制，可以克服模型不确定性问题，但无法解决燃料电池的热时延问题；模型预测控制可以预测未来的偏差值解决温度控制的时延，但是当***受到不确定干扰时会存在模型失配问题。总的来说，目前这些温度控制方法是根据燃料电池的某一特性所设计的，由于考虑不全面，必然导致燃料电池温度控制效果不佳。

因此，考虑燃料电池***的非线性、时延性和不确定性，本发明提出一种灰色预测模糊控制方法，即将灰色预测模型与模糊控制器结合作为前馈控制器，再加上PID反馈控制器，从而实现对燃料电池温度的控制。在前馈控制器中，模糊控制器利于灰色预测模型的预测结果对***进行提前补偿控制，可以解决不确定扰动对***的影响，具有一定的鲁棒性和快速响应性。而PID反馈控制器可以修正***误差，进一步提高燃料电池温度控制的精度。因此，本发明提出的灰色预测模糊控制方法对燃料电池的温度控制研究具有一定的理论意义和实用价值。

发明内容

本发明的目的在于克服现有技术的不足，提供一种质子交换膜燃料电池温度控制方法，把灰色预测模型与模糊控制结合作为前馈控制器，结合PID反馈控制器，实现对燃料电池堆工作温度的控制和电池堆出入口温差的控制，提高了***的抗扰动能力、自适应能力和控制精度。

为实现上述发明目的，本发明一种质子交换膜燃料电池温度控制方法，其特征在于，包括以下步骤：

(1)、确定模糊控制器模型

模糊控制器由PD型模糊控制器和PI型模糊控制器组成，其模型表达式为：

u_fuzzy＝αu_PD-fuzzy+βu_PI-fuzzy，

其中，u_fuzzy为模糊控制器的控制量，u_PD-fuzzy为PD型模糊控制器的输出，u_PI-fuzzy为PI型模糊控制器的输出，α和β分别为PD型和PI型模糊控制器的权重系数；

(2)、建立的灰色预测模型GM(1,1)

其中，p为预测步长，a、b分别为发展系数和灰色作用量，k表示时间序列，y⁽⁰⁾表示原始温度数据序列，y⁽⁰⁾(1)表示原始温度数据序列中的第一个数据，

表示预测温度数据序列，

表示为(k+p)时刻的预测温度值；

(3)、建立PID控制器

其中，K_p为比例系数，K_I为积分系数，K_D为微分系数，e表示燃料电池实时温度y_out与设定温度值r的差值，t表示时间；

(4)、给定模糊控制器、灰色预测模型GM(1,1)以及PID控制器各参数的初值；同时确定灰色预测模型中的建模维数n，即原始数据序列y⁽⁰⁾中的数据个数和预测步长p；确定PID控制器的比例系数K_p，积分系数K_I，微分系数K_D；

(5)、在燃料电池***实际运行工作中，通过传感器实时采集电池堆的实时温度数据y_out，然后对这些温度数据进行采样，将前n个采样时刻得到的温度数据构成了灰色预测模型GM(1,1)的原始温度数据序列y⁽⁰⁾＝{y⁽⁰⁾(1),y⁽⁰⁾(2),...,y⁽⁰⁾(n)}，并利用原始温度数据序列建立的GM(1,1)预测模型，得到燃料电池的预测温度值

(6)、用灰色预测模型GM(1,1)实时预测燃料电池***的未来温度，将得到的预测温度

和设定的工作温度值r比较，得到燃料电池温度的预测误差

和预测误差变化量

将燃料电池实时温度y_out与设定温度值r比较，得到燃料电池温度的实时误差e和实时误差变化量

(7)、将燃料电池温度的预测误差

和预测误差变化量

作为模糊控制器的输入，得到模糊控制器的控制量u_fuzzy；将燃料电池温度的实时误差e和实时误差变化量

作为PID控制器的输入，得到***的反馈控制量u_pid；

(8)、将控制量u_fuzzy和反馈控制量u_pid加权求和，得到***的控制量u_out，再将u_out作用于质子交换膜燃料电池***中的散热执行器，通过改变u_out的值来调整散热执行器的工作状态，从而实现对燃料电池温度的控制。

