基于敏感性与遗传分析的燃料电池仿真优化方法和系统技术方案

本发明专利技术请求保护基于敏感性与遗传分析的燃料电池仿真优化方法和系统，通过燃料电池工况参数的敏感性分析构建敏感性数值进制映射表，依据工况参数形成的种群的规模，在对应的编码进制的范围内对工况参数进行随机编码取值，得到随机种群编码，选择、交叉、变异操作后得到下一代随机种群编码并进行解码，转换得到工况参数的随机参数组合及其下的功率值和运行效率值；多目标优化处理得到对应的工况参数作为下一代随机种群，不断迭代次数达到满足停止条件，记录结果。本方案将燃料电池工况参数的敏感性量化数值与遗传算法中的五位数基因编码进行结合，使得高敏感参数的网格精密，搜索精度高，低敏感参数的网格稀疏，搜索精度低，以求更高的仿真效率。以求更高的仿真效率。以求更高的仿真效率。

【技术实现步骤摘要】
基于敏感性与遗传分析的燃料电池仿真优化方法和系统


[0001]本专利技术属于电化学燃料电池领域，具体的，涉及基于敏感性与遗传分析的燃料电池仿真优化方法和系统。

技术介绍

[0002]质子交换膜燃料电池的运行工况中包括众多参数需要优化，如相对湿度、化学计量比、运行温度与压强，而针对燃料电池的实物测试的方法存在试验周期较长、成本较高的难题，相对而言，仿真测试是一种周期更短、成本更低的方法。
[0003]在开展仿真优化时，为了确定优化的工况参数组合，需要针对每个工况参数都进行详细的划分，如1个工况参数选择5个取值，那么4个工况参数就会产生625组工况参数的组合，会使得仿真测试的计算量极大。这种方法忽略了不同工况参数对于燃料电池性能影响程度不同的问题，如果能够识别出对于燃料电池性能影响程度小的工况参数，那么便能够降低该参数在仿真测试中所取值的数量，从而大幅降低仿真计算量，进一步提升仿真优化的效率。
[0004]现有技术中一般只是针对燃料电池工况参数进行组合，随后开展仿真优化，忽略了不同工况参数在仿真过程中敏感性不同情况，实际待分析工况参数如果敏感性很低，即该工况参数的变化对于燃料电池性能的影响很小，则并不需要这么高的网格精度去计算，否则会浪费大量的仿真时间才能完成数据的搜索和运算。

