CN110706752B - 一种固体氧化物燃料电池***多模态分析模型建模方法 - Google Patents

一种固体氧化物燃料电池***多模态分析模型建模方法 Download PDF

Info

Publication number
CN110706752B
CN110706752B CN201910853225.4A CN201910853225A CN110706752B CN 110706752 B CN110706752 B CN 110706752B CN 201910853225 A CN201910853225 A CN 201910853225A CN 110706752 B CN110706752 B CN 110706752B
Authority
CN
China
Prior art keywords
fault
model
solid oxide
fuel cell
oxide fuel
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.)
Active
Application number
CN201910853225.4A
Other languages
English (en)
Other versions
CN110706752A (zh
Inventor
蒋建华
成天亮
权学良
吴小东
秦宏川
徐豪
吴平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201910853225.4A priority Critical patent/CN110706752B/zh
Publication of CN110706752A publication Critical patent/CN110706752A/zh
Application granted granted Critical
Publication of CN110706752B publication Critical patent/CN110706752B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes
    • 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
    • H01M8/04305—Modeling, demonstration models of fuel cells, e.g. for training purposes
    • 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

  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Electrochemistry (AREA)
  • Manufacturing & Machinery (AREA)
  • Analytical Chemistry (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Fuel Cell (AREA)

Abstract

本发明公开了一种固体氧化物燃料电池***多模态分析模型建模方法，属于固体氧化物燃料电池技术领域。本发明依据固体氧化物燃料电池***工作机理搭建出***初始状态机理模型；再分析固体氧化物燃料电池***性能衰减与故障演变机制，通过机理分析辨识与物理等效方法搭建出固体氧化物燃料电池***性能衰减模型与故障演变机制模型；之后将性能衰减模型与故障演变机制模型嵌入固体氧化物燃料电池***初始状态机理模型构建固体氧化物燃料电池***多模态分析模型；最后将固体氧化物燃料电池***的实验数据导入到所述多模态分析模型中来辨识所述多模态分析模型参数。本发明解决了固体氧化物燃料电池***多模态建模问题，适用于科学研究和实际工程应用。

