基于仿真模型和进化算法的燃料电池系统效率寻优方法技术方案

本发明专利技术公开了一种基于仿真模型和进化算法的燃料电池系统效率寻优方法，包括如下步骤：搭建多维map输入的燃料电池电堆模型，根据不同的输入参数建立不同复杂程度的燃料电池电堆模型；建立基于关键零部件模型、燃料电池电堆模型、空气系统模型、氢气系统模型及冷却系统模型在内的燃料电池全系统仿真模型；计算燃料电池系统仿真模型在不同工况点下的效率；采用优化后的自适应遗传算法，以电流、空压机转速、水泵转速、回流泵转速、节气门开度为输入，以空气入堆压力、空气入堆流量、系统输出净功率、系统冷却路温差为约束条件，以燃料电池全系统仿真模型最高效率为目标值，寻找满足所有约束条件的前提下燃料电池系统的最高效率工作点。工作点。工作点。

【技术实现步骤摘要】
基于仿真模型和进化算法的燃料电池系统效率寻优方法


[0001]本专利技术涉及燃料电池
，尤其涉及一种基于仿真模型和进化算法的燃料电池系统效率寻优方法。

技术介绍

[0002]氢燃料电池是新世纪以来，深受人们欢迎并具有广泛发展前景的一类发电装置，其是以氢气、氧气为燃料，通过电化学反应把燃料中的化学能转化为电能。由于其具备运行温度低、功率密度高、响应速度快、环境污染小等特点，在固定式发电和新能源汽车领域已开始广泛应用。氢燃料电池本身是一个非线性、强耦合的复杂动态系统，耦合燃料电池电堆模型、空气系统模型、氢气系统模型和冷却系统模型的燃料电池全系统模型建模复杂且研究较少。如果能够在前期设计阶段实现仿真模型搭建、并进行虚拟运行、同时计算在满足功率输出需求的前提下系统的最高效率工作点，就可以提前完成系统设计方案的验证，避免系统开发存在的缺陷在试验验证阶段才显现。现有技术中在对燃料电池全系统模型进行搭建时采用的算法仅仅面向燃料电池本体的性能改善，然而燃料电池系统耗能关键零部件还包括水泵、回流泵，影响耗能的其他零部件还包括背压阀、节气门、管路等，现有技术不能反映燃料电池系统整体效率的优化和提升，未开发出燃料电池系统层级的仿真模型，未将系统级仿真模型与进化算法联合控制寻优。

