一种质子交换膜燃料电池系统的提效增寿方法

本发明属于燃料电池技术领域，特别是涉及一种质子交换膜燃料电池系统的提效增寿方法。

背景技术：

能源与国家综合实力和人民生活水平息息相关，是可持续发展的必需品。随着人类社会的迅速发展，能源的需求量日益增大。传统的化石能源日益减少，环境恶化日益严重，能源结构亟需改变。氢能因其效率高、无污染等优点，得到了全球范围的广泛认可和高度重视。作为人类社会的终极能源，氢能的大规模应用也已迎来了蓬勃期。其中燃料电池作为氢能应用的重要途径，可以直接将化学能转化为电能，并且具有高达40％～60％能量转化效率、环境友好等特点，已经受到各国政府和公司的重视。

目前燃料电池已在各行业领域得到不同程度的发展，而在轨道交通领域，燃料电池的技术应用也是近些年研究的热点问题。传统内燃汽车虽然功率大、爬坡能力强，但有着排气和噪声污染环境缺点，有害健康。电动汽车以蓄电池为动力，无噪声、无尾气排放且操作简单，但是成本相对较高，需要配置充电设备，续航里程短，连续作业时需要配置备用蓄电池，对路面要求高。而以燃料电池及其他储能设备为混合动力源的汽车可有效避免这一传统问题。

在燃料电池混合动力汽车的应用中，pemfc系统需要提供高效的功率以满足车辆在运行过程中的功率需求，例如快速启动，关闭，加速和减速。在这种复杂多变的工作条件下，不可避免地会加速pemfc性能的下降并缩短使用寿命。

现有燃料电池系统优化方法一般认为有两种，第一种是基于最大净功率的优化，另一种是基于最大效率的优化，基于这两种方法的设计原理简单，可操作性强，容易在工程上实现。不过现有方法的设计没有考虑净功率和效率之间的耦合特性，并且忽略了pemfc系统的安全运行问题，在复杂多变的工作环境中，这将导致系统在多目标条件下无法实现最优运行。此外，在燃料电池系统控制器的设计上，pid控制、模糊控制、滑模控制等方法有着广泛的应用。由于pemfc系统是一个复杂的非线性系统，并且其工作特性会随着负载电流的变化而变化，这些方法不能够提供良好的动态响应，容易导致过冲和振荡现象。

技术实现要素：

为了解决上述问题，本发明提出了一种质子交换膜燃料电池系统的提效增寿方法，不仅能够减小过氧比超调和调节时间，提高跟踪能力，而且能在考虑以系统能效和寿命的多目标条件下，以氧饥饿和氧饱和作为系统约束，保证系统优化指标最佳，实现稳定高效运行。

为达到上述目的，本发明采用的技术方案是：一种质子交换膜燃料电池系统的提效增寿方法，包括步骤：

s10，基于质子交换膜燃料电池系统的能效和寿命，建立质子交换膜燃料电池系统综合评价模型；

s20，开展恒流恒压实验，获取质子交换膜燃料电池系统的关键运行参数对于综合评价模型的特征映射关系；

s30，加入氧饥饿以及氧饱和惩罚因子作为系统最优运行区域求解的约束条件加快最优运行区域求解速率；

s40，根据约束下的全局优化策略实现系统实时最优运行区域划分，同时考虑系统运行过程中存在的不确定性，根据系统运行状态动态调整综合评价模型中加权系数比值；

s50，基于数据驱动多模型满意切换的自适应预测控制方法，实现对最优运行区域快速追踪。

进一步的是，在所述步骤s10中，基于质子交换膜燃料电池系统的能效和寿命，建立质子交换膜燃料电池系统综合评价模型：

w1,w2,w3分别为系统归一化系统能效性能评价指标、寿命评价指标以及以安全约束性能指标的加权因子；h1,h2,h3为系统能效评价指标中系统净功率、效率与氢耗的权重，h4,h5为系统寿命评价指标中电压降与膜内阻的权重，h6,h7为氧饥饿和氧饱和的惩罚因子，p^*net、η^*sys、δv^*fc和r^*internal为归一化系统净功率、效率、氢耗、电压降和膜内阻；δλ^*o2,star和δλ^*o2,satu为归一化的氧饥饿指标和氧饱和指标。

进一步的是，在所述步骤s20中，通过恒流恒压实验，在可变负载电流和过氧比下获得系统性能综合评价模型中系统净功率、效率、氢耗、电压降和膜内阻特性数据，通过基于qr分解的多项式拟合，获取质子交换膜燃料电池系统的关键运行参数对于综合评价模型的特征映射关系：