本发明的发明目的是这样实现的：

本发明一种质子交换膜燃料电池温度控制方法，将PID控制器作为一般的反馈控制器来稳定燃料电池堆的温度，达到初步的控制效果，然后根据灰色模型的超前预测功能得到燃料电池***温度的变化趋势，模糊控制器利用获得预测信息来补偿***的不确定性和外界干扰，进一步提高***控制的精度。前馈补偿控制和反馈控制共同作用，实现对质子交换膜燃料电池温度的精确控制。

同时，本发明一种质子交换膜燃料电池温度控制方法还具有以下有益效果：

(1)、利用了模糊控制、灰色预测和传统PID控制三者的优点，采用混合控制的方式提高了***的控制性能，其中，PID控制算法简单，可靠性高；模糊控制不依赖控制对象模型，具有很强的适应性和鲁棒性；灰色预测控制通过预测燃料电池温度的未来变化趋势，便于提前进行决策、控制。

(2)、采用灰色预测控制与模糊控制结合的方式，利用灰色模型的预测信息和模糊控制的鲁棒性，可以提高燃料电池***的抗扰动能力和自适应能力，获得响应快、超调小的效果；

(3)、PID控制器可以弥补模糊控制稳态精度不高的问题，能够提高模糊控制器的稳态性能，进一步减小超调量。

附图说明

图1是本发明一种质子交换膜燃料电池温度控制方法原理图；

图2为质子交换膜燃料电池热管理***结构框图；

图3为新陈代谢GM(1,1)预测模型的结构图；

图4为模糊控制器的结构图；

图5为模糊控制器输入量的隶属度函数示意图；

图6为模糊控制器输出量的隶属度函数示意图；

图7为本发明实施例质子交换膜燃料电池运行过程中受到的外界扰动，(a)电流扰动，(b)环境温度扰动；

图8为本发明实施例质子交换膜燃料电池运行过程中燃料电池堆温度的预测值和实际值；

图9为本发明实施例质子交换膜燃料电池运行过程中燃料电池堆温差的预测值和实际值；

图10为本发明实施例质子交换膜燃料电池运行过程中燃料电池堆温度控制效果对比图；

图11为本发明实施例质子交换膜燃料电池运行过程中燃料电池堆温差控制效果对比图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明一种质子交换膜燃料电池温度控制方法原理图。

在本实施例中，如图1所示，一种质子交换膜燃料电池温度控制方法的***结构主要包括：一、灰色预测模型GM(1,1)；二、模糊控制器；三、PID控制器。将灰色预测模块和模糊控制相结合作为前馈控制器，用于补偿燃料电池的热时延并处理参数不确定性、外界扰动等问题，PID反馈控制器作为反馈控制器，可以提高控制的稳态性能，利用这三类控制器的优点，有效提高了***的抗扰动能力、自适应能力和控制精度。

具体的讲，质子交换膜燃料电池热管理***如图2所示，水泵驱动冷却水循环，将电化学反应产生的大量热从燃料电池堆内带到散热器处，然后利用风扇强制空气对流，以提高***的散热能力。因此，通过温差控制器控制冷却水泵电压，进而调节冷却液流速使燃料电池堆出入口温度差稳定在设定值(在本实例中，燃料电池温度差设定值为6K)。由于冷却液流速对电池堆温度的影响是有限的，所以通过温度控制器调节风扇电压，进而控制散热量使燃料电池堆温度稳定在设定值(在本实例中，燃料电池堆温度设定值为340K)。其中，T_st和T_st,in分别表示燃料电池堆温度和电池堆入口的冷却水温度；ΔT_st,ref和T_st,ref分别表示电池堆温差设定值和温度设定值；W_air和W_cl分别表示风扇散热量和冷却水流速。在图2中，温度控制器和温差控制器均采用图1中的温度控制方法，即本发明一种质子交换膜燃料电池温度控制方法。

