CN115602891A - 基于水活度校正的多堆燃料电池输出功率分配方法及*** - Google Patents

基于水活度校正的多堆燃料电池输出功率分配方法及*** Download PDF

Info

Publication number
CN115602891A
CN115602891A CN202211312313.1A CN202211312313A CN115602891A CN 115602891 A CN115602891 A CN 115602891A CN 202211312313 A CN202211312313 A CN 202211312313A CN 115602891 A CN115602891 A CN 115602891A
Authority
CN
China
Prior art keywords
sub
water activity
real
error
coefficient
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
Application number
CN202211312313.1A
Other languages
English (en)
Inventor
孙平
廖伟添
董伟
杨松
史卫博
朱华美
周增辉
张�成
冯锦程
刘勃
范德彪
丛皓川
丛钰涛
程西庆
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.)
Jilin University
Original Assignee
Jilin University
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 Jilin University filed Critical Jilin University
Priority to CN202211312313.1A priority Critical patent/CN115602891A/zh
Publication of CN115602891A publication Critical patent/CN115602891A/zh
Pending legal-status Critical Current

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
    • H01M8/04992—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
    • 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
    • H01M8/04492—Humidity; Ambient humidity; Water content
    • 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
    • H01M8/04925—Power, energy, capacity or load
    • H01M8/0494—Power, energy, capacity or load of fuel cell stacks
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • General Chemical & Material Sciences (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Manufacturing & Machinery (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Fuel Cell (AREA)

Abstract

本发明涉及一种基于水活度校正的多堆燃料电池输出功率分配方法及***，属于多堆燃料电池功率分配技术领域，先采集多堆燃料电池中每一子电堆的相对温度，得到实时水活度，然后根据实时水活度计算每一子电堆的实时健康因子，最后根据各个子电堆的实时健康因子对待分配功率进行分配，确定各个子电堆的输出功率，从而通过基于实时水活度计算的实时健康因子对各子电堆进行相应的功率分配，能够针对燃料电池极化曲线后半段进行调控，更具有针对性，不会产生振荡，稳定性好。

