CN112563541A - 一种改进粒子群pid的燃料电池阴极压力控制方法 - Google Patents
一种改进粒子群pid的燃料电池阴极压力控制方法 Download PDFInfo
- Publication number
- CN112563541A CN112563541A CN202011439711.0A CN202011439711A CN112563541A CN 112563541 A CN112563541 A CN 112563541A CN 202011439711 A CN202011439711 A CN 202011439711A CN 112563541 A CN112563541 A CN 112563541A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- pid
- particle swarm
- performance index
- pressure
- 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.)
- Pending
Links
- 239000002245 particle Substances 0.000 title claims abstract description 67
- 239000000446 fuel Substances 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000012528 membrane Substances 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 description 23
- 239000003054 catalyst Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003795 desorption Methods 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
- H01M8/04305—Modeling, demonstration models of fuel cells, e.g. for training purposes
-
- 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
- H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
- H01M8/04746—Pressure; Flow
- H01M8/04753—Pressure; Flow of fuel cell reactants
-
- 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
- H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
- H01M8/04858—Electric variables
- H01M8/04865—Voltage
- H01M8/04888—Voltage of auxiliary devices, e.g. batteries, capacitors
-
- 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
-
- 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
本发明公开了一种改进粒子群PID的燃料电池阴极压力控制方法，基于Matlab/Simulink仿真平台建立质子交换膜燃料电池气体动态模型，通过该动态模型得到燃料电池的气体压力；采用改进粒子群算法对PID控制参数进行优化；将优化的控制参数赋值给PID控制器，通过对风机电压进行调节，输出气体流量，从而有效控制燃料电池气体压力，减小负载电流扰动时的超调量并提升调节速度，降低压力波动对质子膜的影响，能够实现对质子交换膜燃料电池阴极压力的有效控制。
Description
技术领域
本发明涉及燃料电池进气***管理技术领域，尤其涉及一种改进粒子群PID的燃料电池阴极压力控制方法。
背景技术
传统化石能源对环境造成很大污染，氢能是目前世界公认的碳排放量最低但发电效率最佳的能源技术。因此，将氢能源技术用在新能源汽车和电站已经成为世界各国关注的热点之一。燃料电池内部的气体压力与燃料电池的运行性能之间有密切关系，当电池负载变化时，电池催化层因氢氧电化学反应产生大量水，又因气体消耗导致气压下降，使生成水无法及时排出并在膜电极附近聚集，将Pt催化剂淹没，从而阻碍氢气和氧气在催化层的吸附和解离效率，影响氢氧化学反应发生速率，导致燃料电池输出性能降低。此外，随着燃料电池的运行使用，质子膜上的Pt催化层会不可避免的脱落，造成质子膜的机械强度下降，过大的气体压力波动反而会损害电池内部质子交换膜并使催化层上的Pt催化层更快脱落，造成电池使用寿命快速下降。
目前常将模糊控制器、神经网络等智能方法与PID控制器结合，但这类方法仅是根据***被控误差的变化对PID已设定的控制参数进行动态调节，而这些初始控制参数是人为设定，不能对质子交换膜燃料电池阴极压力的有效控制。
发明内容
本发明的目的在于提供一种改进粒子群PID的燃料电池阴极压力控制方法，能够对质子交换膜燃料电池阴极压力的有效控制。
为实现上述目的，本发明提供了一种改进粒子群PID的燃料电池阴极压力控制方法，包括以下步骤：
基于仿真平台建立质子交换膜燃料电池气体压力动态模型，并根据期望压力值与实际压力值计算ITAE性能指标；
采用改进的粒子群算法，按照所述ITAE性能指标对构建的PID控制器的控制参数进行优化；