下面我们结合图1、2对本发明一种质子交换膜燃料电池温度控制方法进行详细说明，具体包括以下步骤：

S1、确定燃料电池温度模糊控制器模型

用于前馈控制的质子交换膜燃料电池温度模糊控制器由PD型模糊控制器和PI型模糊控制器组成，其模型表达式为：u_fuzzy＝αu_PD-fuzzy+βu_PI-fuzzy，

其中，u_fuzzy为模糊控制器的控制量，即燃料电池散热执行器(散热风扇或水泵)的电压调节值，u_PD-fuzzy为PD型模糊控制器的输出，u_PI-fuzzy为PI型模糊控制器的输出，α和β分别为PD型和PI型模糊控制器的权重系数；

下面我们对模糊控制器的设计步骤进行具体描述，具体为：

S1.1、确定模糊控制器的输入与输出

确定模糊控制器的两个输入量：燃料电池温度(工作温度或电池堆温差)的预测误差

和燃料电池温度预测误差变化量

输出量：质子交换膜燃料电池***中的散热执行器(散热风扇或水泵)的电压调节值；

模糊控制实质上是一种非线性控制，它采用人类语言信息，模拟人类思维进行控制决策，所以该方法从属于智能控制的范畴。在改善控制特性时，只需要改变控制规则、隶属度函数、推理方法及决策方法就可以修正，所以它易于理解，设计简单，维护方便。本实施例中，模糊控制器作为***的前馈控制器，是着眼与***未来行为的预控制，是提前控制，可以补偿***的不确定性和外界干扰，具有响应快、超调小的效果。本发明中所设计的模糊控制器如图4所示。

S1.2、对模糊控制器的输入量和输出量模糊化

输入量1：燃料电池温度(工作温度或电池堆温差)的预测误差

取其语言变量为E，其其模糊论域划分为7个等级[-6,-4,-2,0,2,4,6],其模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，分别表示预测误差的范围为{负大，负中，负小，零，正小，正中，正大}；

输入量2：燃料电池温度(工作温度或电池堆温差)的预测误差变化量

取其语言变量为EC，模糊论域划分为7个等级[-6,-4,-2,0,2,4,6]，其模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，分别表示预测误差变化量的范围为{负大，负中，负小，零，正小，正中，正大}；

输出量：燃料电池***中散热器(散热风扇或水泵)的电压调节值u，取其语言变量为U，模糊论域划分为7个等级[-3,-2,-1,0,1,2,3]，其模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，分别表示预测误差变化量的范围为{极小，很小，偏小，适中，偏大，很大，极大}；

本实施例中，输入量和输出量中NM,NS,ZO,PS,PM的隶属度函数均采用三角形型隶属函数，该隶属函数的形式和分布由三个参数表示(a,b,c)，如下所示：

输入量和输出量中NB的隶属度函数采用Z型隶属度函数，其具体形式如下所示：

输入量和输出量中PB的隶属度函数采用S型隶属度函数，其具体形式如下所示：

输入量的隶属度函数如图5所示，输出量的隶属度函数如图6所示。x表示模糊化后的输入或输出值，μ(x)表示对应的隶属度。

S1.3、设计模糊控制器的控制规则并进行模糊推理

模糊规则是基于燃料电池***调试经验总结得到,采用“IF-THEN”的语言形式表述，一共由49条模糊规则构成了模糊控制器的控制规则表，如表1所示，且模糊推理采用Mamdani推理法；

本实施例中，对于二维控制器，控制规则可以表示为：

R₁：if E＝NB and EC＝NB,then U＝PB；

R₂：if E＝NB and EC＝NM,then U＝PB；

…………

R₄₉：if E＝PB and EC＝PM,then U＝NB；

则描述整个***的控制规则总的模糊关系R为：

R＝R₁∪R₂∪...∪R₄₉

表1

S1.4、由模糊推理得到的模糊输出值是输出论域上的模糊子集，只有将其转化为精确控制量，才能施加于对象，这个过程就叫做去模糊化。本发明中采用重心法对所设计的模糊控制器去模糊化，即把图6中模糊隶属函数与横坐标围成面积的重心作为模糊推理最终输出值，得到了PD型模糊控制器的输出值u_PD-fuzzy；即：