Description

基于水活度校正的多堆燃料电池输出功率分配方法及***
技术领域
本发明涉及多堆燃料电池功率分配技术领域，特别是涉及一种基于水活度校正的多堆燃料电池输出功率分配方法及***。
背景技术
随着世界环境问题的日益加剧，世界各国都在试图减少现有能源使用中有害气体的排放，探寻新的清洁能源，国际能源转型沿着从高碳到低碳的道路前行。氢气是目前公认的最为理想的能量载体和清洁能源提供者，被誉为“21世纪的终极能源”。目前氢气常见的使用方式是通过质子交换膜燃料电池进行发电，其通过氢气和氧气的化学反应来释放电能，不受卡诺循环的限制，具有能量转化率高、能量密度高、启动速度快、噪音低以及零排放等优点。
但是燃料电池功率输出平滑，功率等级不高，在大电流的情况下输出电压下降较快，导致性能降低，寿命减少，故目前许多科研人员将目光聚焦于协调多个单堆燃料电池，构建多堆燃料电池以解决大功率需求及耐久性的问题。现有技术公开了一种基于燃料电池健康度校正的多堆分布式控制方法，其采集需求侧的电压和电流信号，通过获取的燃料电池输出端电压、电流和功率评估燃料电池实时运行性能，并量化出各燃料电池的健康度，根据对燃料电池的健康度计算结果，结合直流供电网络的电路和载流特性计算出与各燃料电池当前性能状态相关的实时自整定因子，最后在实时自整定因子变化下通过电压外环和电流内环的快速校正完成对燃料电池输出功率的自适应调节，实现多堆燃料电池间的分布式控制，但其在全范围段均有调节，由于电堆调节的迟滞性，将可能导致调节过程产生振荡，***不稳定。
发明内容
本发明的目的是提供一种基于水活度校正的多堆燃料电池输出功率分配方法及***，通过实时水活度来计算各子电堆的实时健康因子，并依据实时健康因子对各子电堆进行相应的功率分配，从而针对燃料电池极化曲线后半段进行调控，更具有针对性，不会产生振荡，稳定性好。
为实现上述目的，本发明提供了如下方案：
一种基于水活度校正的多堆燃料电池输出功率分配方法，所述分配方法包括：
采集多堆燃料电池中每一子电堆的相对湿度，得到实时水活度；
对于每一所述子电堆，根据所述实时水活度计算所述子电堆的实时健康因子；
根据各个所述子电堆的实时健康因子对待分配功率进行分配，确定各个所述子电堆的输出功率。
一种基于水活度校正的多堆燃料电池输出功率分配***，所述分配***包括：
信息采集模块，用于采集多堆燃料电池中每一子电堆的相对湿度，得到实时水活度；
健康因子计算模块，用于对于每一所述子电堆，根据所述实时水活度计算所述子电堆的实时健康因子；
分配模块，用于根据各个所述子电堆的实时健康因子对待分配功率进行分配，确定各个所述子电堆的输出功率。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明用于提供一种基于水活度校正的多堆燃料电池输出功率分配方法及***，先采集多堆燃料电池中每一子电堆的相对温度，得到实时水活度，然后根据实时水活度计算每一子电堆的实时健康因子，最后根据各个子电堆的实时健康因子对待分配功率进行分配，确定各个子电堆的输出功率，从而通过基于实时水活度计算的实时健康因子对各子电堆进行相应的功率分配，能够针对燃料电池极化曲线后半段进行调控，更具有针对性，不会产生振荡，稳定性好。
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为本发明实施例1所提供的分配方法的方法流程图；
图2为本发明实施例1所提供的分配方法的控制原理图；
图3为本发明实施例1所提供的分配方法的应用场景示意图；
图4为本发明实施例1所提供的功率分配的控制原理图；
图5为本发明实施例2所提供的分配***的***框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于水活度校正的多堆燃料电池输出功率分配方法及***，通过实时水活度来计算各子电堆的实时健康因子，并依据实时健康因子对各子电堆进行相应的功率分配，从而针对燃料电池极化曲线后半段(即输出电压下降较快的部分)进行调控，更具有针对性，不会产生振荡，稳定性好。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1：