Description

一种固体氧化物燃料电池***多模态分析模型建模方法
技术领域
本发明属于固体氧化物燃料电池技术领域，更具体地，涉及一种固体氧化物燃料电池***多模态分析模型建模方法。
背景技术
固体氧化物燃料电池(Solid Oxide Fuel Cell，SOFC)是一种在中高温下直接将储存在燃料和氧化剂中的化学能高效、环境友好地转化成电能的全固态化学发电装置，它高效、无污染、无机械振动和对多种碳氢燃料气体具有广泛适应性等特点，使之成为21世纪最具吸引力的绿色发电方式之一。
SOFC可用于民用固定电站、空降宇航、热电回用、交通和其他许多领域，其研究与开发在80年代以后得到蓬勃发展。一些发达国家如美国、德国、日本等均投入大量人力物力致力于SOFC***发电的研究与开发，最终目标是实现SOFC的商业化。SOFC国际上一些具有代表性的科研机构与公司的SOFC技术水平都日趋完善，也有能够连续运行数万小时而不衰减的成功记录，但是这些数据都是在试验台的恒温条件下获得的，当其成为***走向实际工程应用时因运行环境条件恶劣，SOFC可能出现多种性能衰减与故障机制，使得***的性能无法与试验台获得的相提并论。
从长远来看，只有从***的角度对每一种可能发生的性能衰减与故障情形都进行针对性的展开机制分析，搭建出带有性能衰减与故障演变机制的SOFC***多模态分析模型，才能够在***实际运行中及时辨识、预测和处理相应的衰减与故障事件，进而有效提高SOFC***的长期运行寿命以及降低***维护成本。
此外，由于目前重点关注的SOFC***性能与故障演变机制存在较大的独立性，即各种机制之间是并行逻辑，当前还没有建立耦合关系或是因果关系，但随着相关研究的不断深入，不同性能衰减与故障演变机制之间的关系会逐渐变得清晰。因此，在进行SOFC***建模时采用多模态建模的方法，利用Stateflow的事件触发逻辑实现***模型不同故障状态之间的切换，这样既便于不同故障机制的扩充与删改，同时也为未来更加复杂的衰减故障演变机制留下条件转移的空间。但目前在带有性能衰减与故障演变机制的SOFC***多模态分析模型的建模与分析领域的研究尚属空白。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种固体氧化物燃料电池***多模态分析模型建模方法，其目的在于基于Matlab/Stateflow平台，搭建固体氧化物燃料电池***的初始状态机理模型，并在此基础上，建立基于性能衰减与故障演变机制的子模型，将其嵌入到初始状态机理模型中，通过仿真分析与实验数据进行对比，验证该模型的准确性，解决了带有性能衰减与故障演变机制的固体氧化物燃料电池***多模态建模问题，适用于科学研究和实际的工程应用。
为实现上述目的，本发明提供了一种固体氧化物燃料电池***多模态分析模型建模方法，所述方法包括以下步骤：
(1)依据固体氧化物燃料电池***工作机理搭建出***初始状态机理模型；
(2)分析固体氧化物燃料电池***性能衰减与故障演变机制，通过机理分析辨识与物理等效方法搭建出固体氧化物燃料电池***性能衰减模型与故障演变机制模型；
(3)将性能衰减模型与故障演变机制模型嵌入固体氧化物燃料电池***初始状态机理模型构建固体氧化物燃料电池***多模态分析模型；
(4)将固体氧化物燃料电池***的实验数据导入到所述多模态分析模型中来辨识所述多模态分析模型参数。
进一步地，其特征在于，所述***初始状态机理模型的搭建具体为在MATLAB平台上依据固体氧化物燃料电池***的各部件的工作机理搭建各部件子模型，集成各部件子模型获得***初始状态机理模型；所述各部件包括电堆、重整器、换热器、燃烧室和风机；所有的子部件子模型根据质量守恒、物料守恒以及能量守恒定律进行搭建。
进一步地，其特征在于，所述固体氧化物燃料电池***性能衰减模型包括电堆性能衰减机制建模和重整器性能衰减机制建模两个部分；其中，电堆性能衰减机制包括电堆阳极镍氧化、阴极连接体氧化、由热应力引起的物理形变和由阳极镍粗结、阴极粒子粗结/扩散引起的微观结构变化。
进一步地，其特征在于，所述固体氧化物燃料电池***故障演变机制模型分为电堆故障演变机制建模和***辅助设备故障演变机制建模；其中，电堆故障演变机制包括电堆阳极入口漏气和电池破裂；***辅助设备故障演变机制包括重整器积碳、换热器烟气入口漏气、燃烧室漏气和风机机械效率下降。
进一步地，其特征在于，所述电堆性能衰减机制建模中阴极连接体氧化衰减机制建模的模型公式为：
Ud(t)＝0.001×exp[(5.531×10-8Ts-5.274×10-5)t]
其中，Ud(t)为t时刻电堆电池片电压，exp为指数函数，Ts为电堆平均温度，单位为K。
进一步地，其特征在于，所述重整器性能衰减机制建模的模型公式为：
r(t)＝r0(t)(1-rdrt)
其中，r(t)是重整器t时刻的反应速率；r0(t)是与t时刻相同输入下原始状态的反应速率；rdr是重整器性能衰减速率；单位为％/kh，每千小时百分之。
进一步地，其特征在于，所述电堆故障演变机制建模中电堆阳极入口漏气模型公式为：