S1.5、确定模糊控制器的实际输出

去模糊化后得到的模糊控制器输出，实际上是PD型模糊控制器的输出值，而非本发明中模糊控制器的输出值。考虑到PD型控制器具有很好的瞬态性能，但其不能消除静态误差，本发明对模糊控制器进行了改进，引入了PI型模糊控制器。结合PI型模糊控制器和PD型模糊控制器的优势，可以加快响应速度，减小***超调，且保证没有稳态误差。

具体讲，对PD型模糊控制器输出进行积分运算，得到PI型模糊控制器的输出值u_PI-fuzzy，再将PI型模糊控制器与PD型模糊控制器的输出值的加权和得到模糊控制器的实际输：u_fuzzy＝αu_PD-fuzzy+βu_PI-fuzzy，其中PD型模糊控制器的权重系数为α，PI型模糊控制器的权重系数为β。

S2、建立的灰色预测模型GM(1,1)

其中，p为预测步长，a、b分别为发展系数和灰色作用量，k表示时间序列，y⁽⁰⁾表示原始质子交换膜燃料电池温度(燃料电池堆工作温度或电池堆出入口温差)数据序列，y⁽⁰⁾(1)表示原始燃料电池温度(工作温度或电池堆温差)数据序列中的第一个数据，

表示预测的燃料电池温度(工作温度或电池堆温差)数据序列，

表示为(k+p)时刻的预测温度(工作温度或电池堆温差)值；

下面介绍灰色预测GM(1,1)的具体建模过程。

1、累加生成

设GM(1,1)模型的原始温度数据序列为y⁽⁰⁾＝{y⁽⁰⁾(1),y⁽⁰⁾(2),...,y⁽⁰⁾(n)}，其中n为建模维数。由于原始数据序列是一组信息不完全的灰色量，为了弱化原始时间序列的随机性，需要对y⁽⁰⁾进行一次累加生成操作，得到新的数据序列y⁽¹⁾为：

y⁽¹⁾＝{y⁽¹⁾(1),y⁽¹⁾(2),...,y⁽¹⁾(n)}

2、GM(1,1)模型建立

经过一次累加操作后，得到的新数据序列y⁽¹⁾呈现出指数增长规律，且满足灰微分方程：

y⁽⁰⁾(k)+az⁽¹⁾(k)＝b

白化微分方程，即为GM(1,1)模型：

该白化微分方程的解为：

式中，a称为发展系数，b表示灰色作用量。a反映了初始序列以及一次累加序列值的发展态势，灰色作用量b反映了数据之间的变化关系。k为时间序列。

3、GM(1,1)模型参数辨识

采用最小二乘法，对发展系数和灰色作用量进行参数辨识：

[a,b]^T＝(B^TB)^-1B^TY

Y＝[y⁽⁰⁾(2),y⁽⁰⁾(3),...,y⁽⁰⁾(n)]^T

4、预测值还原

由于GM(1,1)得到的是一次累加量，必须将GM模型所得数据

经过逆生成，即累减生成，才能得到原始数据序列的预测值

只要改变预测步长p的值，就可以实现p步的***。

通过对GM(1,1)建模可以发现，燃料电池温度的预测值与预测步长p和建模维数n相关，选取适当的灰色模型参数，才能比较准确的预测燃料电池未来温度的变化，提高预测的准确性和实时性。

本发明采用5个燃料电池温度采样数据进行预测(即n＝5),即将五个历史采样点的燃料电池温度数据y⁽⁰⁾(1),y⁽⁰⁾(2),y⁽⁰⁾(3),y⁽⁰⁾(4),y⁽⁰⁾(5)以序列的形式输入GM(1,1)预测模型，可以获得第5+p个采样点的燃料电池温度预测值

考虑到燃料电池的热时间常数为百秒级的，则用于燃料电池堆温度预测的GM(1,1)的预测采样间隔为1秒，预测步长p为10；用于电池堆温差预测的GM(1,1)的预测采样间隔为0.5秒，预测步长p为3。