其中，pnet、ηsys、cfc、δvfc、rinternal分别为系统净功率、效率、氢耗、电压降和膜内阻，g1-g5为相应的拟合多项式，为系统过氧比，inet为输出电流。

进一步的是，在所述步骤s30中，氧饥饿和氧饱和的惩罚因子的确定方法为：

其中，h6为氧饥饿，h7为氧饱和的惩罚因子；p，q为正常数，λo2,star和λo2,satu为氧饥饿和氧饱和边界。

进一步的是，在所述步骤s40中，

约束下的全局优化目标函数定义为：

其中，w1,w2,w3分别为系统归一化系统能效性能评价指标、寿命评价指标以及以安全约束性能指标的加权因子；h1,h2,h3为系统能效评价指标中系统净功率、效率与氢耗的权重，h4,h5为系统寿命评价指标中电压降与膜内阻的权重，h6,h7为氧饥饿和氧饱和的惩罚因子；p^*net、η^*sys、c^*fc、δv^*fc、r^*internal分别为归一化的系统净功率、效率、氢耗、电压降和膜内阻；δλ^*o2,star和δλ^*o2,satu为归一化的氧饥饿指标和氧饱和指标；λo2,star和λo2,satu为氧饥饿指标和氧饱和边界，λo2,optimal为最优过氧比；

通过约束下的全局优化策略实现系统最优运行区域划分：

其中，f(λo2,inet)为全局优化目标函数，λo2为过氧比，inet为输出电流。

进一步的是，在所述步骤s40中，根据系统运行状态动态调整综合评价模型中加权系数比值包括系统净功率与效率在系统能效评价指标中的权重采用根据对目标函数贡献度动态调整和系统电压降与膜内组在寿命评价指标中的权重也采用根据对目标函数贡献度动态调整。

进一步的是，所述系统净功率与效率在系统能效评价指标中的权重采用根据对目标函数贡献度动态调整方法为：

h1,h2,h3为系统能效评价指标中系统净功率、效率与氢耗的权重；

其中，p^*net,satu|inet和p^*net,star|inet分别为一定负载电流下氧饱和点下的净功率和氧饥饿点的归一化净功率，η^*sys,star|inet和η^*sys,satu|inet分别为一定负载电流下氧饱和和氧饥饿点下的归一化效率，c^*fc,satu|inet和c^*fc,star|inet分别为一定负载电流下的氧饱和和氧饥饿点下的归一化系统氢耗。

进一步的是，所述系统电压降与膜内组在寿命评价指标中的权重也采用根据对目标函数贡献度动态调整方法为：

h4,h5为系统寿命评价指标中电压降与膜内阻的权重；

式中，δv^*fc,star|inet和δv^*fc,star|inet分别为一定负载电流下氧饱和点和氧饥饿点的归一化输出电压降。

进一步的是，在所述步骤s50，基于数据驱动多模型满意切换的自适应预测控制方法，实现对最优运行区域快速追踪，包括步骤：

s51，建立基于i/o增量形式的面向控制燃料电池系统动态线性化数据模型，该模型表示为：

其中na，nb，nc是系统动态模型中δvcp,k，ek的阶数，z^-1是滞后算子；

作为离散差分方程的定义，a0＝1，b0＝0；在定义的系统预测模型中，

b(z^-1)vcp,k分别代表模型的自回归部分和过去输入的移动平均值；c(z^-1)ek代表可测量的扰动和未建模的系统高阶非线性下的系统动态特性值。

s52，由建立的系统动态线性化数据模型可以得到系统前向n步最小误差的最优预测模型表示为：

将其变换成矩阵形式：

yk代表预测模型在k时刻的的j阶预测向量，δuk是k时刻的δvcp的预测向量，其中δvcp,k(k+j)＝vcp,k(k+j)-vcp,k(k+j-1)；gk代表k时间的控制矩阵；

s53，采用有限时域滚动优化策略，通过对输出误差和控制增量加权的二次型性能指标求取系统的最优控制增量，优化性能指标取：

满足

其中，λo2,k、vcp,k、inet,k分别为当前时刻的过氧比，空压机输入电压，系统输出电流；λo2,max、λo2,min为过氧比上下限，vcp,max、vcp,min为空压机电压上下限；inet,max、inet,min为输出电流上下限；