将优化后的控制器比例、积分和微分项参数赋值给所述PID控制器，并基于PID控制律对燃料电池气体压力进行控制。
其中，基于仿真平台建立质子交换膜燃料电池气体压力动态模型，并根据期望压力值与实际压力值计算ITAE性能指标，包括：
基于Matlab或Simulink仿真平台，按照理想状态气体方程与质量守恒定律，构建质子交换膜燃料电池气体压力动态模型；
基于所述质子交换膜燃料电池气体压力动态模型构建对应的PID控制器，并根据期望压力值与实际压力值计算ITAE性能指标。
其中，采用改进的粒子群算法，按照所述ITAE性能指标对构建的PID控制器的控制参数进行优化，包括：
获取粒子群的种群规模和迭代次数阈值，并在对应的搜索空间内初始化所述粒子群的初始位置和初始速度；
将所述粒子群的对应数值赋值给所述PID控制器，并根据所述ITAE性能指标对所述PID控制器的控制参数进行优化。
其中，根据所述ITAE性能指标对所述PID控制器的控制参数进行优化，包括：
根据所述ITAE性能指标得到指标粒子，并构建粒子群算法更新每个粒子的惯性权重；
将每个粒子对应的数值赋值给所述PID控制器，并更新个体极值和群体极值，直至达到迭代阈值，得到优化后的参数集合。
本发明的一种改进粒子群PID的燃料电池阴极压力控制方法，基于Matlab/Simulink仿真平台建立质子交换膜燃料电池气体动态模型，通过该动态模型得到燃料电池的气体压力；采用改进粒子群算法对PID控制参数进行优化；将优化的控制参数赋值给PID控制器，通过对风机电压进行调节，输出气体流量，从而有效控制燃料电池气体压力，减小负载电流扰动时的超调量并提升调节速度，降低压力波动对质子膜的影响，能够实现对质子交换膜燃料电池阴极压力的有效控制。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的一种改进粒子群PID的燃料电池阴极压力控制方法的步骤示意图。
图2是本发明提供的粒子群算法优化PID控制参数的基本原理图。
图3是本发明提供的粒子群算法优化PID控制参数程序流程图。
图4是本发明提供的PID控制器测试信号曲线。
图5是本发明提供的负载变化时被控压力动态过程示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
请参阅图1和图2，本发明提供一种改进粒子群PID的燃料电池阴极压力控制方法，包括以下步骤：
S101、基于仿真平台建立质子交换膜燃料电池气体压力动态模型，并根据期望压力值与实际压力值计算ITAE性能指标。
具体的，根据理想状态气体方程与质量守恒定律，基于Matlab/Simulink仿真平台建立质子交换膜燃料电池气体压力动态模型，得到燃料电池动态压力变化；然后根据所述质子交换膜燃料电池气体压力动态模型建立对应的PID控制器，根据期望压力值与实际压力值的误差计算ITAE性能指标，包括：
选用燃料电池期望阴极压力值Pca,ref(t)和实际阴极压力值Pca,stack(t)的误差e(t)＝Pca,ref(t)-Pca,stack(t)作为PID控制器的输入量，并将误差绝对值|e(t)|与时间t的积分值
作为粒子群算法的性能指标，其值越小，表明算法优化所得控制参数越好。
S102、采用改进的粒子群算法，按照所述ITAE性能指标对构建的PID控制器的控制参数进行优化。
具体的，如图3所示，采用改进粒子群算法对PID控制器的比例、积分和微分项参数进行优化，优化过程包括以下步骤：
A.确定粒子群的种群规模S和算法最大迭代次数N，在搜索空间范围R＝[Xd,min,Xd,max]内初始化粒子群所有粒子的初始位置Xi和初始速度Vi；d＝{1,2,3}；Xd,min与Xd,max是粒子在搜索空间R中第d维的下限和上限；
B.将粒子赋值给在Matlab/Simulink仿真平台中的PID控制器，并根据步骤S101中的性能指标计算得到对应粒子的性能指标值，找出性能指标值最小的粒子即指标粒子；
C.构建粒子群算法更新公式中每个粒子的惯性权重取值方法：
式中，fk(i)是第k次迭代时第i个粒子的性能指标值，fk avg是第k次迭代时整个粒子群的平均性能指标值。当fk(i)≤fk avg，表示第i个粒子在整个群体中属于较优秀的一类，粒子离局部最优较近，可以减小惯性因子ωk以加快该粒子向局部最优的收敛速度；当fk(i)＞fk avg，表示第i个粒子在整个群体中属于较差的一类，该粒子离局部最优值较远，应保持最大惯性因子ωk避免粒子滑向局部最优，使粒子有机会步出局部最优附近，增大粒子群的全局寻优能力。
其中，
D.更新所有粒子，将各粒子的值赋给PID并通过仿真得到该粒子对应的性能指标值f(i)，将各粒子的性能指标值与历史最优个体极值Pi,best和群体极值Gbest的性能指标值进行对比，判断更新粒子群的个体极值和群体极值；
E.判断算法是否收敛，若迭代次数大于给定的最大迭代次数N，即当前迭代次数t＞N时，则迭代收敛，输出最优参数组合Gbest。若不满足该条件，执行步骤B。
S103、将优化后的控制器比例、积分和微分项参数赋值给所述PID控制器，并基于PID控制律对燃料电池气体压力进行控制。
具体的，配置PID阴极压力控制器，将优化后的Kp、Ki和Kd控制参数赋值给PID阴极压力控制器，阴极压力PID控制器的输入是燃料电池电堆阴极设定压力和电堆阴极实际压力的误差e(t)＝Pca,ref(t)-Pca,stack(t)。
根据PID控制律，得到合适的被控对象的精确控制量。具体来说，当电堆阴极的实际压力高于设定压力值时，需要减小风机电压以降低风机转速从而达到减小压力的目的，反之，当电堆阴极的实际压力高于设定压力值时，则需要增大风机电压。