因为在灰色***的发展过程中，随着时间的推移，将会不断地有一些随机扰动进入***，影响***的发展，所以为了提高预测精度，本发明采用滚动预测机制，以添加最新历史数据和剔除最旧历史数据方式更新用于预测的历史数据序列，即新陈代谢的方法。即，由已知原始数据序列y⁽⁰⁾＝{y⁽⁰⁾(1),y⁽⁰⁾(2),...,y⁽⁰⁾(n)}建立GM(1,1)模型并得到提前p个采样时刻的预测温度值

然后剔除原始数据序列中最早的数据信息y⁽⁰⁾(1)，将新采样的燃料电池温度数据补加到原始数据序列中更新数据序列y⁽⁰⁾′＝{y⁽⁰⁾(2),y⁽⁰⁾(3),...,y⁽⁰⁾(n+1)}，基于序列y⁽⁰⁾′再建立GM(1，1)模型预测下一个温度数据，然后再把新的采样数据补加到数列中，再去掉上一数列中最早的数据，这样新陈代谢，逐个预测，依次递补。新陈代谢GM(1,1)预测模型如图3。

S3、建立燃料电池温度的PID控制器

其中，K_p为比例系数，K_I为积分系数，K_D为微分系数，e表示燃料电池实时温度(工作温度或电池堆温差)y_out与燃料电池设定温度(工作温度或电池堆温差)值r的差值，t表示时间；

PID控制器作为常规的反馈控制来稳定***，达到初步的控制效果。虽然模糊控制器具有鲁棒性高、自适应能力强等特点，但存在稳态控制精度不高的问题。而PID控制算法简单，可靠性高，在本发明中可以用来提高模糊控制的稳态性能。

S4、给定模糊控制器、灰色预测模型GM(1,1)以及PID控制器各参数的初值；同时确定灰色预测模型中的建模维数n，即原始数据序列y⁽⁰⁾中的数据个数和预测步长p；确定PID控制器的比例系数K_p，积分系数K_I，微分系数K_D；

PID控制器中，比例系数K_P、积分系数K_I和微分系数K_D的取值对控制器的性能具有很大的影响，在本实施例中，采用Ziegler-Nichols整定方法来确定这三个参数的值。Ziegler-Nichols法是一种基于频域设计PID控制器的方法，是根据给定对象的瞬态响应特性来确定PID控制器的参数。具体的参数整定过程为，首先通过实验获得质子交换膜燃料电池开环***的单位阶跃响应曲线；接着根据获得曲线可以确定延时时间L、放大系数K和时间常数T；再根据Ziegler-Nichols法整定控制器参数，理论上可以得到控制器的比例度

积分时间T_i＝2.2L,微分时间τ＝0.5L,从而可以得到PID三个参数的理论值,即K_P＝δ、

和K_D＝K_Pτ。由于基于频域的设计方法在一定程度上回避了精确的***建模，所以得到的比例系数K_P、积分系数K_I和微分系数K_D的值不一定适合实际的燃料电池***，所以还需要根据燃料电池***的实际运行情况调整这三个参数的取值。

S5、在燃料电池***实际运行工作中，通过传感器实时采集电池堆的实时温度数据y_out，包括质子交换膜燃料电池工作温度和电池堆出入口温差数据。然后对这些温度数据进行采样，将前n个采样时刻得到的温度数据构成了灰色预测模型GM(1,1)的原始温度(工作温度或电池堆温差)数据序列y⁽⁰⁾＝{y⁽⁰⁾(1),y⁽⁰⁾(2),...,y⁽⁰⁾(n)}，并利用原始温度数据序列建立的GM(1,1)预测模型，得到燃料电池的预测温度值