fanode,fault＝(1-αanode,fault)fanode,0
其中，fanode,fault和fanode,0分别表示故障状态和正常状态下电堆阳极入口燃料流量，αanode,fault代表漏出燃料流量占燃料总流量的百分比；
所述电堆故障演变机制建模中电池破裂模型公式为：
ENernst,fault＝(1-αNernst,fault)ENernst,0
其中，ENerns,t fau与ENernst,0分别是故障状态和正常状态下电池电动势，αNernst,fault是电池破裂面积占电池总面积的百分比。
进一步地，其特征在于，所述***辅助设备故障演变机制建模中重整器积碳的模型公式为：
rcf,fault＝(1-αcf,fault)rcf,0
其中，rcf,fault和rcf,0分别是故障状态和正常状态下重整器的反应速率，αcf,fault表示积碳覆盖活性催化面积占活性催化总面积的百分比；
***辅助设备故障演变机制建模中换热器烟气入口漏气的模型公式为：
fhex,fault＝(1-αhex,fault)fhex,0
其中fhex,fault和fhex,0分别表示故障状态和正常状态下换热器烟气入口的燃烧室尾气流量，αhex,fault表示漏出换热器烟气入口的燃烧室尾气流量占通向换热器烟气入口的燃烧室尾气总流量的百分比；
***辅助设备故障演变机制建模中燃烧室漏气的模型公式为：
fburner,fault＝(1-αburner,fault)fburner,0
其中fburner,fault和fburner,0分别是故障状态和正常状态下燃烧室出口尾气流量，αburner,fault表示漏出燃烧室的尾气流量占燃烧室尾气总流量的百分比；
***辅助设备故障演变机制建模中风机效率下降的模型公式为：
ηblower,fault＝(1-αblower,fault)ηblower,0
其中ηblower,fault和ηblower,0分别是故障状态与正常状态下风机机械效率，αblower,fault表示风机机械效率下降部分与初始风机机械效率的比值。
进一步地，其特征在于，所述方法还包括搭建出Stateflow模块，用以整合固体氧化物燃料电池***性能衰减与故障演变逻辑，故障触发的条件由Stateflow事件触发逻辑来实现，通过预设的阶跃信号触发故障，相应的故障参数会传递到故障点处，形成新的***运行状态；不同的故障之间采用并行结构。
进一步地，其特征在于，所述步骤(4)具体为：
在固体氧化物燃料电池***多模态分析模型导入实验数据后，首先调试温度参数，使电堆平均温度和燃烧室温度的仿真结果与实验数据的误差不大于预设值，然后调节电特性衰减参数减小电池电压平均误差，当电堆平均温度、燃烧室温度与电池平均电压的误差均在预设范围内时，此时所述参数即为多模态分析模型参数辨识的结果。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
(1)本发明方法与现有技术相比，由于考虑了SOFC***实际运行中性能衰减与故障演变机制的影响，建立相应的性能衰减与故障演变的子模型，并将其加入***初始状态机理模型中，使得在SOFC***长期运行中及时预测、辨识、处理有关衰减与故障事件成为可能，进而有效提高SOFC***的长期使用寿命并且降低***维护成本；
(2)本发明方法所搭建的SOFC***多模态分析模型与现有模型相比，由于考虑了电堆在长期运行过程中所发生的阴极连接体氧化等性能衰减机制，并针对其建立了相应的衰减机制模型，该方法使得所搭建的SOFC***分析模型运行机理与***实际运行状况更加相似，使得模型的仿真结果与实验结果的误差大大减小，从而提高了SOFC***分析模型的准确性，并对研究SOFC***电堆性能衰减机制对整个***长期运行产生的影响提供了巨大的帮助；
(3)本发明方法所搭建的SOFC***多模态分析模型与现有模型相比，由于考虑了以重整器为主的SOFC******辅助设备的性能衰减机制，并针对其建立了相应的衰减机制模型，该方法使得所搭建的SOFC***模型的运行机理与***实际运行状况更加接近，使得模型的仿真结果与实验结果的误差进一步减小，从而提高了SOFC***模型的准确性与可靠性，并对进一步研究***辅助设备的性能衰减机制对整个***的工作状况的影响奠定了基础；
(4)本发明方法所搭建的SOFC***多模态分析模型与现有模型相比，由于考虑了以电堆阳极入口漏气和电池破裂为主的电堆故障机制，并针对其建立了相应的故障机制模型，该方法使得模拟SOFC***实际运行时电堆可能发生的故障机制得以实现，其对于进一步研究电堆产生故障后***的运行状态提供了巨大的帮助；
(5)本发明方法所搭建的SOFC***多模态分析模型与现有模型相比，由于考虑了重整器积碳、换热器烟气入口漏气、燃烧室漏气以及风机机械效率下降等SOFC******辅助设备的故障机制，并针对其建立了相应的故障机制模型，该方法使得模拟SOFC***在实际运行时***辅助设备可能发生的故障机制得以实现，其对于进一步研究***辅助设备产生故障对***整体运行状态的影响提供了巨大的帮助。