一方面，氢氧燃料电池在功率请求增加时，将导致电堆温度升高，水活度降低，膜内水含量下降，继而导致膜电导率减小，欧姆损失增加，从而输出电压降低，电堆性能下降。另一方面，水活度降低，与生成物浓度相关，随着反应的进行，催化层中的反应物被消耗，反应物浓度降低，而流道中的反应物浓度保持不变，电极内外形成了浓度差，在浓度梯度的作用下，外部区域的反应物向催化层扩散，同理，生成物在催化层累积，浓度增大，并从催化层向外扩散，由于电化学反应的进行，导致催化层实际的反应物和生成物浓度与流道中的不一样，根据能斯特方程，反应物浓度降低，生成物浓度升高将导致电池可逆电压下降，产生能斯特损耗，其为浓差损失中的一部分，浓差损失中的另一部分为活化损耗，催化层内反应物浓度降低，生成物浓度升高，活化过电势会增大。综上，欧姆损耗和浓差损耗都与水活度有一定联系，根据当前水活度会有一个较好的输出电压，或者说温度过高(水活度过低)时，输出电压下降较快，因此根据水活度导出健康因子以调节输出功率，使水活度处在一个较好的范围，保持电堆性能，即可利用水活度建立与电堆输出电压降之间的联系，并推导出健康因子，作为多堆燃料电池之间功率分配的依据，保持电堆良好性能，实现多堆燃料电池输出功率的分配管理及控制。
基于此，本实施例用于提供一种基于水活度校正的多堆燃料电池输出功率分配方法，如图1所示，所述分配方法包括：
S1：采集多堆燃料电池中每一子电堆的相对湿度，得到实时水活度；
具体可利用湿度传感器来采集每一子电堆的相对温度，相对湿度即为实时水活度。
水活度(本质为相对湿度)的定义公式如下：
Figure BDA0003907506180000041
其中，a为水活度；
Figure BDA0003907506180000042
为当前实际水蒸气分压；Psat为当前温度下饱和水蒸气分压。
S2：对于每一所述子电堆，根据所述实时水活度计算所述子电堆的实时健康因子；
本实施例中，用于衡量燃料电池性能好坏的实时健康因子的计算公式如下：
Figure BDA0003907506180000043
其中，H为实时健康因子；a为实时水活度；aacute为水活度预设值；Δa为实时水活度a与水活度预设值aacute的差值，即等于a-aacute。
本实施例的水活度预设值为基于离线测试所确定的水活度剧烈点处的水活度，水活度剧烈点的定义为：温度上升间隔为N℃时，后一点与当前点的输出电压降至少为当前点与前一点的输出电压降的预设倍数，此时的当前点即为水活度剧烈点。
进一步的，本实施例中，燃料电池水活度剧烈点的离线测试过程包括如下步骤：
(1)对性能完好的燃料电池进行电压-电流测试，获取多个不同温度下的燃料电池的输出电压和水活度，构建第一输出电压集合和第一水活度集合；相邻温度之间间隔N摄氏度。
(2)利用拉格朗日插值法分别对第一输出电压集合和第一水活度集合进行插值，得到第二输出电压集合和第二水活度集合，第二输出电压集合的相邻输出电压所对应的温度之间间隔M摄氏度，第二水活度集合的相邻水活度所对应的温度之间间隔M摄氏度，M小于N。
本实施例中，第一输出电压集合和第二输出电压集合均为按照温度从小到大的顺序对所有输出电压进行排序所获得的集合，仅是第一输出电压集合的相邻输出电压之间间隔N摄氏度，第二输出电压集合的相邻输出电压之间间隔M摄氏度；第一水活度集合和第二水活度集合均为按照温度从小到大的顺序对所有水活度进行排序所获得的集合，仅是第一水活度集合的相邻水活度之间间隔N摄氏度，第二水活度集合的相邻水活度之间间隔M摄氏度。
对于燃料电池***，拉格朗日插值法的表达式为：y(k)＝f(x(k)，xS，ys)；其中，y(k)为插值函数值，分别对应间隔M摄氏度时燃料电池的输出电压和水活度；x(k)为待插值数据，对应间隔M摄氏度的点，xs＝[x0，x1，x2，...，xi-1，xi，xi+1，...xn]为节点变量数据，对应间隔N摄氏度的温度数据；ys＝[y0，y1，y2，...，yi-1，yi，yi+1，...，yn]为节点函数值，分别对应间隔N摄氏度的燃料电池的输出电压和水活度数据。
拉格朗日插值法的基函数li(x(k))的表达式为：
Figure BDA0003907506180000051
则插值多项式y(k)的表达式为：
Figure BDA0003907506180000052
基于上述插值多项式，即可对输出电压和水活度进行插值。
(3)对于第二输出电压集合的每一第一输出电压，根据第一输出电压对应的第一温度确定与第一温度间隔N摄氏度的第二温度和第三温度，计算第一输出电压与第二温度对应的第二输出电压之间的第一电压降以及第一输出电压与第三温度对应的第三输出电压之间的第二电压降；判断第一电压降和第二电压降的比值是否大于或者等于预设比值；若是，则第一温度为水活度剧烈点，第一温度对应的水活度即为水活度预设值。