技术实现思路

[0005]为了解决当前燃料电池不同工况参数的仿真优化计算量庞大的问题，本专利技术请求保护基于敏感性与遗传分析的燃料电池仿真优化方法和系统。
[0006]根据本专利技术第一方面，本专利技术请求保护基于敏感性与遗传分析的燃料电池仿真优化方法，包括：采用基本效应法对燃料电池工况参数进行敏感性分析，得到燃料电池工况参数的敏感性数值；构建燃料电池工况参数的敏感性数值进制映射表，将燃料电池工况参数的不同敏感性数值与对应使用的编码进制形成映射关系；依据燃料电池工况参数的敏感性数值和敏感性数值进制映射表，采用敏感性数值对应的编码进制；依据燃料电池工况参数形成的种群的规模，在编码进制的范围内对燃料电池工况参数进行随机编码取值，得到第一代随机种群编码；对第一代随机种群编码进行选择、交叉、变异操作，得到第二代随机种群编码；对第二代随机种群编码进行解码，进一步转换得到燃料电池工况参数的随机参数组合；将随机参数组合依次输入燃料电池模型，得到每组随机参数组合下的功率值和运
行效率值；将功率值和运行效率值进行快速非支配排序和拥挤度计算，选择适应度值大于预设阈值的功率和运行效率种群组合，并将功率和运行效率种群组合对应的燃料电池工况参数组合作为第三代随机种群；依据编码进制对第三代随机种群进行随机编码，得到第三代随机种群编码；判断迭代次数是否满足停止条件，当满足时，结束仿真，记录第三代随机种群编码，当不满足时，重新对第三代随机种群编码进行选择、交叉、变异操作。
[0007]根据本专利技术第二方面，本专利技术请求保护基于敏感性与遗传分析的燃料电池仿真优化系统，包括：敏感性分析模块，采用基本效应法对燃料电池工况参数进行敏感性分析，得到燃料电池工况参数的敏感性数值；映射模块，包括燃料电池工况参数的敏感性数值进制映射表，将燃料电池工况参数的不同敏感性数值与对应使用的编码进制形成映射关系；进制编码模块，依据燃料电池工况参数的敏感性数值和敏感性数值进制映射表，采用敏感性数值对应的编码进制；随机编码模块，依据燃料电池工况参数形成的种群的规模，在编码进制的范围内对燃料电池工况参数进行随机编码取值，得到第一代随机种群编码；遗传分析模块，对第一代随机种群编码进行选择、交叉、变异操作，得到第二代随机种群编码；解码模块，对第二代随机种群编码进行解码，进一步转换得到燃料电池工况参数的随机参数组合；多目标优化模块，将随机参数组合依次输入燃料电池模型，得到每组随机参数组合下的功率值和运行效率值，将功率值和运行效率值进行快速非支配排序和拥挤度计算，选择适应度值大于预设阈值的功率和运行效率种群组合，并将功率和运行效率种群组合对应的燃料电池工况参数组合作为第三代随机种群；随机编码模块依据编码进制对第三代随机种群进行随机编码，得到第三代随机种群编码；循环判断模块，判断迭代次数是否满足停止条件，当满足时，结束仿真，记录第三代随机种群编码，当不满足时，重新对第三代随机种群编码进行选择、交叉、变异操作。
[0008]本专利技术请求保护基于敏感性与遗传分析的燃料电池仿真优化方法和系统，通过燃料电池工况参数的敏感性分析构建敏感性数值进制映射表，依据工况参数形成的种群的规模，在对应的编码进制的范围内对工况参数进行随机编码取值，得到随机种群编码，选择、交叉、变异操作后得到下一代随机种群编码并进行解码，转换得到工况参数的随机参数组合及其下的功率值和运行效率值；多目标优化处理得到对应的工况参数作为下一代随机种群，不断迭代次数达到满足停止条件，记录结果。本方案将燃料电池工况参数的敏感性量化数值与遗传算法中的五位数基因编码进行结合，使得高敏感参数的网格精密，搜索精度高，低敏感参数的网格稀疏，搜索精度低，以求更高的仿真效率。
附图说明
[0009]图1为本专利技术所请求保护的基于敏感性与遗传分析的燃料电池仿真优化方法的工作流程图；图2为本专利技术所请求保护的基于敏感性与遗传分析的燃料电池仿真优化方法的第二工作流程图；图3为本专利技术所请求保护的基于敏感性与遗传分析的燃料电池仿真优化方法的第三工作流程图；图4为本专利技术所请求保护的基于敏感性与遗传分析的燃料电池仿真优化方法的第四工作流程图；图5为本专利技术所请求保护的基于敏感性与遗传分析的燃料电池仿真优化方法的优化前的第一代种群的样本空间分布图；图6为本专利技术所请求保护的基于敏感性与遗传分析的燃料电池仿真优化方法的优化前的最终代种群的样本空间分布图；图7为本专利技术所请求保护的基于敏感性与遗传分析的燃料电池仿真优化方法的优化后的第一代种群的样本空间分布图；图8为本专利技术所请求保护的基于敏感性与遗传分析的燃料电池仿真优化方法的优化后的最终代种群的样本空间分布图；图9为本专利技术所请求保护的基于敏感性与遗传分析的燃料电池仿真优化系统的结构示意图。
具体实施方式
[0010]下面将参照附图更详细地描述本公开的示例性实施例。可以理解，本申请所使用的术语“第一”、“第二”等可在本文本中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另外一个元件区分。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