附图说明
图1是本发明方法的流程示意图；
图2是水蒸气外重整SOFC***结构图；
图3是本发明一个优选实现方法的水蒸气外重整SOFC具体结构图；
图4是SOFC***电池平均电压的模型仿真结果与实验结果的验证图；
图5是SOFC***电堆平均温度的模型仿真结果与实验结果的验证图；
图6是SOFC***燃烧室温度的模型仿真结果与实验结果的验证图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种基于性能衰减与故障演变机制的固体氧化物燃料电池***多模态分析模型建模方法，如图1所示，具体包括以下步骤：
(1)依据固体氧化物燃料电池***工作机理搭建出***初始状态机理模型；
(2)分析固体氧化物燃料电池***性能衰减与故障演变机制，通过机理分析辨识与物理等效方法搭建出固体氧化物燃料电池***性能衰减模型与故障演变机制模型；
(3)将性能衰减模型与故障演变机制模型嵌入固体氧化物燃料电池***初始状态机理模型构建固体氧化物燃料电池***多模态分析模型；
(4)将固体氧化物燃料电池***的实验数据导入到所述多模态分析模型中来辨识所述多模态分析模型参数。
图2是一种典型的水蒸气外重整固体氧化物燃料电池独立发电***的结构图，它是一种典型的固体氧化物燃料电池***，其中：
水蒸气外重整SOFC主要由SOFC电堆、重整器(具有换热功能)、空气换热器、燃烧室、风机和功率变换器等部件组成。在燃料侧，去离子水经过换热蒸发后与预热后的甲烷混合进入重整器中，发生重整反应(SR)和水气位移反应(WGS)；
SR:CH4+H2O→3H2+CO,Δh0＝+206kJ/mol
WGS:CO+H2O→H2+CO2,Δh1＝-41kJ/mol
经过重整器后燃料变为富含氢气与一氧化碳的重整气进入电堆阳极；在空气侧，冷空气在空气换热器中经过燃烧室另一路高温尾气预热后通向电堆阴极。
重整气和热空气分别进入电堆后发生电化学反应产生电能，最后，SOFC电堆产生的尾气通向燃烧室为冷甲烷、去离子水和冷空气供热。另外，在***中的两个旁路阀来向燃烧室供给额外的甲烷和空气以更好地控制燃烧室温度和满足实际***测试需求。功率变换器将SOFC电堆产生的电能进行转化使负载和风机能够正常工作。
图2是实现本发明方法实施例的水蒸气外重整SOFC独立发电***的具体结构图。
水蒸气外重整SOFC***初始状态机理模型由主要部件(包括SOFC电堆、重整器、换热器、燃烧室和风机等)根据***工艺流程进行集成获得。SOFC电堆是SOFC***的核心部件，电堆和换热器模型为一维子模型，其他子部件则采用集总参数模型。
所有的子部件模型根据质量守恒、物料守恒以及能量守恒定律进行搭建，以下为一些重要的建模假设：(1)所有气体都是理想的；(2)电堆中所有电池都是相同的；(3)水蒸气重整反应与水气位移反应进行到了平衡状态，因为反应达到平衡条件非常快。
进一步地，搭建水蒸气外重整SOFC***性能衰减机制的模型。性能衰减机制建模包括电堆性能衰减机制建模和重整器性能衰减机制建模两个部分。
其中，电堆性能衰减机制建模具体技术方案为：
以SOFC***长期测试的实验数据为电堆性能衰减机制推导的数据支撑，通过对长期测试数据的处理与分析，获取电堆性能衰减机制的建模公式。
SOFC电堆性能衰减机制主要包括电堆阴极连接体氧化、阳极镍氧化、热应力引起的物理形变、阳极镍粗结以及阴极粒子粗结、扩散引起的微观结构变化等。
此处，仅展示出电堆阴极连接体氧化衰减机制的建模公式：
Ud(t)＝0.001×exp(λt)＝0.001×exp[(5.531×10-8Ts-5.274×10-5)t]
其中，时间单位为秒，Ud(t)为t时刻电堆电池片电压，exp为指数函数，λ为衰减时间常数，Ts为电堆平均温度，单位为K。
接着，进行重整器性能衰减机制建模。
重整器性能衰减反映在(在固定输入下)重整器反应速率会随着时间累积而降低，故可将重整器的反应速率构造成一个关于时间的函数，它与电堆性能衰减同样都是一个缓变的过程，需要长期***测试数据作为支撑，但目前未能通过充分的实验数据辨识其衰减规律，此处假设重整器反应速率是时间的线性函数，其表达式为：
r(t)＝r0(t)(1-rdrt)
其中r(t)是重整器t时刻的反应速率，r0(t)是与t时刻相同输入下原始状态的反应速率，rdr是重整器性能衰减速率，单位为％/kh(每千小时百分之)。
进一步地，水蒸气外重整SOFC***故障演变机制建模具体技术方案为：
SOFC***故障演变机制建模分为电堆故障演变机制建模和***辅助设备故障演变机制建模。
其中，电堆故障演变机制有电堆阳极入口漏气和电池破裂两种。
电堆阳极入口漏气在***模型中通过进入电堆中的燃料气体有一部分漏到电堆外来表示，在故障状态下进入电堆阳极的燃料气体需要乘以一个介于0和1之间的常数，可以用数学公式表示为：
fanode,fault＝(1-αanode,fault)fanode,0
其中fanode,fault和fanode,0分别表示故障状态和正常状态下电堆阳极入口燃料流量，αanode,fault代表漏出燃料流量占燃料总流量的百分比。