第二温度为小于第一温度的且与第一温度间隔N摄氏度的温度，第三温度为大于第一温度的且与第一温度间隔N摄氏度的温度。
本实施例中，N可为1摄氏度，M可为0.1摄氏度，预设比值可为1.8，即采集的输出电压和水活度是间隔1摄氏度的，插值之后的输出电压和水活度是间隔0.1℃的，通过将前后间隔1℃的输出电压信号相减，即可形成多个电压降，则遍历检索水活度剧烈点的过程可以包括：将经过拉格朗日插值的输出电压的数据每间隔10个点(即间隔1℃)进行相减得到电压降，每个电压降再与前一电压降相除得到可以表征电压下降快慢的比值，若该比值大于或者等于1.8，则该点为水活度剧烈点，该点对应的水活度为水活度预设值。比如说，对于第10个点和第20个点之间的电压降，它的前一电压降是指第10个点和第0个点之间的电压降，如果这两个电压降的比值大于或者等于1.8，则第10个点即为水活度剧烈点，第10个点对应的水活度即为水活度预设值。本实施例的遍历检索过程是按照温度从低到高的顺序进行的，当确定水活度剧烈点后，则停止遍历检索，且每个子电堆都会对应进行上述离线测试过程，进而通过上述步骤即可确定每一个子电堆的唯一的一个水活度剧烈点。
通过上述操作，避免采集信号的间隔过小而带来的检测不准的问题，还能减少采集点，减轻离线测试的工作量。相较于需离线测试大量数据点来辨识燃料电池的性能表征参数，从而得到理想电压-电流关系使其作为性能良好点的依据，测试工作复杂这一现有技术，本实施例的水活度剧烈点为离线测试，测试点少，工作简单，实际运行时通过温、湿度传感器获取温度和湿度信号即可计算出水活度，容易实现。
上述遍历检索水活度剧烈点的代码如下：
Figure BDA0003907506180000061
Figure BDA0003907506180000071
Figure BDA0003907506180000081
本实施例根据采集的各子电堆的实时水活度，再结合离线测试确定的各子电堆的水活度剧烈点量化出表征各子电堆实时运行性能的实时健康因子。
S3：根据各个所述子电堆的实时健康因子对待分配功率进行分配，确定各个所述子电堆的输出功率。
优选的，如图2所示，S3可以包括：
(1)对于每一子电堆的实时健康因子，判断实时健康因子是否为1；若否，则以子电堆作为第一子电堆；若是，则以子电堆作为第二子电堆；
(2)对于每一第一子电堆，以第一子电堆的实时健康因子作为输入，利用自适应模糊整定PID控制算法驱动PWM信号发生器产生PWM信号，并基于PWM信号对DC-DC变换器进行调节，确定第一子电堆的输出功率；
如图3所示，多堆燃料电池的各个子电堆以并联方式通过DC-DC变换器接到电压母线上，本实施例通过在子电堆输出端所采集的相对湿度计算出实时健康因子，与参考值1相减得到误差和误差变化率，经过自适应模糊整定PID控制算法得到比例系数kp、积分作用系数ki、微分作用系数kd三个参数，以控制PWM信号发生器产生PWM信号，通过PWM信号调节DC-DC变换器来对各个子电堆的输出功率进行调节控制。
具体的，如图4所示，自适应模糊整定PID控制算法包括模糊控制器和PID控制器，则以第一子电堆的实时健康因子作为输入，利用自适应模糊整定PID控制算法驱动PWM信号发生器产生PWM信号可以包括：
1)计算第一子电堆的实时健康因子与1的差值，得到误差和误差变化率；
误差为健康因子与1的差值，误差变化率为当前时刻的误差与上一时刻的误差的差值除以当前时刻与上一时刻的时间间隔，即误差变化率等于[e(τ)-e(τ-1)]/Δτ，e(τ)为τ时刻的误差；e(τ-1)为τ-1时刻的误差；Δτ为τ时刻与τ-1时刻之间的时间间隔。
2)以误差和误差变化率作为输入，利用模糊控制器计算PID控制器的控制参数，控制参数包括比例系数、积分作用系数和微分作用系数；
本实施例中，将误差e和误差变化率ec变化范围定义为模糊集上的论域，e的论域为{-1，0，1}，ec的论域为{-1，0，1}。
考虑令测试工作简单化以使实现起来更容易，模糊控制器所用的模糊子集为{NB，ZE，PB}，NB代表负(<0)，ZE代表零(＝0)，PB代表正(>0)，即子集中的元素分别代表负、零、正。
各个模糊子集的隶属度函数可以选择Sigmoid型函数和三角型函数。
基于上述的模糊子集，模糊控制的控制规则有9条，即模糊控制器所用的控制规则包括：
如果误差为NB，误差变化率为NB，则比例系数为PB，积分作用系数为NB，微分作用系数为ZE；
如果误差为NB，误差变化率为ZE，则比例系数为PB，积分作用系数为NB，微分作用系数为NB；