所求得的最优控制增量为：δuk＝(gk^tgk+λi)^-1gk^t(yr,k-yk)；

λ为控制加权矩阵，用于预防因控制增量的迅猛变化导致系统失稳；

s54，根据系统实时i/o数据，采用基于数据驱动的参数自适应策略，在线更新控制器中的预测模型参数gk:

式中：增益矩阵k(k)表示修正程度，k(k)越大，修正的效果越好；协方差矩阵p(k)用于表征参数辨识值与真实值的差别；在实验中，p(k)的初始值p(0)设定为10³i，用于快速地补偿参数辨识初始值的不准确性；i为单位矩阵；

s55，重复步骤s51-s54，直至实现最优运行区域快速跟踪。

采用本技术方案的有益效果：

本发明通过建立燃料电池系统考虑系统能效和寿命的综合评价模型，开展恒流/恒压实验，获取系统关键运行参数对于系统综合评价模型的特征映射，进一步加入氧饥饿以及氧饱和惩罚因子作为系统最优运行区域求解的约束条件加快最优运行区域求解速率，根据约束下的全局优化策略实现系统实时最优运行区域划分，同时考虑系统运行过程中存在的不确定性，根据系统运行状态动态调整综合评价模型中加权系数比值；通过基于数据驱动技术和有限时域滚动优化策略的自适应预测控制方法，实现对最优运行区域快速追踪。不仅能够减小过氧比超调和调节时间，提高跟踪能力，而且能在考虑以系统能效和寿命的多目标条件下，以氧饥饿和氧饱和作为系统约束，保证系统优化指标最佳，能够有效提高系统输出能效，延长系统使用寿命，对最优运行区域跟踪能力和外部干扰抑制能力强，可以保证系统稳定高效运行。

附图说明

图1为本发明的一种质子交换膜燃料电池系统的提效增寿方法流程示意图；

图2为本发明实施例中多目标实时优化控制过程示意图；

图3为本发明实施例中一种质子交换膜燃料电池系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。

在本实施例中，基于如图3所示的质子交换膜燃料电池系统进行说明，但不仅限于该系统。参见图1-2所示，一种质子交换膜燃料电池系统的提效增寿方法，包括步骤：

s10，基于质子交换膜燃料电池系统的能效和寿命，建立质子交换膜燃料电池系统综合评价模型；

s20，开展恒流恒压实验，获取质子交换膜燃料电池系统的关键运行参数对于综合评价模型的特征映射关系；

s30，加入氧饥饿以及氧饱和惩罚因子作为系统最优运行区域求解的约束条件加快最优运行区域求解速率；

s40，根据约束下的全局优化策略实现系统实时最优运行区域划分，同时考虑系统运行过程中存在的不确定性，根据系统运行状态动态调整综合评价模型中加权系数比值；

s50，基于数据驱动多模型满意切换的自适应预测控制方法，实现对最优运行区域快速追踪。

作为上述实施例的优化方案，在所述步骤s10中，基于质子交换膜燃料电池系统的能效和寿命，建立质子交换膜燃料电池系统综合评价模型：

w1,w2,w3分别为系统归一化系统能效性能评价指标、寿命评价指标以及以安全约束性能指标的加权因子；h1,h2,h3为系统能效评价指标中系统净功率、效率与氢耗的权重，h4,h5为系统寿命评价指标中电压降与膜内阻的权重，h6,h7为氧饥饿和氧饱和的惩罚因子，p^*net、η^*sys、δv^*fc和r^*internal为归一化系统净功率、效率、氢耗、电压降和膜内阻；δλ^*o2,star和δλ^*o2,satu为归一化的氧饥饿指标和氧饱和指标。

作为上述实施例的优化方案，在所述步骤s20中，通过恒流恒压实验，在可变负载电流和过氧比下获得系统性能综合评价模型中系统净功率、效率、氢耗、电压降和膜内阻特性数据，通过基于qr分解的多项式拟合，获取质子交换膜燃料电池系统的关键运行参数对于综合评价模型的特征映射关系：

其中，pnet、ηsys、cfc、δvfc、rinternal分别为系统净功率、效率、氢耗、电压降和膜内阻，g1-g5为相应的拟合多项式，λo2为系统过氧比，inet为输出电流。