电池破裂是指电池产生电动势的能力部分丧失，所以故障状态下电池的能斯特电压需要乘以一个介于0和1之间的系数：
ENernst,fault＝(1-αNernst,fault)ENernst,0
其中ENerns,t faul与ENernst,0分别是故障状态和正常状态下电池电动势，αNernst,fault是电池破裂面积占电池总面积的百分比。
***辅助设备故障演变机制建模考虑重整器积碳、换热器烟气入口漏气、燃烧室漏气和风机机械效率下降四种。
重整器积碳在***模型中表示为催化剂活性表面积被覆盖失去催化能力，故障状态下重整器反应速率在原有基础上乘以一个介于0和1之间的系数：
rcf,fault＝(1-αcf,fault)rcf,0
其中，rcf,fault和rcf,0分别是故障状态和正常状态下重整器的反应速率，αcf,fault表示积碳覆盖活性催化面积占活性催化总面积的百分比。
换热器烟气入口漏气在***模型中表示为进入换热器烟气入口的燃烧室尾气有一部分漏到换热器外，所以故障状态下进入换热器烟气入口的燃烧室尾气在原有基础上乘以一个介于0和1之间的系数：
fhex,fault＝(1-αhex,fault)fhex,0
其中fhex,fault和fhex,0分别表示故障状态和正常状态下换热器烟气入口的燃烧室尾气流量，αhex,fault表示漏出换热器烟气入口的燃烧室尾气流量占通向换热器烟气入口的燃烧室尾气总流量的百分比。
燃烧室漏气在***模型中表示为燃烧室中充分燃烧后的尾气有一部分漏到燃烧室外，所以故障状态下的燃烧室出口尾气流量在原有基础上乘以一个介于0和1之间的系数：
fburner,fault＝(1-αburner,fault)fburner,0
其中fburner,fault和fburner,0分别是故障状态和正常状态下燃烧室出口尾气流量，αburner,fault表示漏出燃烧室的尾气流量占燃烧室尾气总流量的百分比。
风机效率下降在***中表示为其电功率转化为机械功率的效率降低，所以故障状态下风机机械效率常数在需要原有基础上乘以一个介于0和1之间的系数：
ηblower,fault＝(1-αblower,fault)ηblower,0
其中ηblower,fault和ηblower,0分别是故障状态与正常状态下风机机械效率，αblower,fault表示风机机械效率下降部分与初始风机机械效率的比值。
完成上述Stateflow基础框架和性能衰减与故障演变机制子模型的搭建之后，将两部分嵌入水蒸气外重整SOFC***初始状态机理模型。
进一步地，建立基于性能衰减与故障演变机制的水蒸气外重整SOFC***多模态分析模型。
最后，再次使用SOFC***长期测试数据针对上述模型进行验证，其中，SOFC***的测试时长为500小时，对SOFC***的电池平均电压、电堆平均温度以及燃烧室温度三个***关键参数的实验结果与模型仿真结果进行对比验证：
如图4所示，SOFC***电池平均电压的模型仿真结果与实验结果的验证，采用本申请多模态分析模型分析结果符合实际电压；
如图5所示，SOFC***电堆平均温度的模型仿真结果与实验结果的验证，采用本申请多模态分析模型分析结果符合实际电堆平均温度；
如图6所示，SOFC***燃烧室温度的模型仿真结果与实验结果的验证，采用本申请多模态分析模型分析结果符合实际燃烧室温度；
以上实验验证结果表明本发明多模态分析模型中的电池平均电压、电堆平均温度以及燃烧室温度三个重要状态参数的模型输出与实验数据能够基本保持一致，所以搭建的基于性能衰减与故障演变机制的SOFC***多模态分析模型是可靠的。
以上内容本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种固体氧化物燃料电池***多模态分析模型建模方法，其特征在于，所述方法包括以下步骤：
(1)依据固体氧化物燃料电池***工作机理搭建出***初始状态机理模型；
(2)分析固体氧化物燃料电池***性能衰减与故障演变机制，通过机理分析辨识与物理等效方法搭建出固体氧化物燃料电池***性能衰减模型与故障演变机制模型；
(3)将性能衰减模型与故障演变机制模型嵌入固体氧化物燃料电池***初始状态机理模型构建固体氧化物燃料电池***多模态分析模型；
(4)将固体氧化物燃料电池***的实验数据导入到所述多模态分析模型中来辨识所述多模态分析模型参数；
所述固体氧化物燃料电池***性能衰减模型包括电堆性能衰减机制建模和重整器性能衰减机制建模两个部分；其中，电堆性能衰减机制包括电堆阳极镍氧化、阴极连接体氧化、由热应力引起的物理形变和由阳极镍粗结、阴极粒子粗结/扩散引起的微观结构变化；
所述电堆性能衰减机制建模中阴极连接体氧化衰减机制建模的模型公式为：
Ud(t)＝0.001×exp[(5.531×10-8Ts-5.274×10-5)t]
其中，Ud(t)为t时刻电堆电池片电压，exp为指数函数，Ts为电堆平均温度，单位为K。