如果误差为NB，误差变化率为PB，则比例系数为ZE，积分作用系数为ZE，微分作用系数为ZE；
如果误差为ZE，误差变化率为NB，则比例系数为PB，积分作用系数为NB，微分作用系数为ZE；
如果误差为ZE，误差变化率为ZE，则比例系数为ZE，积分作用系数为ZE，微分作用系数为ZE；
如果误差为ZE，误差变化率为PB，则比例系数为NB，积分作用系数为PB，微分作用系数为ZE；
如果误差为PB，误差变化率为NB，则比例系数为ZE，积分作用系数为ZE，微分作用系数为PB；
如果误差为PB，误差变化率为ZE，则比例系数为NB，积分作用系数为PB，微分作用系数为PB；
如果误差为PB，误差变化率为PB，则比例系数为NB，积分作用系数为PB，微分作用系数为PB。
上述9条模糊规则的表示如下：
If(e is NB)and(ec is NB)，then(kp is PB)(ki is NB)(kd is ZE)；
If(e is NB)and(ec is ZE)，then(kp is PB)(ki is NB)(kd is NB)；
If(e is NB)and(ec is PB)，then(kp is ZE)(ki is ZE)(kd is ZE)；
If(e is ZE)and(ec is NB)，then(kp is PB)(ki is NB)(kd is ZE)；
If(e is ZE)and(ec is ZE)，then(kp is ZE)(ki is ZE)(kd is ZE)；
If(e is ZE)and(ec is PB)，then(kp is NB)(ki is PB)(kd is ZE)；
If(e is PB)and(ec is NB)，then(kp is ZE)(ki is ZE)(kd is PB)；
If(e is PB)and(ec is ZE)，then(kp is NB)(ki is PB)(kd is PB)；
If(e is PB)and(ec is PB)，then(kp is NB)(ki is PB)(kd is PB)；
则基于上述论域、模糊子集、隶属函数和模糊规则，以误差和误差变化率作为输入，利用模糊控制器计算PID控制器的控制参数可以包括：通过隶属函数对误差和误差变化率进行模糊化处理，得到模糊化结果，根据模糊化结果和预先建立的模糊规则计算控制参数的隶属度，再对控制参数的隶属度进行解模糊处理，得到控制参数的修正值，解模糊处理可以采用面积中心法、面积平分法、最大隶属度法(最大值、最小值或者平均值)，上述过程可以利用模糊推理机完成，即经过模糊推理机得到比例系数kp、积分作用系数ki、微分作用系数kd的修正值Δkp(e(k)，ec(k))、Δki(e(k)，ec(k))和Δkd(e(k)，ec(k))，代入下式即可得到控制参数的优化输出kp(k)、ki(k)、kd(k)，
kp(k)＝kp(0)+Δkp(e(k)，ec(k))；
ki(k)＝ki(0)+Δki(e(k)，ec(k))；
kd(k)＝kd(0)+Δkd(e(k)，ec(k))；
其中，kp(0)、ki(0)、kd(0)分别为kp、ki、kd的初始取值。
3)基于控制参数，利用PID控制器驱动PWM信号发生器产生PWM信号。
脉冲宽度调制(PWM)方法(如SPWM，SVPWM等)是通过控制开关管的通断(即导通和关断)来获得想要的脉冲输出，而控制开关管的通断就需要设计相应的控制策略，本实施例采用的PID控制器便用于产生控制策略，通过PID控制器输出调制波来控制开关管的通断，从而形成PWM信号，通过PWM信号的高低电平来控制DC-DC控制器中的MOSFET管的通断，以对第一子电堆的输出功率进行控制，其有恒压模式和恒流模式，通过电压外环和电流内环来快速控制。本实施例中，可通过商业软件如matlab产生PWM信号，可通过Fuzzy工具箱来快速搭建模糊控制部分。
本实施例通过自适应模糊整定PID控制算法来调控DC-DC变换器，可避免重复的调试工作，且控制参数能随被控***特性的变化和环境的改变而不断进行调节，在保证***稳定的前提下可以构成自适应控制规律。
(3)计算待分配功率与所有第一子电堆的输出功率的和值的差值，得到剩余功率；对剩余功率进行平均分配，得到每一第二子电堆的输出功率。