技术实现思路

[0003]根据现有技术存在的问题，本专利技术公开了一种基于仿真模型和进化算法的燃料电池系统效率寻优方法，具体包括如下步骤：
[0004]搭建多维map输入的燃料电池电堆模型，根据不同的输入参数建立不同复杂程度的燃料电池电堆模型；
[0005]建立基于关键零部件模型、燃料电池电堆模型、空气系统模型、氢气系统模型及冷却系统模型在内的燃料电池全系统仿真模型；
[0006]计算燃料电池系统仿真模型在不同工况点下的效率；
[0007]采用优化后的自适应遗传算法，以电流、空压机转速、水泵转速、回流泵转速、节气门开度为输入，以空气入堆压力、空气入堆流量、系统输出净功率、系统冷却路温差为约束条件，以燃料电池全系统仿真模型最高效率为目标值，寻找满足所有约束条件的前提下燃料电池系统的最高效率工作点。
[0008]根据基础的机理模型建立单电池输出特性模型，在单电池输出特性模型的基础上，将实际燃料电池堆节数乘以节数的增益获得燃料电池电堆模型，所述燃料电池电堆模型的电堆输出性能取决于电流、温度、阴极压力和空气化学计量比。
[0009]所述优化后的自适应遗传算法考虑变异算子对于进化计算过程和结果的影响，当种群最大适应度与种群平均适应度之间的差值越小，则增加变异算子取值，避免陷入局部最优解；当种群最大适应度与种群平均适应度之间的差值越大，则减小变异算子的取值，优
化种群进化过程，从而在运算过程中完成变异算子取值的自适应调整。
[0010]在寻找燃料电池系统的最高效率工作点时，将实验采集的空气入堆压力、空气入堆流量、燃料电池系统冷却路温差、燃料电池系统效率、燃料电池系统净功率相关测试结果和燃料电池全系统仿真模型进行对比，在达到最终值稳定后的允许误差内实现燃料电池系统的虚拟运行。
[0011]所述优化后的自适应遗传算法寻找燃料电池系统的最高效率工作点的过程如下：通过随机方式产生若干由确定长度编码的初始群体；利用适应度函数计算每个个体的适应度大小，选择适应度高的个体参与遗传操作，适应度低的个体被淘汰；通过选择、交叉、变异，产生出新一代种群，直到满足停止规则；末代种群中的最优个体经过解码实现从编码空间向解集空间的映射并作为问题的最优解。
[0012]由于采用了上述技术方案，本专利技术提供的一种基于仿真模型和进化算法的燃料电池系统效率寻优方法，该方法中建立了具有多维map输入的燃料电池电堆模型，从系统的层面上简化了各零部件模型的建模过程，结合系统流程图搭建了全系统仿真模型，采用自适应遗传算法，以空气入堆压力、空气入堆流量、系统输出净功率、系统冷却路温差为约束条件，以系统最高效率为目标，寻找满足所有约束条件的前提下，燃料电池系统的最高效率工作点。可以在前期设计阶段实现系统的虚拟运行，计算得到系统的最高效率工作点，对设计方案进行验证并指导燃料电池系统开发与应用。
附图说明
[0013]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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申请中记载的一些实施例，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。
[0014]图1为本专利技术中具有多维map输入的燃料电池电堆模型的输入参数图
[0015]图2为本专利技术中具有多维map输入的燃料电池电堆模型的输入参数图
[0016]图3为本专利技术中自适应遗传算法流程图
[0017]图4为本专利技术中自适应遗传算法作用于全系统仿真模型的关键参数仿真结果图
[0018]图5为本专利技术中关键参数最终值的仿真结果和测试结果对比图
[0019]图6为本专利技术中燃料电池系统仿真模型图
[0020]图7为本专利技术中燃料电池系统效率寻优方法流程示意图
[0021]图中：1、空气过滤器 2、空压机 3、空气管路 4、中冷器 5、节气门 6、燃料电池电堆 7、排氢阀 8、氢气循环泵 9、氢气管路 10、比例阀 11、水泵 12、节温器 13、散热风扇 14、过滤器 15、冷却管路。
具体实施方式
[0022]为使本专利技术的技术方案和优点更加清楚，下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚完整的描述：
[0023]燃料电池电堆的数学模型有经验模型和机理模型两种，针对燃料电池系统级别的仿真，电堆模型也需要从系统的层面上去分析建模。我们采用的Amesim软件内部带有的机
理模型，这个模型是采集了现实工况下燃料电池的实车报文数据，针对燃料电池单节电池的输出特性和工作机理进行线性回归，得到单电池的模型。
[0024]燃料电池电堆模型主要用于计算燃料电池的输出电压。在单体燃料电池的工作进程当中，因为电池内部存在极化现象，会使得电池实际输出电压小于理想输出电压。极化现象会产生极化电压损失，主要包含活化极化过电压、欧姆极化过电压还有浓差极化过电压。单体燃料电池输出电压可用标准电动势减去各种损耗电压表示，表达式为：
[0025]V
fc
＝E
nernst
‑
V
act
‑
V
ohmic
‑
V
con
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0026]式中，E
nernst
为热力学电动势，V
act
是活化过电压，V
ohmic
为欧姆过电压，V
con
为浓差过电压。
[0027]按照氢氧燃料电池的经验公式，热力学电动势可以表示为：
[0028][本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于仿真模型和进化算法的燃料电池系统效率寻优方法，其特征在于包括：搭建多维map输入的燃料电池电堆模型，根据不同的输入参数建立不同复杂程度的燃料电池电堆模型；建立基于关键零部件模型、燃料电池电堆模型、空气系统模型、氢气系统模型及冷却系统模型在内的燃料电池全系统仿真模型；计算燃料电池系统仿真模型在不同工况点下的效率；采用优化后的自适应遗传算法，以电流、空压机转速、水泵转速、回流泵转速、节气门开度为输入，以空气入堆压力、空气入堆流量、系统输出净功率、系统冷却路温差为约束条件，以燃料电池全系统仿真模型最高效率为目标值，寻找满足所有约束条件的前提下燃料电池系统的最高效率工作点。2.根据权利要求1所述的方法，其特征在于：根据基础的机理模型建立单电池输出特性模型，在单电池输出特性模型的基础上，将实际燃料电池堆节数乘以节数的增益获得燃料电池电堆模型，所述燃料电池电堆模型的电堆输出性能取决于电流、温度、阴极压力和空气化学计量比。3.根据权利要求1所述的方法，其特征在于：所述优化后的自适应遗传算法考虑变异算子对于进化计算...

【专利技术属性】
技术研发人员：许有伟，赵洋洋，陈桂银，孙茂喜，王兴家，赵振瑞，孙阳，
申请(专利权)人：新源动力股份有限公司，
类型：发明
国别省市：