作为上述实施例的优化方案，在所述步骤s30中，氧饥饿和氧饱和的惩罚因子的确定方法为：

其中，h6为氧饥饿，h7为氧饱和的惩罚因子；p，q为正常数，λo2,star和λo2,satu为氧饥饿和氧饱和边界。

作为上述实施例的优化方案，在所述步骤s40中，

约束下的全局优化目标函数定义为：

其中，w1,w2,w3分别为系统归一化系统能效性能评价指标、寿命评价指标以及以安全约束性能指标的加权因子；h1,h2,h3为系统能效评价指标中系统净功率、效率与氢耗的权重，h4,h5为系统寿命评价指标中电压降与膜内阻的权重，h6,h7为氧饥饿和氧饱和的惩罚因子；p^*net、η^*sys、c^*fc、δv^*fc、r^*internal分别为归一化的系统净功率、效率、氢耗、电压降和膜内阻；δλ^*o2,star和δλ^*o2,satu为归一化的氧饥饿指标和氧饱和指标；λo2,star和λo2,satu为氧饥饿指标和氧饱和边界，λo2,optimal为最优过氧比；

通过约束下的全局优化策略实现系统最优运行区域划分：

其中，f(λo2,inet)为全局优化目标函数，λo2为过氧比，inet为输出电流。

在所述步骤s40中，根据系统运行状态动态调整综合评价模型中加权系数比值包括系统净功率与效率在系统能效评价指标中的权重采用根据对目标函数贡献度动态调整和系统电压降与膜内组在寿命评价指标中的权重也采用根据对目标函数贡献度动态调整。

所述系统净功率与效率在系统能效评价指标中的权重采用根据对目标函数贡献度动态调整方法为：

h1,h2,h3为系统能效评价指标中系统净功率、效率与氢耗的权重；

其中，p^*net,satu|inet和p^*net,star|inet分别为一定负载电流下氧饱和点下的净功率和氧饥饿点的归一化净功率，η^*sys,star|inet和η^*sys,satu|inet分别为一定负载电流下氧饱和和氧饥饿点下的归一化效率，c^*fc,satu|inet和c^*fc,star|inet分别为一定负载电流下的氧饱和和氧饥饿点下的归一化系统氢耗。

所述系统电压降与膜内组在寿命评价指标中的权重也采用根据对目标函数贡献度动态调整方法为：

h4,h5为系统寿命评价指标中电压降与膜内阻的权重；

式中，δv^*fc,star|inet和δv^*fc,star|inet分别为一定负载电流下氧饱和点和氧饥饿点的归一化输出电压降。

作为上述实施例的优化方案，在所述步骤s50，基于数据驱动多模型满意切换的自适应预测控制方法，实现对最优运行区域快速追踪，包括步骤：

s51，建立基于i/o增量形式的面向控制燃料电池系统动态线性化数据模型，该模型表示为：

其中na，nb，nc是系统动态模型中λo2,k，δvcp,k，ek的阶数，z^-1是滞后算子；作为离散差分方程的定义，a0＝1，b0＝0；在定义的系统预测模型中，b(z^-1)vcp,k分别代表模型的自回归部分和过去输入的移动平均值；c(z^-1)ek代表可测量的扰动和未建模的系统高阶非线性下的系统动态特性值。

s52，由建立的系统动态线性化数据模型可以得到系统前向n步最小误差的最优预测模型表示为：

将其变换成矩阵形式：

yk代表预测模型在k时刻的的j阶预测向量，δuk是k时刻的δvcp的预测向量，其中δvcp,k(k+j)＝vcp,k(k+j)-vcp,k(k+j-1)；gk代表k时间的控制矩阵；

s53，采用有限时域滚动优化策略，通过对输出误差和控制增量加权的二次型性能指标求取系统的最优控制增量，优化性能指标取：

满足

其中，vcp,k、inet,k分别为当前时刻的过氧比，空压机输入电压，系统输出电流；为过氧比上下限，vcp,max、vcp,min为空压机电压上下限；inet,max、inet,min为输出电流上下限；

所求得的最优控制增量为：δuk＝(gk^tgk+λi)^-1gk^t(yr,k-yk)；

λ为控制加权矩阵，用于预防因控制增量的迅猛变化导致系统失稳；

s54，根据系统实时i/o数据，采用基于数据驱动的参数自适应策略，在线更新控制器中的预测模型参数gk:

式中：增益矩阵k(k)表示修正程度，k(k)越大，修正的效果越好；协方差矩阵p(k)用于表征参数辨识值与真实值的差别；在实验中，p(k)的初始值p(0)设定为10³i，用于快速地补偿参数辨识初始值的不准确性；i为单位矩阵；

s55，重复步骤s51-s54，直至实现最优运行区域快速跟踪。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。