2.根据权利要求1所述的一种固体氧化物燃料电池***多模态分析模型建模方法，其特征在于，所述***初始状态机理模型的搭建具体为在MATLAB平台上依据固体氧化物燃料电池***的各部件的工作机理搭建各部件子模型，集成各部件子模型获得***初始状态机理模型；所述各部件包括电堆、重整器、换热器、燃烧室和风机；所有的子部件子模型根据质量守恒、物料守恒以及能量守恒定律进行搭建。
3.根据权利要求1所述的一种固体氧化物燃料电池***多模态分析模型建模方法，其特征在于，所述固体氧化物燃料电池***故障演变机制模型分为电堆故障演变机制建模和***辅助设备故障演变机制建模；其中，电堆故障演变机制包括电堆阳极入口漏气和电池破裂；***辅助设备故障演变机制包括重整器积碳、换热器烟气入口漏气、燃烧室漏气和风机机械效率下降。
4.根据权利要求1所述的一种固体氧化物燃料电池***多模态分析模型建模方法，其特征在于，所述重整器性能衰减机制建模的模型公式为：
r(t)＝r0(t)(1-rdrt)
其中，r(t)是重整器t时刻的反应速率；r0(t)是与t时刻相同输入下原始状态的反应速率；rdr是重整器性能衰减速率；单位为％/kh，每千小时百分之。
5.根据权利要求3所述的一种固体氧化物燃料电池***多模态分析模型建模方法，其特征在于，所述电堆故障演变机制建模中电堆阳极入口漏气模型公式为：
fanode,fault＝(1-αanode,fault)fanode,0
其中，fanode,fault和fanode,0分别表示故障状态和正常状态下电堆阳极入口燃料流量，αanode,fault代表漏出燃料流量占燃料总流量的百分比；
所述电堆故障演变机制建模中电池破裂模型公式为：
ENernst,fault＝(1-αNernst,fault)ENernst,0
其中，ENernst,fault与ENernst,0分别是故障状态和正常状态下电池电动势，αNernst,fault是电池破裂面积占电池总面积的百分比。
6.根据权利要求3所述的一种固体氧化物燃料电池***多模态分析模型建模方法，其特征在于，所述***辅助设备故障演变机制建模中重整器积碳的模型公式为：
rcf,fault＝(1-αcf,fault)rcf,0
其中，rcf,fault和rcf,0分别是故障状态和正常状态下重整器的反应速率，αcf,fault表示积碳覆盖活性催化面积占活性催化总面积的百分比；
***辅助设备故障演变机制建模中换热器烟气入口漏气的模型公式为：
fhex,fault＝(1-αhex,fault)fhex,0
其中fhex,fault和fhex,0分别表示故障状态和正常状态下换热器烟气入口的燃烧室尾气流量，αhex,fault表示漏出换热器烟气入口的燃烧室尾气流量占通向换热器烟气入口的燃烧室尾气总流量的百分比；
***辅助设备故障演变机制建模中燃烧室漏气的模型公式为：
fburner,fault＝(1-αburner,fault)fburner,0
其中fburner,fault和fburner,0分别是故障状态和正常状态下燃烧室出口尾气流量，αburner,fault表示漏出燃烧室的尾气流量占燃烧室尾气总流量的百分比；
***辅助设备故障演变机制建模中风机机械 效率下降的模型公式为：
ηblower,fault＝(1-αblower,fault)ηblower,0
其中ηblower,fault和ηblower,0分别是故障状态与正常状态下风机机械效率，αblower,fault表示风机机械效率下降部分与初始风机机械效率的比值。
7.根据权利要求1所述的一种固体氧化物燃料电池***多模态分析模型建模方法，其特征在于，所述方法还包括搭建出Stateflow模块，用以整合固体氧化物燃料电池***性能衰减与故障演变逻辑，故障触发的条件由Stateflow事件触发逻辑来实现，通过预设的阶跃信号触发故障，相应的故障参数会传递到故障点处，形成新的***运行状态；不同的故障之间采用并行结构。
8.根据权利要求1所述的一种固体氧化物燃料电池***多模态分析模型建模方法，其特征在于，所述步骤(4)具体为：
在固体氧化物燃料电池***多模态分析模型导入实验数据后，首先调试温度参数，使电堆平均温度和燃烧室温度的仿真结果与实验数据的误差不大于预设值，然后调节电特性衰减参数减小电池电压平均误差，当电堆平均温度、燃烧室温度与电池平均电压的误差均在预设范围内时，此时所述参数即为多模态分析模型参数辨识的结果。
CN201910853225.4A 2019-09-10 2019-09-10 一种固体氧化物燃料电池***多模态分析模型建模方法 Active CN110706752B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910853225.4A CN110706752B (zh) 2019-09-10 2019-09-10 一种固体氧化物燃料电池***多模态分析模型建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910853225.4A CN110706752B (zh) 2019-09-10 2019-09-10 一种固体氧化物燃料电池***多模态分析模型建模方法

