【技术实现步骤摘要】
一种基于深度强化学习的燃料电池系统的燃料供给方法
本专利技术涉及燃料电池
,尤其涉及一种基于深度强化学习中的确定性策略梯度(DDPG)的燃料电池系统的燃料供给方法。
技术介绍
在能源逐渐枯竭的今天,传统的化石燃料载具也在尝试变革,新能源汽车、电驱动飞行器、新能源船舶等应运而生,而氢燃料电池混合动力系统,则是其中的一种能源解决方案。而目前燃料电池系统的燃料供给方法,大多是各种智能算法来控制空气压缩机的电压,目的是为了跟随最佳的过氧比。该种控制方法可以较为优秀的保证燃料电池的工作效率和使用寿命。但是,这种燃料电池系统的燃料供给方法也存在一些问题:由于燃料电池系统的目的只是跟随最佳过氧比,而由于附件损耗的问题,氢气的供给只是简单的按照一定的比例过量通入,不能够准确及时的满足由能量控制策略分配的燃料电池系统的功率需求。因此,需要突破传统方案的桎梏,进一步现多控制量、多目标的控制。
技术实现思路
本专利技术的实施例提供一种基于深度强化学习的燃料电池系统的燃料供给方法,能够及时准确的满足能量控制策略分配的燃料电池功率需求,且燃料电池系统的过氧比能很好的跟随最佳过氧比,改善燃料电池的使用效率和寿命。为达到上述目的,本专利技术的实施例采用如下技术方案:获取燃料电池系统的工况数据的样本集合,根据所述工况数据的样本集合得到功率需求,其中,所述工况数据至少包括:速度信息;利用DDPG控制器和所述功率需求,训练工况预测模型,其中,所述DDPG控制器的目标为:在燃料电池系统输出功率,满 ...
【技术保护点】
1.一种基于深度强化学习的燃料电池系统的燃料供给方法,其特征在于,包括:/n获取燃料电池系统的工况数据的样本集合,根据所述工况数据的样本集合得到功率需求,其中,所述工况数据至少包括:速度信息;/n利用DDPG控制器和所述功率需求,训练工况预测模型,其中,所述DDPG控制器的目标为:在燃料电池系统输出功率,满足能量控制策略需求功率的同时,保持过氧比在预设范围内,所述工况预测模型包括:氢气流量控制阀模型、空气压缩机模型和燃料电池系统模型;/n将实际的工况数据输入所述工况预测模型,得到速度预测序列;/n利用所述速度预测序列,得到所述燃料电池系统的实际功率需求,并根据所述实际功率需求控制所述燃料电池系统的氢气流量阀和空气压缩机。/n
【技术特征摘要】
1.一种基于深度强化学习的燃料电池系统的燃料供给方法,其特征在于,包括:
获取燃料电池系统的工况数据的样本集合,根据所述工况数据的样本集合得到功率需求,其中,所述工况数据至少包括:速度信息;
利用DDPG控制器和所述功率需求,训练工况预测模型,其中,所述DDPG控制器的目标为:在燃料电池系统输出功率,满足能量控制策略需求功率的同时,保持过氧比在预设范围内,所述工况预测模型包括:氢气流量控制阀模型、空气压缩机模型和燃料电池系统模型;
将实际的工况数据输入所述工况预测模型,得到速度预测序列;
利用所述速度预测序列,得到所述燃料电池系统的实际功率需求,并根据所述实际功率需求控制所述燃料电池系统的氢气流量阀和空气压缩机。
2.根据权利要求1所述的方法,其特征在于,对所述DDPG控制器的目标进行设置,包括:
定义DDPG控制器中的参数,包括:观测量(observation)、控制量(action)、程序提前终止条件(isdone)和回报函数(reward);
构建所述DDPG控制器的用于模型训练的双层神经网络。
3.根据权利要求2所述的方法,其特征在于,所述观测量(observation)包括:燃料电池系统的需求功率Pref,燃料电池系统实际输出功率P,电池系统实际输出功率与燃料电池系统需求功率的差值ΔP,燃料电池系统实际输出功率P与燃料电池系统需求功率的差值的变化率最佳过氧比当前燃料电池系统的过氧比当前燃料电池系统的过氧比与最佳过氧比的差值当前燃料电池系统的过氧比与最佳过氧比的差值的变化率
所述控制量(action)包括:氢气流量阀的控制电压ufcv,和输入空气压缩机的电压u;
所述程序提前终止条件(isdone)包括:当燃料电池系统的过氧比时提前终止程序;
所述回报函数(reward)如下:
Mt表示惩罚项,当的时候,Mt=1,否则Mt=0;Ms为奖励项,当的时候,Ms=1,否则Ms=0;Md也是奖励项,当的时候,Md=1,否则Md=0。
4.根据权利要求1所述的方法,其特征在于,还包括获取氢气流量控制阀模型:
获取所述氢气流量控制阀的控制输入信号Wfcv=ufcvWfcv,max,其中,ufcv是氢气流量阀的控制电压,范围是0~1;Wfcv,max是喷嘴全开时的质量流量,所述氢气流量控制阀为可变开度喷嘴;
获取氢气在供给歧管中的动态过程其中,是阳极供给歧管中氢气的压力,是氢气的气体常数,Tsm是供给歧管温度,Vsm是供给歧管的体积,是进入阳极供给管道的氢气质量流,是阳极供给歧管流出的氢气质量流。
5.根据权利要求4所述的方法,其特征在于,还包括获取空气压缩机模型:
所述空气压缩机的模型包括:
其中,ωcp是空气压缩机的转速,Jcp是空气压缩机旋转部件的转动惯量,τcm是空气压缩机电机的扭矩,τcp是空气压缩机输出端的...
【专利技术属性】
技术研发人员:周健豪,廖宇晖,刘军,张仁鹏,薛源,薛四伍,顾诚,孙开培,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。