S6、用灰色预测模型GM(1,1)实时预测燃料电池***的温度，包括燃料电池未来工作温度和电池堆出入口温差。将得到的预测温度

和设定燃料电池温度值r比较，得到燃料电池温度(工作温度或电池堆温差)的预测误差

和预测误差变化量

将燃料电池实时温度y_out与设定温度值r比较，得到燃料电池温度的实时误差e和实时误差变化量

S7、将燃料电池温度(工作温度或电池堆温差)的预测误差

和预测误差变化量

作为燃料电池温度模糊控制器的输入，得到模糊控制器的控制量u_fuzzy；将燃料电池温度(工作温度或电池堆温差)的实时误差e和实时误差变化量

作为PID控制器的输入，得到燃料电池***的反馈控制量u_pid；

(8)、将控制量u_fuzzy和反馈控制量u_pid加权求和，得到***的控制量u_out，再将u_out作用于质子交换膜燃料电池***中的散热执行器，通过改变u_out的值，即散热执行器的电压调节值，来调整散热执行器的工作状态，从而调节燃料电池***的散热量实现对燃料电池温度的控制。

本发明在模糊控制、灰色预测和传统PID控制的基础上提出新的燃料电池温度控制方法。将模糊控制和灰色预测控制结合起来作为***的前馈补偿控制器，克服了***不确定性和***热时延问题。该前馈控制器融合了模糊控制器的自适应、鲁棒性及灰色预测模型的预测时延、加速稳定的特性，可取得更好的补偿、控制效果。PID控制器可以提高模糊控制的稳态性能，同时作为***的反馈控制器，可有效的提高***的快速跟踪能力，大大降低***的超调。本发明的有益效果是，具有响应快、超调小的动态特性，提高了***的抗扰动能力和自适应能力，同时提高了***控制的精度。

实例

以质子交换膜燃料电池温度控制实例来对本发明进行进一步的说明。在质子交换膜燃料电池热管理***中，如图2，温度控制器和温差控制器均采用本发明提出的温度控制方法。在燃料电池运行的过程中，外界扰动都会燃料电池的温度造成影响，为了保证质子交换膜燃料电池的稳定运行，需要将燃料电池堆的温度控制340K,将电池堆出入口的温度差控制在6K。

下面是应用本发明控制方法对质子交换膜燃料电池进行温度控制的仿真结果。首先确定温度控制器和温差控制器中的仿真参数。

温度控制器：灰色预测模块GM(1,1)的数据采样时间为1秒，建模维度为n＝5，预测步长为p＝10；模糊控制器中，温度预测误差范围为[-6K,6K],误差变化率为[-0.15K,0.15K],输出电压范围为0-12V，α＝0.25，β＝0.04；PID控制器中，K_P＝1.45,K_I＝0.015,K_D＝0.01。

温差控制器：灰色预测模块GM(1,1)的数据采样时间为0.5秒，建模维度为n＝5，预测步长为p＝3；模糊控制器中，温差预测误差范围为[-6K,6K],误差变化率为[-0.12K,0.12K],输出电压范围为0-12V，α＝0.11，β＝0.02；PID控制器中，K_P＝0.48,K_I＝0.0145,K_D＝0.008。

以下仿真结果验证了该控制方法的优越性。

图7为本发明实施例质子交换膜燃料电池运行过程中受到的外界扰动，包括(a)电流扰动，(b)环境温度扰动。外界扰动会对电池堆温度造成影响，电流的增大会使燃料电池温度升高，反之温度降低。同时，环境温度的持续上升也会影响***的散热量，进而影响控制器的调节作用。通过增加外界扰动可以验证本发明的鲁棒性和自适应性。

图8为本发明实施例质子交换膜燃料电池运行过程中燃料电池堆温度的预测值和实际值，图9为燃料电池堆出入口冷却水温度差的预测值和实际值。对于灰色预测的精度常采用后验差比值和小误差概率来检验，若小误差概率大于95％且后验差比值小于0.35，表示该灰色预测模型精度高。在本发明设计的用于燃料电池温度预测的新陈代谢GM(1,1)模型中，后验差比值为0.0692，小误差概率为99.7％。而用于燃料电池堆温差预测的新陈代谢GM(1,1)模型中，后验差比值为0.0238，小误差概率为99.98％。计算结果表明，本发明设计的新陈代谢GM(1,1)模型用于燃料电池温度和温差的预测结果是有效的，精确的预测值保证了后序模糊控制器设计的有效性和可靠性。