Publications (2)

Publication Number Publication Date
CN110706752A CN110706752A (zh) 2020-01-17
CN110706752B true CN110706752B (zh) 2022-03-25

Family

ID=69196132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910853225.4A Active CN110706752B (zh) 2019-09-10 2019-09-10 一种固体氧化物燃料电池***多模态分析模型建模方法

Country Status (1)

Country Link
CN (1) CN110706752B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111310306B (zh) * 2020-01-19 2022-04-08 浙江大学 一种质子交换膜燃料电池阳极氮气浓度的在线观测方法
CN112038671B (zh) * 2020-08-21 2022-04-12 华中科技大学 一种固体氧化物燃料电池温度分布估计方法与***
CN114204077B (zh) * 2022-02-18 2022-05-03 浙江国氢能源科技发展有限公司 水蒸气流量振荡引起的sofc***振荡控制与优化方法
CN116738768B (zh) * 2023-08-14 2024-01-26 中国恩菲工程技术有限公司 链接单元的建模方法、链接单元的生成方法、装置及介质
CN117236264B (zh) * 2023-11-16 2024-01-26 华中科技大学 一种预测应力诱导锂离子电池容量衰减的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103887543A (zh) * 2012-12-21 2014-06-25 中国科学院大连化学物理研究所 一种固体氧化物燃料电池装置的热管理方法
EP3147980A1 (en) * 2015-09-24 2017-03-29 Panasonic Intellectual Property Management Co., Ltd. Fuel cell system
CN107180983A (zh) * 2017-05-16 2017-09-19 华中科技大学 一种固体氧化物燃料电池电堆故障诊断方法和***
CN108091903A (zh) * 2018-01-19 2018-05-29 清华大学 一种燃料电池电堆热管理装置、***和方法
CN108306029A (zh) * 2017-01-06 2018-07-20 通用电气公司 用于燃料电池***中的分布式故障管理的***和方法
CN109004251A (zh) * 2018-06-28 2018-12-14 电子科技大学 一种固体氧化物燃料电池***的智能控制方法
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9917322B2 (en) * 2015-07-01 2018-03-13 The Boeing Company Electrical power distribution system and method for a grid-tied reversible solid oxide fuel cell system