图4给出了电堆在工作范围内的负载电流测试信号，主要为上升和下降的阶跃信号表示，初始负载电流为100A，在第15秒时阶跃上升到250A，在第25秒阶跃下降至150A，在第35秒又阶跃上升至300A。则负载电流每次阶跃变化对压力的影响及所得到的改进粒子群算法PID的控制效果和标准粒子群算法PID控制以及传统PID控制的对比图，如图5所示。在图5中，菱形为传统PID控制效果曲线，星形为采用LIPSO-PID控制效果曲线，四边形为改进LIWPSO-PID控制效果曲线。传统PID控制器的控制超调量为16.65％，调节时间为3.542秒；LIPSO-PID控制器的控制超调量为10.15％，调节时间为0.992秒；改进LIWPSO-PID控制器的控制超调量为7.85％，调节时间为0.883秒。由此可见，在改进后的控制器作用下，***的超调量和调节时间得到进一步改善，能更好地降低气体压力波动对质子膜的冲击，使***稳定运行。
与现有技术相比，本发明的有益效果是：
(1)本发明将改进粒子群算法与传统PID控制结合，弥补传统PID参数整定方法依赖专家经验和工程经验的缺点，满足稳定控制的需要，提高了控制效果；
(2)相比于标准粒子群算法，本发明的改进算法提升了算法的收敛精度和收敛速度。
本发明的一种改进粒子群PID的燃料电池阴极压力控制方法，基于Matlab/Simulink仿真平台建立质子交换膜燃料电池气体动态模型，通过该动态模型得到燃料电池的气体压力；采用改进粒子群算法对PID控制参数进行优化；将优化的控制参数赋值给PID控制器，通过对风机电压进行调节，输出气体流量，从而有效控制燃料电池气体压力，减小负载电流扰动时的超调量并提升调节速度，降低压力波动对质子膜的影响，能够实现对质子交换膜燃料电池阴极压力的有效控制。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
Claims (4)
1.一种改进粒子群PID的燃料电池阴极压力控制方法，其特征在于，包括以下步骤：
基于仿真平台建立质子交换膜燃料电池气体压力动态模型，并根据期望压力值与实际压力值计算ITAE性能指标；
采用改进的粒子群算法，按照所述ITAE性能指标对构建的PID控制器的控制参数进行优化；
将优化后的控制器比例、积分和微分项参数赋值给所述PID控制器，并基于PID控制律对燃料电池气体压力进行控制。
2.如权利要求1所述的一种改进粒子群PID的燃料电池阴极压力控制方法，其特征在于，基于仿真平台建立质子交换膜燃料电池气体压力动态模型，并根据期望压力值与实际压力值计算ITAE性能指标，包括：
基于Matlab或Simulink仿真平台，按照理想状态气体方程与质量守恒定律，构建质子交换膜燃料电池气体压力动态模型；
基于所述质子交换膜燃料电池气体压力动态模型构建对应的PID控制器，并根据期望压力值与实际压力值计算ITAE性能指标。
3.如权利要求1所述的一种改进粒子群PID的燃料电池阴极压力控制方法，其特征在于，采用改进的粒子群算法，按照所述ITAE性能指标对构建的PID控制器的控制参数进行优化，包括：
获取粒子群的种群规模和迭代次数阈值，并在对应的搜索空间内初始化所述粒子群的初始位置和初始速度；
将所述粒子群的对应数值赋值给所述PID控制器，并根据所述ITAE性能指标对所述PID控制器的控制参数进行优化。
4.如权利要求3所述的一种改进粒子群PID的燃料电池阴极压力控制方法，其特征在于，根据所述ITAE性能指标对所述PID控制器的控制参数进行优化，包括：
根据所述ITAE性能指标得到指标粒子，并构建粒子群算法更新每个粒子的惯性权重；
将每个粒子对应的数值赋值给所述PID控制器，并更新个体极值和群体极值，直至达到迭代阈值，得到优化后的参数集合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011439711.0A CN112563541A (zh) | 2020-12-11 | 2020-12-11 | 一种改进粒子群pid的燃料电池阴极压力控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011439711.0A CN112563541A (zh) | 2020-12-11 | 2020-12-11 | 一种改进粒子群pid的燃料电池阴极压力控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112563541A true CN112563541A (zh) | 2021-03-26 |
Family
ID=75060876
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011439711.0A Pending CN112563541A (zh) | 2020-12-11 | 2020-12-11 | 一种改进粒子群pid的燃料电池阴极压力控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112563541A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114551944A (zh) * | 2022-01-07 | 2022-05-27 | 国网浙江省电力有限公司电力科学研究院 | 质子交换膜燃料电池内部含水量的快速控制方法及*** |
| CN117784590A (zh) * | 2024-02-28 | 2024-03-29 | 齐鲁工业大学(山东省科学院) | 一种微生物燃料电池的pid控制方法及*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140120443A1 (en) * | 2012-10-25 | 2014-05-01 | GM Global Technology Operations LLC | Cathode pressure control utilizing a capacitance model |
| CN108428915A (zh) * | 2018-03-26 | 2018-08-21 | 东南大学 | 一种基于迭代学习的燃料电池排气过程阳极压力控制方法 |