[0011]下面将结合附图对本申请的实施例作进一步地详细描述。
[0012]根据本专利技术第一方面，参照附图1，本专利技术请求保护基于敏感性与遗传分析的燃料电池仿真优化方法，包括：S101，采用基本效应法对燃料电池工况参数进行敏感性分析，得到燃料电池工况参数的敏感性数值；S201，构建燃料电池工况参数的敏感性数值进制映射表，将燃料电池工况参数的不同敏感性数值与对应使用的编码进制形成映本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于敏感性与遗传分析的燃料电池仿真优化方法，其特征在于，包括：采用基本效应法对燃料电池工况参数进行敏感性分析，得到所述燃料电池工况参数的敏感性数值；构建所述燃料电池工况参数的敏感性数值进制映射表，将所述燃料电池工况参数的不同敏感性数值与对应使用的编码进制形成映射关系；依据所述燃料电池工况参数的敏感性数值和敏感性数值进制映射表，采用所述敏感性数值对应的编码进制；依据所述燃料电池工况参数形成的种群规模，在所述编码进制的范围内对所述燃料电池工况参数进行随机编码取值，得到第一代随机种群编码；对所述第一代随机种群编码进行选择、交叉、变异操作，得到第二代随机种群编码；对所述第二代随机种群编码进行解码，进一步转换得到所述燃料电池工况参数的随机参数组合；将所述随机参数组合依次输入燃料电池模型，得到每组所述随机参数组合下的功率值和运行效率值；将所述功率值和所述运行效率值进行快速非支配排序和拥挤度计算，选择适应度值大于预设阈值的功率和运行效率种群组合，并将所述功率和运行效率种群组合对应的燃料电池工况参数组合作为第三代随机种群；依据所述编码进制对所述第三代随机种群进行随机编码，得到第三代随机种群编码；判断迭代次数是否满足停止条件，当满足时，结束仿真，记录所述第三代随机种群编码，当不满足时，重新对所述第三代随机种群编码进行选择、交叉、变异操作。2.如权利要求1所述的基于敏感性与遗传分析的燃料电池仿真优化方法，其特征在于，所述采用基本效应法对燃料电池工况参数进行敏感性分析，得到所述燃料电池工况参数的敏感性数值，具体包括：设定所述燃料电池工况参数的取值范围；将所述燃料电池工况参数的取值范围进行标准化处理，输入到随机矩阵中；在所述随机矩阵中运算得到所述燃料电池工况参数的取值范围组合，解析所述取值范围组合后输入到燃料电池模型中，得到所述燃料电池的输出电压并计算基本效应值；依据所述基本效应值，运算得到所述燃料电池工况参数的敏感性数值。3.如权利要求1所述的基于敏感性与遗传分析的燃料电池仿真优化方法，其特征在于，构建所述燃料电池工况参数的敏感性数值进制映射表，将所述燃料电池工况参数的不同敏感性数值与对应使用的编码进制形成映射关系，具体包括：获取所述燃料电池工况参数的敏感性数值的最大值和最小值；根据所述编码进制的数量对所述敏感性数值进行区间划分，得到多个敏感性数值区间；依据所述敏感性数值区间分配所述编码进制，将分配后的所述编码进制和所述敏感性数值区间形成映射关系，得到敏感性数值进制映射表。4.如权利要求1所述的基于敏感性与遗传分析的燃料电池仿真优化方法，其特征在于，所述对所述第二代随机种群编码进行解码，进一步转换得到所述燃料电池工况参数的随机参数组合，具体包括：
采用如下公式对所述第二代随机种群编码进行解码：；所述为所述燃料电池工况参数对应的最大五位n进制编码转换成十进制后的数值，为所述第二代随机种群编码的五位n进制编码转换成十进制后的数值，为所述燃料电池工况参数的最小值，为所述燃料电池工况参数的最大值，为解码后的燃料电池工况参数值。5.如权利要求1所述的基于敏感性与遗传分析的燃料电池仿真优化方法，其特征在于，所述判断迭代次数是否满足停止条件，当满足时，结束仿真，记录所述第三代随机种群编码，当不满足时，重新对所述第三代随机种群编码进行选择、交叉、变异操作，具体包括：依据所述第二代随机种群编码的解码结果，筛选出功率和运行效率的燃料电池工况参数组合，将对应的燃料电池工况参数组合按照敏感性的进制进行编码得到所述第三代随机种群，并将所述第三代随机种群中的所有个体进行非支配排序；按照遗传算法操作生成第四代随机种群；将所述第三代随机种群和第四代随机种群的个体合并在一起，作为父种群；将所述父种群重新进行非支配排序，并计算拥挤距离，通过优胜劣汰使种群中的个体数和初始状态保值一致；再次进行遗传算法操作，生成新一代的子种群；判断迭代次数是否小于最大代数，若小于，则返回第二步操作，否则，记录数据并结束仿真。6.如权利要求1所述的基于敏感性与遗传分析的燃料电池仿真优化方法，其特征在于，所述将所述功率值和运行效率值进行快速非支配排序和拥挤度计算，选择适应度值大于预设阈值的功率和运行效率种群组合，并将所述功率和运行效率种群组合对应的燃料电池工况参数组合作为第三代随机种群，具...

【专利技术属性】
技术研发人员：杨子荣，李岩，郝冬，张妍懿，杨沄芃，孙田，陈向阳，马继成，
申请(专利权)人：中汽研新能源汽车检验中心天津有限公司，
类型：发明
国别省市：