图10和图11分别为本发明实施例质子交换膜燃料电池运行过程中燃料电池堆温度控制效果对比图和温差控制效果对比图。通过对本发明提出的温度控制方法和常规的PID反馈控制器进行对比发现，当燃料电池***受到外界扰动时，这两种控制方法都可以将燃料电池的温度及温差控制在设定值，但本发明方法相比于常规的反馈控制器调节时间缩短了约100秒。引进设定温度值与实际温度值的均方误差来定量描述控制效果，对于电堆温度控制来说，本发明的均方误差值为0.2492，而PID控制为0.3269；对于电堆温差控制来说，本发明的均方误差为0.2481，而PID控制为0.3289。显然，本发明可有效的提高***的快速跟踪性能，并大大降低***超调，具有良好的抗扰能力和鲁棒性，适合于质子交换膜燃料电池的温度控制。

综上所述，本发明一种质子交换膜燃料电池温度控制方法，结合模糊控制、灰色预测和PID控制这三者的优点进行混合控制，提高了***的性能。灰色预测环节补偿了***时滞，模糊控制提高了***的抗扰动能力和自适应能力，PID控制提高了***的稳定性能，同时反馈加前馈补偿的控制模式加快了***的动态响应，大大降低了***超调，有效提高了***的抗扰动能力、自适应能力和***控制的精度。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (5)

1.一种质子交换膜燃料电池温度控制方法，其特征在于，包括以下步骤：

(1)、确定燃料电池温度模糊控制器模型

模糊控制器由PD型模糊控制器和PI型模糊控制器组成，其模型表达式为：

u_fuzzy＝αu_PD-fuzzy+βu_PI-fuzzy，

其中，u_fuzzy为模糊控制器的控制量，u_PD-fuzzy为PD型模糊控制器的输出，u_PI-fuzzy为PI型模糊控制器的输出，α和β分别为PD型和PI型模糊控制器的权重系数；

(2)、建立燃料电池温度的灰色预测模型GM(1,1)

其中，p为预测步长，a、b分别为发展系数和灰色作用量，k表示时间序列，y⁽⁰⁾表示原始温度数据序列，y⁽⁰⁾(1)表示原始温度数据序列中的第一个数据，

表示预测温度数据序列，

表示为(k+p)时刻的预测温度值；

(3)、建立燃料电池温度的PID控制器

其中，u_pid表示燃料电池温度的PID控制器，K_p为比例系数，K_I为积分系数，K_D为微分系数，e表示燃料电池实时温度y_out与设定温度值r的差值，t表示时间；

(4)、给定模糊控制器、灰色预测模型GM(1,1)以及PID控制器各参数的初值；同时确定灰色预测模型中的建模维数n，即原始数据序列y⁽⁰⁾中的数据个数和预测步长p；确定PID控制器的比例系数K_p，积分系数K_I，微分系数K_D；

(5)、在燃料电池***实际运行工作中，通过传感器实时采集电池堆的实时温度数据y_out，然后对这些温度数据进行采样，将前n个采样时刻得到的温度数据构成了灰色预测模型GM(1,1)的原始温度数据序列y⁽⁰⁾＝{y⁽⁰⁾(1),y⁽⁰⁾(2),...,y⁽⁰⁾(n)}，并利用原始温度数据序列建立的GM(1,1)预测模型，得到燃料电池的预测温度值

(6)、用灰色预测模型GM(1,1)实时预测燃料电池***的未来温度，将得到的预测温度

和设定的工作温度值r比较，得到燃料电池温度的预测误差

和预测误差变化量

将燃料电池实时温度y_out与设定温度值r比较，得到燃料电池温度的实时误差e和实时误差变化量

(7)、将燃料电池温度的预测误差

和预测误差变化量

作为模糊控制器的输入，得到模糊控制器的控制量u_fuzzy；将燃料电池温度的实时误差e和实时误差变化量

作为PID控制器的输入，得到***的反馈控制量u_pid；

(8)、将控制量u_fuzzy和反馈控制量u_pid加权求和，得到***的控制量u_out，再将u_out作用于质子交换膜燃料电池***中的散热执行器，通过改变u_out的值来调整散热执行器的工作状态，从而实现对燃料电池温度的控制。

