本发明涉及能源领域,更具体地说,涉及一种配备复合换热器的金属氢化物储氢系统及控制方法。
背景技术:
1、金属氢化物储氢系统是以储氢材料为储氢介质提供氢气供应的系统,既是一个反应器,又是一个热交换器。储氢材料在吸氢时释放热量,在脱氢时必须由外部获得热量,由此引发的热效应将导致系统温度急剧升高或降低,阻碍吸/脱氢过程的快速进行。金属氢化物吸/脱氢过程中显著的热效应问题严重影响了其储氢性能和吸/脱氢反应速率。
2、金属氢化物储氢系统的集成设计和性能调控是实现其安全高效储氢的重要手段,也是未来重点研究方向之一。金属氢化物储氢系统的集成设计主要与储罐结构和换热器布置相关,其性能调控则与反应速率紧密相连。
技术实现思路
1、本发明要解决的技术问题在于,提供一种配备复合换热器的金属氢化物储氢系统及控制方法,其通过数值模拟与bp神经网络数据分析,确立配备复合换热器的金属氢化物装置供氢速率与不同操作条件的对应关系,实现供氢速率的预测,满足不同工况下的用氢需求。
2、本发明解决其技术问题所采用的技术方案是:构造一种配备复合换热器的金属氢化物储氢系统,包括氢量预测系统、复合换热器和金属氢化物储罐,所述复合换热器包括外置换热器与内置换热器,所述外置换热器包括相变材料和金属泡沫,所述相变材料和金属泡沫以外套形式设置在金属氢化物储罐外侧,所述内置换热器包括内置在金属氢化物储氢罐中的管式换热器和金属翅片,所述氢量预测系统用于预测用氢设备不同工况下的氢气需求。
3、按上述方案,所述氢量预测系统包括基于bp神经网络的控制器。
4、按上述方案,所述金属泡沫为具有高通气性、高比表面积和毛细力的金属镍;所述相变材料为商用石蜡rt35;所述管式换热器中设置冷却液,所述冷却液为水;所述金属翅片为表面光滑、比表面积大的金属薄片。
5、本发明还提供一种权利要求1所述的配备复合换热器的金属氢化物储氢系统的控制方法,包括以下步骤:
6、s1、建立金属氢化物储氢系统的数值模型;
7、s2、将金属氢化物床中监控点温度和系统储氢量的模拟值和实验数据进行对比,检验数值模型的有效性;
8、s3、基于已验证的金属氢化物储氢模型,构建配备复合换热器的金属氢化物储氢模型;
9、s4、选取操作参数,进行参数研究,分析不同操作参数条件下,配备复合换热器的金属氢化物储氢系统供氢速率的演变规律;
10、s5、基于参数研究结果,构建数据集;将数据集分为训练集、测试集、验证集,在训练bp神经网络的模型的同时验证数据集的准确性;构建bp神经网络模型,以上述操作条件作为输入量,以供氢速率作为输出量,利用已有的数据集训练bp神经网络,确立不同操作条件与供氢速率的对应关系,实现对金属氢化物储氢系统供氢速率的预测。
11、按上述方案,所述步骤s1中,所述数值模型为针对金属氢化物储氢系统尺寸和实验条件、内置金属氢化物的物性参数、氢气的物性参数、以及质量守恒定律、动量守恒定律、能量守恒定律、金属氢化物反应动力学方程、平衡压力方程和理想气体状态方程,基于多物理场仿真软件comsol建立。
12、按上述方案,所述步骤s3中,在金属氢化物储氢模型中,在金属氢化物储罐内部新增螺旋管换热器,在金属氢化物储罐外部新增相变材料换热器。
13、按上述方案,所述步骤s4中,选取的所述操作参数包括换热系数、循环水温度、罐内压力。
14、按上述方案,所述步骤s5中,所述数据集分为训练集、测试集、验证集,所述训练集、测试集、验证集按0.70:0.15:0.15比例分类。