在对每一第一子电堆进行控制后，便可利用安装在电压母线的多个电流传感器和电压传感器来获得每一第一子电堆的输出电压和输出电流，计算输出电压和输出电流的乘积，即可得到每一第一子电堆的输出功率。计算所有第一子电堆的输出功率的和值，再令待分配功率减去该和值，即可得到剩余功率。对剩余功率进行平均分配，即可得到每一第二子电堆的输出功率。此时，仍然通过PWM信号发生器和DC-DC变换器来实现每一第二子电堆的输出功率的调节，具体的，PWM信号发生器基于第二子电堆的输出功率产生相应的PWM信号，利用该PWM信号对DC-DC变换器进行控制，即可完成第二子电堆的输出功率的调节过程。
本实施例在接收到待分配功率时便开始进行分配，实时计算健康因子，并实时进行功率分配，并且分配完成后，再在下一分配时刻计算健康因子，实时进行功率分配，持续这一分配过程，本实施例所提出的功率分配策略，根据健康因子的大小，对于偏离设定健康因子1的子电堆，将其健康因子与参考值1相对比得到误差和误差变化率，经过自适应模糊整定PID算法得到kp、ki、kd的优化值，以对PWM信号发生器进行调控，得到PWM信号，再通过PWM信号对DC-DC变换器进行调节，其余子电堆进行平均功率分配，实现对燃料电池输出功率的自适应分配，使各子电堆在线性段工作，保持各子电堆的良好性能。
为了解决多堆燃料电池性能及耐久性的问题，本实施例提出了一种基于燃料电池水活度校正的多堆燃料电池输出功率分配方法，该方法通过监测燃料电池***的水活度，计算实时的健康因子，并以此为校正的依据对燃料电池性能下降较快的部分(极化曲线后半段)进行功率调节，保持燃料电池电堆在线性段工作以维持电堆良好性能，增加***寿命。考虑到燃料电池工作环境及状态的变化，采用基于自适应模糊整定的PID参数在线优化整定算法调整kp、ki、kd三个参数，自适应地调节传给DC-DC控制器的PWM信号，实现多堆燃料电池输出功率分配，通过功率分配使各子电堆回归设定健康因子1，从而达到各子电堆在合适的条件下稳定运行，延长使用寿命的目的。
本实施例中，通过健康因子来判断电堆偏离水活度剧烈点(即输出电压下降较快的临界点)的程度，再将健康因子作为模糊分配算法的输入来修正三个控制参数，用来对PWM信号进行调控从而完成分配过程，主要针对燃料电池性能下降较快的极化曲线后半段进行控制，有利于在保持电堆工作稳定的前提下使性能得到调节，避免调节振荡。不振荡是因为只有当超出临界点时分配算法才会响应，调节回来后保持稳定运行，与最优分配类的分配策略相比，它们是按照某个工况下最优路径来调节，由于燃料电池输出功率响应的迟滞性，可能因为上一时间点调节的效果改变了工况点(若某两次调节的开始工况点互为对方调节后的工况点或临近)，继而引发再次调节，循环往复。
实施例2：
本实施例用于提供一种基于水活度校正的多堆燃料电池输出功率分配***，如图5所示，所述分配***包括：
信息采集模块M1，用于采集多堆燃料电池中每一子电堆的相对湿度，得到实时水活度；
健康因子计算模块M2，用于对于每一所述子电堆，根据所述实时水活度计算所述子电堆的实时健康因子；
分配模块M3，用于根据各个所述子电堆的实时健康因子对待分配功率进行分配，确定各个所述子电堆的输出功率。
本实施例采集实时的水活度来评估当前燃料电池工作段性能，并导出健康因子作为功率控制的依据；结合自适应模糊整定PID算法，以健康因子偏差为输入，kp、ki、kd为输出调控PWM信号，继而控制DC-DC变换器达到输出功率的自适应调节，主要针对燃料电池性能下降较快的极化曲线后半段进行控制，有利于在保持电堆工作稳定的前提下使性能得到调节，避免调节振荡。
本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种基于水活度校正的多堆燃料电池输出功率分配方法，其特征在于，所述分配方法包括：
采集多堆燃料电池中每一子电堆的相对湿度，得到实时水活度；
对于每一所述子电堆，根据所述实时水活度计算所述子电堆的实时健康因子；
根据各个所述子电堆的实时健康因子对待分配功率进行分配，确定各个所述子电堆的输出功率。
2.根据权利要求1所述的分配方法，其特征在于，所述实时健康因子的计算公式为：
Figure FDA0003907506170000011
其中，H为实时健康因子；a为实时水活度；aacute为水活度预设值；Δa为实时水活度与水活度预设值的差值。
3.根据权利要求2所述的分配方法，其特征在于，所述水活度预设值为基于离线测试所确定的水活度剧烈点处的水活度；
所述离线测试包括：
对燃料电池进行电压-电流测试，获取多个温度下的燃料电池的输出电压和水活度，构建第一输出电压集合和第一水活度集合；相邻所述温度之间间隔N摄氏度；