2.根据权利要求1所述的一种质子交换膜燃料电池温度控制方法，其特征在于，所述模糊控制器的设计步骤为：

(2.1)、确定模糊控制器的输入与输出

确定模糊控制器的两个输入量：燃料电池温度的预测误差

和燃料电池温度预测误差变化量

输出量：质子交换膜燃料电池***中的散热执行器的电压值；

(2.2)、对模糊控制器的输入量和输出量模糊化

输入量1：燃料电池温度的预测误差

取其语言变量为E，其模糊论域为[-6,6]，其模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，分别表示预测误差的范围为{负大，负中，负小，零，正小，正中，正大}；

输入量2：燃料电池温度的预测误差变化量

取其语言变量为EC，模糊论域为[-6,6]，其模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，分别表示预测误差变化量的范围为{负大，负中，负小，零，正小，正中，正大}；

输出量：燃料电池***中散热器的电压值u，取其语言变量为U，模糊论域为[-3,3]，其模糊子集为{NB,NM,NS,ZO,PS,PM,PB}，分别表示预测误差变化量的范围为{极小，很小，偏小，适中，偏大，很大，极大}；

对于模糊控制器的输入和输出，NM,NS,ZO,PS,PM的隶属度函数均采用三角形型隶属函数，NB的隶属度函数采用Z型隶属度函数，PB的隶属度函数采用S型隶属度函数；

(2.3)、设计模糊控制器的控制规则并进行模糊推理

模糊规则采用“IF-THEN”的语言形式表述，一共由49条模糊规则构成了模糊控制器的控制规则表，且模糊推理采用Mamdani推理法；

(2.4)、采用重心法对所设计的模糊控制器去模糊化，得到了PD型模糊控制器的输出值u_PD-fuzzy；

(2.5)、确定模糊控制器的实际输出

对PD型模糊控制器输出进行积分运算，得到PI型模糊控制器的输出值u_PI-fuzzy，再将PI型模糊控制器与PD型模糊控制器的输出值的加权和得到模糊控制器的实际输出：u_fuzzy＝αu_PD-fuzzy+βu_PI-fuzzy，其中PD型模糊控制器的权重系数为α，PI型模糊控制器的权重系数为β。

3.根据权利要求1所述一种质子交换膜燃料电池温度控制方法，其特征在于，所述灰色预测模型GM(1,1)的设计步骤为：

(3.1)、利用采样得到的燃料电池***运行的原始温度数据y⁽⁰⁾＝{y⁽⁰⁾(1),y⁽⁰⁾(2),...,y⁽⁰⁾(n)}建立灰色预测模型GM(1，1)，并得到燃料电池***前p个采样时刻的预测温度值

(3.2)、剔除原始温度数据序列中最早的数据信息y⁽⁰⁾(1)，将新采集到的燃料电池温度数据y⁽⁰⁾(n+1)补加到原始数据序列中得到更新的原始温度数据序列y^(0)′＝{y⁽⁰⁾(2),y⁽⁰⁾(3),...,y⁽⁰⁾(n+1)}，基于序列y^(0)′再建立GM(1，1)模型预测下一个温度数据

然后把新采集到的燃料电池温度数据补加到数列中，再去掉上一数列中最早的数据，这样新陈代谢，逐个预测，依次递补。

4.根据权利要求1所述一种质子交换膜燃料电池温度控制方法，其特征在于，所述的灰色预测模型和模糊控制器一起作为前馈控制器，所述的PID控制器作为反馈控制器。

5.根据权利要求1所述一种质子交换膜燃料电池温度控制方法，其特征在于，所述的质子交换膜燃料电池温度指的是燃料电池堆工作温度或电池堆出入口温差。

Images