15、按上述方案,所述训练集用来训练模型内参数的数据集;所述验证集用于在训练过程中检验模型的状态和收敛情况;所述测试集用于评价模型泛化能力。
16、按上述方案,所述步骤s5中,所述bp神经网络分为:输入层、隐藏层、输出层;所述隐藏层数为3;神经元个数为输入量*2+1,共计13。
17、实施本发明的配备复合换热器的金属氢化物储氢系统及控制方法,具有以下有益效果:
18、1、本发明配备复合换热系统,可实现宽幅度的供氢速率调控;
19、2、本发明配备的相变材料可吸收金属氢化物吸氢过程中释放的热量,并用于脱氢过程,可实现热量回收利用;
20、3、本发明涉及基于bp神经网络模型脱氢速率预测方法,根据不同控制条件参数可在数秒内可预测得到脱氢速率,而对于相同金属氢化物储氢系统通过comsol软件建立的数值模型至少需要耗费数小时才能计算得到脱氢速率,计算效率大幅提升;
21、4、本发明中的基于bp神经网络的用氢量预测模型具有一定的普适性,适用于不同种类用氢的设备、不同容量的储氢系统。
1.一种配备复合换热器的金属氢化物储氢系统,其特征在于,包括氢量预测系统、复合换热器和金属氢化物储罐,所述复合换热器包括外置换热器与内置换热器,所述外置换热器包括相变材料和金属泡沫,所述相变材料和金属泡沫以外套形式设置在金属氢化物储罐外侧,所述内置换热器包括内置在金属氢化物储氢罐中的管式换热器和金属翅片,所述氢量预测系统用于预测用氢设备不同工况下的氢气需求。
2.根据权利要求1所述的配备复合换热器的金属氢化物储氢系统,其特征在于,所述氢量预测系统包括基于bp神经网络的控制器。
3.根据权利要求1所述的配备复合换热器的金属氢化物储氢系统,其特征在于,所述金属泡沫为具有高通气性、高比表面积和毛细力的金属镍;所述相变材料为商用石蜡rt35;所述管式换热器中设置冷却液,所述冷却液为水;所述金属翅片为表面光滑、比表面积大的金属薄片。
4.一种权利要求1所述的配备复合换热器的金属氢化物储氢系统的控制方法,其特征在于,包括以下步骤:
5.根据权利要求4所述的配备复合换热器的金属氢化物储氢系统的控制方法,其特征在于,所述步骤s1中,所述数值模型为针对金属氢化物储氢系统尺寸和实验条件、内置金属氢化物的物性参数、氢气的物性参数、以及质量守恒定律、动量守恒定律、能量守恒定律、金属氢化物反应动力学方程、平衡压力方程和理想气体状态方程,基于多物理场仿真软件comsol建立。
6.根据权利要求4所述的配备复合换热器的金属氢化物储氢系统的控制方法,其特征在于,所述步骤s3中,在金属氢化物储氢模型中,在金属氢化物储罐内部新增螺旋管换热器,在金属氢化物储罐外部新增相变材料换热器。
7.根据权利要求4所述的配备复合换热器的金属氢化物储氢系统的控制方法,其特征在于,所述步骤s4中,选取的所述操作参数包括换热系数、循环水温度、罐内压力。
8.根据权利要求4所述的配备复合换热器的金属氢化物储氢系统的控制方法,其特征在于,所述步骤s5中,所述数据集分为训练集、测试集、验证集,所述训练集、测试集、验证集按0.70:0.15:0.15比例分类。
9.根据权利要求8所述的配备复合换热器的金属氢化物储氢系统的控制方法,其特征在于,所述训练集用来训练模型内参数的数据集;所述验证集用于在训练过程中检验模型的状态和收敛情况;所述测试集用于评价模型泛化能力。
10.根据权利要求4所述的配备复合换热器的金属氢化物储氢系统的控制方法,其特征在于,所述步骤s5中,所述bp神经网络分为:输入层、隐藏层、输出层;所述隐藏层数为3;神经元个数为输入量*2+1,共计13。