利用拉格朗日插值法分别对所述第一输出电压集合和所述第一水活度集合进行插值，得到第二输出电压集合和第二水活度集合；所述第二输出电压集合的相邻输出电压所对应的温度之间间隔M摄氏度，所述第二水活度集合的相邻水活度所对应的温度之间间隔M摄氏度；M小于N；
对于所述第二输出电压集合的每一第一输出电压，根据所述第一输出电压对应的第一温度确定与所述第一温度间隔N摄氏度的第二温度和第三温度，计算所述第一输出电压与所述第二温度对应的第二输出电压之间的第一电压降以及所述第一输出电压与所述第三温度对应的第三输出电压之间的第二电压降；判断所述第一电压降和所述第二电压降的比值是否大于或者等于预设比值；若是，则所述第一温度为水活度剧烈点；所述第一温度对应的水活度即为所述水活度预设值。
4.根据权利要求1所述的分配方法，其特征在于，所述根据各个所述子电堆的实时健康因子对待分配功率进行分配，确定各个所述子电堆的输出功率具体包括：
对于每一所述子电堆的实时健康因子，判断所述实时健康因子是否为1；若否，则以所述子电堆作为第一子电堆；若是，则以所述子电堆作为第二子电堆；
对于每一所述第一子电堆，以所述第一子电堆的实时健康因子作为输入，利用自适应模糊整定PID控制算法驱动PWM信号发生器产生PWM信号，并基于所述PWM信号对DC-DC变换器进行调节，确定所述第一子电堆的输出功率；
计算待分配功率与所有所述第一子电堆的输出功率的和值的差值，得到剩余功率；对所述剩余功率进行平均分配，得到每一所述第二子电堆的输出功率。
5.根据权利要求4所述的分配方法，其特征在于，所述自适应模糊整定PID控制算法包括模糊控制器和PID控制器，则所述以所述第一子电堆的实时健康因子作为输入，利用自适应模糊整定PID控制算法驱动PWM信号发生器产生PWM信号具体包括：
计算所述第一子电堆的实时健康因子与1的差值，得到误差和误差变化率；
以所述误差和所述误差变化率作为输入，利用所述模糊控制器计算所述PID控制器的控制参数；所述控制参数包括比例系数、积分作用系数和微分作用系数；
基于所述控制参数，利用所述PID控制器驱动PWM信号发生器产生PWM信号。
6.根据权利要求5所述的分配方法，其特征在于，所述模糊控制器所用的模糊子集为{NB，ZE，PB}，NB代表负，ZE代表零，PB代表正；
所述模糊控制器所用的控制规则包括：
如果误差为NB，误差变化率为NB，则比例系数为PB，积分作用系数为NB，微分作用系数为ZE；
如果误差为NB，误差变化率为ZE，则比例系数为PB，积分作用系数为NB，微分作用系数为NB；
如果误差为NB，误差变化率为PB，则比例系数为ZE，积分作用系数为ZE，微分作用系数为ZE；
如果误差为ZE，误差变化率为NB，则比例系数为PB，积分作用系数为NB，微分作用系数为ZE；
如果误差为ZE，误差变化率为ZE，则比例系数为ZE，积分作用系数为ZE，微分作用系数为ZE；
如果误差为ZE，误差变化率为PB，则比例系数为NB，积分作用系数为PB，微分作用系数为ZE；
如果误差为PB，误差变化率为NB，则比例系数为ZE，积分作用系数为ZE，微分作用系数为PB；
如果误差为PB，误差变化率为ZE，则比例系数为NB，积分作用系数为PB，微分作用系数为PB；
如果误差为PB，误差变化率为PB，则比例系数为NB，积分作用系数为PB，微分作用系数为PB。
7.一种基于水活度校正的多堆燃料电池输出功率分配***，其特征在于，所述分配***包括：
信息采集模块，用于采集多堆燃料电池中每一子电堆的相对湿度，得到实时水活度；
健康因子计算模块，用于对于每一所述子电堆，根据所述实时水活度计算所述子电堆的实时健康因子；
分配模块，用于根据各个所述子电堆的实时健康因子对待分配功率进行分配，确定各个所述子电堆的输出功率。
CN202211312313.1A 2022-10-25 2022-10-25 基于水活度校正的多堆燃料电池输出功率分配方法及*** Pending CN115602891A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211312313.1A CN115602891A (zh) 2022-10-25 2022-10-25 基于水活度校正的多堆燃料电池输出功率分配方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211312313.1A CN115602891A (zh) 2022-10-25 2022-10-25 基于水活度校正的多堆燃料电池输出功率分配方法及***