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103887543A (zh) * 2012-12-21 2014-06-25 中国科学院大连化学物理研究所 一种固体氧化物燃料电池装置的热管理方法
EP3147980A1 (en) * 2015-09-24 2017-03-29 Panasonic Intellectual Property Management Co., Ltd. Fuel cell system
CN108306029A (zh) * 2017-01-06 2018-07-20 通用电气公司 用于燃料电池***中的分布式故障管理的***和方法
CN107180983A (zh) * 2017-05-16 2017-09-19 华中科技大学 一种固体氧化物燃料电池电堆故障诊断方法和***
CN110073301A (zh) * 2017-08-02 2019-07-30 强力物联网投资组合2016有限公司 工业物联网中具有大数据集的数据收集环境下的检测方法和***
CN108091903A (zh) * 2018-01-19 2018-05-29 清华大学 一种燃料电池电堆热管理装置、***和方法
CN109004251A (zh) * 2018-06-28 2018-12-14 电子科技大学 一种固体氧化物燃料电池***的智能控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Application oriented multiple-objective optimization, analysis and comparison of solid oxide fuel cell systems with different configurations;TianliangCheng.et.;《Applied Energy》;20181224;第235卷;第914-929页 *
Performance degradation and fault mechanisms based solid oxide fuel cell system multimode modeling and analysis;Tianliang Cheng.et.;《2018 Chinese Automation Congress (CAC)》;20181231;第2906-2911页 *
基于多模式-监督分类的SOFC***多故障识别;秦超等;《化工自动化及仪表》;20180831(第8期);第611-616页 *

Also Published As

Publication number Publication date
CN110706752A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
CN110706752B (zh) 一种固体氧化物燃料电池***多模态分析模型建模方法
Azizi et al. Progress in solid oxide fuel cell-gas turbine hybrid power systems: System design and analysis, transient operation, controls and optimization
Perna et al. Design and performance assessment of a combined heat, hydrogen and power (CHHP) system based on ammonia-fueled SOFC
Alirahmi et al. Soft computing analysis of a compressed air energy storage and SOFC system via different artificial neural network architecture and tri-objective grey wolf optimization
Wang Barriers of scaling-up fuel cells: Cost, durability and reliability
Wu et al. Health state prediction and analysis of SOFC system based on the data-driven entire stage experiment
Adams et al. Energy conversion with solid oxide fuel cell systems: A review of concepts and outlooks for the short-and long-term
Chen et al. Performance evaluation on thermodynamics-economy-environment of PEMFC vehicle power system under dynamic condition
Shi et al. Operating limitation and degradation modeling of micro solid oxide fuel cell-combined heat and power system
Vora et al. Overview of US department of energy office of fossil energy’s solid oxide fuel cell program for fy2019
Lyu et al. Comparison of off-gas utilization modes for solid oxide fuel cell stacks based on a semi-empirical parametric model
Shaffer Development Update on Delphi's Solid Oxide Fuel Cell System
Wu et al. Methanol to power through high-efficiency hybrid fuel cell system: Thermodynamic, thermo-economic, and techno-economic (3T) analyses in Northwest China
Fan et al. Technological and Engineering design of a megawatt proton exchange membrane fuel cell system
Vora et al. Overview of US Department of energy office of Fossil energy’s solid oxide fuel cell program
CN111916791B (zh) 一种多工况多样本燃料电池电堆测试***及其控制方法
Brouwer Hybrid gas turbine fuel cell systems
CN111916792A (zh) 一种单一工况多样本燃料电池电堆测试***及其控制方法
Harun et al. Fuel utilization effects on system efficiency and solid oxide fuel cell performance in gas turbine hybrid systems
Williams Status of solid oxide fuel cell development and commercialization in the US
Cheng et al. Performance degradation and fault mechanisms based solid oxide fuel cell system multimode modeling and analysis
Reuber et al. Application-oriented design and field trial of the Eneramic® power generator
Von Spakovsky et al. Investigation of system and component performance and interaction issues for solid-oxide fuel cell based auxiliary power units responding to changes in application load
Vlad et al. A review of residential micro–Combined Heat and Power systems based on renewable energy
CN116879783B (zh) Sofc电堆运行寿命的冷热循环加速测试方法

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