| CN110010933A (zh) * | 2019-04-15 | 2019-07-12 | 吉林大学 | 一种燃料电池空气供给***控制方法及*** |
-
2020
- 2020-12-11 CN CN202011439711.0A patent/CN112563541A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140120443A1 (en) * | 2012-10-25 | 2014-05-01 | GM Global Technology Operations LLC | Cathode pressure control utilizing a capacitance model |
| CN108428915A (zh) * | 2018-03-26 | 2018-08-21 | 东南大学 | 一种基于迭代学习的燃料电池排气过程阳极压力控制方法 |
| CN110010933A (zh) * | 2019-04-15 | 2019-07-12 | 吉林大学 | 一种燃料电池空气供给***控制方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 潘沿予等: "《基于改进粒子群PID的PEMFC阴极压力控制》", 《电子测量技术》, vol. 43, no. 22, pages 1 - 6 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114551944A (zh) * | 2022-01-07 | 2022-05-27 | 国网浙江省电力有限公司电力科学研究院 | 质子交换膜燃料电池内部含水量的快速控制方法及*** |
| CN114551944B (zh) * | 2022-01-07 | 2023-10-10 | 国网浙江省电力有限公司电力科学研究院 | 质子交换膜燃料电池内部含水量的快速控制方法及*** |
| CN117784590A (zh) * | 2024-02-28 | 2024-03-29 | 齐鲁工业大学(山东省科学院) | 一种微生物燃料电池的pid控制方法及*** |
| CN117784590B (zh) * | 2024-02-28 | 2024-05-10 | 齐鲁工业大学(山东省科学院) | 一种微生物燃料电池的pid控制方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111129548B (zh) | 一种改进粒子群优化模糊pid燃料电池温度控制方法 | |
| CN104534507B (zh) | 一种锅炉燃烧优化控制方法 | |
| CN110867597B (zh) | 一种质子交换膜燃料电池一致性的热电水协同控制方法 | |
| CN112563541A (zh) | 一种改进粒子群pid的燃料电池阴极压力控制方法 | |
| CN110838590B (zh) | 一种质子交换膜燃料电池气体供应控制***及方法 | |
| CN103384014A (zh) | 基于最大净功率策略的质子交换膜燃料电池空气供应***控制 | |
| CN114447378B (zh) | 一种质子交换膜燃料电池的参数优化方法 | |
| CN112838604A (zh) | 一种储能电站群参与电力***agc的优化方法及*** | |
| CN115940292B (zh) | 基于圆圈搜索算法的含风储电力***优化调度方法及*** | |
| KR102086352B1 (ko) | 연료전지-배터리 간 전력 분배를 수행하는 하이브리드 전력 시스템 | |
| CN111613817B (zh) | 基于改进粒子群算法的电池混动***能源优化策略 | |
| CN113098008A (zh) | 一种基于改进政治优化算法的光储容量优化配置方法 | |
| CN111339616A (zh) | 一种使机械结构基频最大化的拓扑优化方法 | |
| CN112886036B (zh) | 一种基于改进灰狼优化的pemfc供气***控制策略 | |
| CN115763908B (zh) | 一种多堆燃料电池***效率优化的分布式控制方法 | |
| CN114488821B (zh) | 燃料电池过氧比的区间经济模型预测控制方法及*** | |
| CN115602891A (zh) | 基于水活度校正的多堆燃料电池输出功率分配方法及*** | |
| CN114970192A (zh) | 一种燃料电池***多目标智能控制方法 | |
| CN110970936B (zh) | 一种深度调峰机组一次调频性能计算方法 | |
| CN114725961A (zh) | 平抑风电波动的制氢***容量分层优化配置方法 | |
| CN113721457A (zh) | 基于lmi的氢燃料电池最优参数可变控制器的设计方法 | |
| Khoeiniha et al. | Optimal control design for proton exchange membrane fuel cell via genetic algorithm | |
| CN113507134B (zh) | 一种规划目标年新能源电源装机容量的优化规划方法 | |
| CN108428915A (zh) | 一种基于迭代学习的燃料电池排气过程阳极压力控制方法 | |
| Zhong et al. | Control strategies for the air supply system in PEMFC |
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 |