Publications (1)

Publication Number Publication Date
CN115602891A true CN115602891A (zh) 2023-01-13

Family

ID=84849016

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211312313.1A Pending CN115602891A (zh) 2022-10-25 2022-10-25 基于水活度校正的多堆燃料电池输出功率分配方法及***

Country Status (1)

Country Link
CN (1) CN115602891A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116341395A (zh) * 2023-05-29 2023-06-27 西北工业大学 多堆燃料电池飞机的能量管理方法、***、设备及终端

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116341395A (zh) * 2023-05-29 2023-06-27 西北工业大学 多堆燃料电池飞机的能量管理方法、***、设备及终端

Similar Documents

Publication Publication Date Title
Reddy et al. ANFIS-MPPT control algorithm for a PEMFC system used in electric vehicle applications
CN111953013B (zh) 真双极柔性直流输电***故障下的自适应优化调控方法
CN108832159B (zh) 一种燃料电池控制***及控制方法
Chen The dynamics analysis and controller design for the PEM fuel cell under gas flowrate constraints
Meidanshahi et al. Dynamic modeling, optimization and control of power density in a PEM fuel cell
CN111584906B (zh) 一种基于深度强化学习的燃料电池***的燃料供给方法
CN112035949B (zh) 一种结合q增强学习的实时模糊能源管理方法
Qi et al. Dynamic modelling and controlling strategy of polymer electrolyte fuel cells
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
CN100595954C (zh) 一种燃料电池控制***及控制方法
CN111948562B (zh) 一种燃料电池全生命周期监控与评估***
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***
CN113862728B (zh) Pem纯水电解制氢的压力控制方法、***、设备及介质
KR102086352B1 (ko) 연료전지-배터리 간 전력 분배를 수행하는 하이브리드 전력 시스템
Chen Robust voltage tracking control for proton exchange membrane fuel cells
Luo et al. Model-free adaptive control for the PEMFC air supply system based on interval type-2 fuzzy logic systems
CN115545579A (zh) 一种用于用户柔性资源的聚合智控方法和***
Chen et al. Membrane humidity control of proton exchange membrane fuel cell system using fractional-order PID strategy
Choudhury et al. Improvement of performance and quality of power in grid tied SOFC through crow search optimization technique
CN112563541A (zh) 一种改进粒子群pid的燃料电池阴极压力控制方法
Sreedharan et al. Mathematical modelling of polymer electrolyte membrane fuel cell and fuzzy-based intelligent controllers for performance enhancement
CN113359436A (zh) 微生物燃料电池的t-s模糊保性能控制方法及***
Karimi et al. Voltage control of PEMFC using a new controller based on reinforcement learning
CN114488821B (zh) 燃料电池过氧比的区间经济模型预测控制方法及***
CN115716469A (zh) 一种混合动力***的输出功率分配控制方法

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