一种基于萤火虫算法的氢氧燃料电池模型优化方法技术

本发明专利技术涉及一种基于萤火虫算法的氢燃料电池模型优化方法，针对模型搭建时参数难以选择的问题，建立符合工程标准的燃料电池Matlab/Simulink模型，并引入了萤火虫算法对模型各参数进行了整体优化选择，最后通过基于实际60w氢氧燃料电池参数的整体仿真测试确定了模型曲线的整体正确性，调整参数至30kw氢氧燃料电池模型后，又选取了某实际30kw氢氧燃料电池模型工作点进行比对，验证了模型的普适性。通过本发明专利技术，建立能准确预测氢氧燃料电池性能的燃料电池仿真模型，对于氢氧燃料电池的设计和研发周期至关重要，可以节约大量人力物力，缩短研发周期，提高研发效率，对于加速燃料电池的商业化进程具有重要意义。电池的商业化进程具有重要意义。电池的商业化进程具有重要意义。

【技术实现步骤摘要】
一种基于萤火虫算法的氢氧燃料电池模型优化方法


[0001]本专利技术属于氢氧燃料电池的
，具体涉及一种基于萤火虫算法的氢燃料电池模型优化方法，进一步对氢氧燃料电池模型建模的优化。

技术介绍

[0002]燃料电池是把燃料中的化学能直接转化为电能的能量转化装置。氢氧燃料电池以氢气为原料，其电能来自于氢氧的聚合，是一个可逆的电化学反应过程。由于氧可以从空气中获得，所以，只要不断给负极供应氢，并及时把水带走，燃料电池就可以不断地提供电能。与传统动力装置相比，燃料电池的能量转化效率高达60％～80％，为内燃机的2～3倍。且电池的燃料是氢和氧，生成物是清洁的水，它本身工作不产生CO和CO2，没有硫和微粒排出，也不会产生氮氧化物。

技术实现思路

[0003]本专利技术为了解决上述提到的问题，提供了一种基于萤火虫算法的氢氧燃料电池模型优化方法。
[0004]本专利技术解决其技术问题所采用的技术方案是：构造一种基于萤火虫算法的氢氧燃料电池模型优化方法，包括：
[0005]步骤S1，确定氢氧燃料电池模型的电池电压，并进一步确定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于萤火虫算法的氢氧燃料电池模型优化方法，其特征在于，包括以下步骤：步骤S1，确定氢氧燃料电池模型的电池电压V
cell
，并进一步确定氢氧燃料电池模型的性能参数，构建氢氧燃料电池模型；步骤S2，在建立氢氧燃料电池模型之后，选择引入萤火虫算法对模型进行求解；步骤S3，在对氢氧燃料电池模型工作电压进行建模之前，将实际燃料电池理想化，在允许的范围内降低参数要求，按照惯例做出假设；步骤S4，针对完整氢氧燃料电池模型进行仿真；利用Simulink建立的氢氧燃料电池输出电压模型，包含理论电压模型、活化电压模型、电阻电压损耗模型和浓度极化电压4个模块，通过虚拟电压表测得各模块输出电压以及氢氧燃料电池模型最终输出电压；步骤S5，通过基于实际60w氢氧燃料电池参数的整体仿真测试确定模型曲线的整体正确性，调整参数至30kw氢氧燃料电池后，选取实际30kw氢氧燃料电池工作点进行比对，验证模型的普适性。2.根据权利要求1所述的基于萤火虫算法的氢氧燃料电池模型优化方法，其特征在于：电池电压V
cell
由式(1)中的各参数决定；V
cell
＝V
theory
‑
V
act
‑
V
ohm
‑
V
conc
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，V
theory
指代的是理论电压，V
act
指代的是活化极化电压，V
ohm
指代的是电阻电压，V
conc
指代的是浓度极化电压。3.根据权利要求2所述的基于萤火虫算法的氢氧燃料电池模型优化方法，其特征在于：在步骤S1中所述的燃料电池理论电压V
theory
的具体计算公式如下，T
′
＝(T
‑
298.15)
×
8.5
×
10
‑4ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)式中，p
H2
指代的是氢气分压，p
O2
指代的是氧气分压，T指代的是温度，C代表的是常数；所述活化极化电压V
act
，具体计算公式如下:式中，参数R取值为8.3145，参数F取值为96485，参数α取值为1；T指代的是温度，i指代的是电流密度，i0为常数，为简化之后的理论分析将i0取值为0.1；所述电阻电压V
ohm
，具体计算公式如下：V
ohm
＝i
·
R
i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)式中，i指代的是电流密度，而电阻R
i
由式(5)中各部分组成电阻决定；R
i
＝R
i,i
+R
i,e
+R
i,c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)对于电阻R
i,c
，有式(6)得式中，A和l均为常数，将A取值为100，l取值为0.0127；而ρ
M
则由式(7)决定；
其中，A为式(6)中的常数，取值为1...

【专利技术属性】
技术研发人员：周正康，王卓尔，魏岚，王庆宇，李政颖，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：