【技术实现步骤摘要】
一种基于深度强化学习的燃料电池故障容错控制方法
[0001]本专利技术涉及燃料电池容错控制
,更具体地,涉及一种基于深度强化学习的燃料电池故障容错控制方法
。
技术介绍
[0002]燃料电池由于其高能量转换率和环境友好性,广泛应用于电动汽车
、
便携式电源和热电联产等领域
。
燃料电池通过氢气和氧气进行氧化还原反应,将燃料中的化学能转化为电能,发电过程可实现零排放
。
在质子交换膜燃料电池中,水热管理是一项非常复杂和重要的任务
。
水热管理主要涉及控制燃料电池内部的温度和湿度,以确保燃料电池的正常运行并提高其效率
。
燃料电池的运行需要适当的温度和湿度条件,过高或过低的温度都可能影响燃料电池的性能和寿命
。
水热管理可以通过各种方法来实现,包括使用冷却剂
、
传热板
、
循环气流和湿度控制等
。
这些方法可以帮助维持燃料电池的温度在合适的范围内,并控制湿度以防止膜干燥或水分过多
。
因为水热管理对于燃料电池的性能和寿命至关重要,所以在燃料电池系统的设计和运行中,需要仔细考虑水热管理策略,并采取相应的措施来优化燃料电池的性能和可靠性
。
[0003]在现有技术中,燃料电池的容错控制方法主要分为被动容错控制和主动容错控制,其中被动容错控制是对故障的预期补偿,而主动容错控制能够对系统故障的任何变化做出适当的响应
。
相较 ...
【技术保护点】
【技术特征摘要】
1.
一种基于深度强化学习的燃料电池故障容错控制方法,包括以下步骤:针对燃料电池系统,判断燃料电池堆的故障类型,所述燃料电池系统包含燃料电池堆
、
阳极加湿器
、
阴极加湿器
、
水泵和散热器;在燃料电池堆发生故障的情况下,利用基于深度强化学习的控制模型输出满足设定目标函数的最优容错控制策略,以对阳极加湿器
、
阴极加湿器
、
水泵以及散热器进行协同控制,并根据故障类型进行相应的恢复操作;其中,所述控制模型将容错控制策略作为智能体,将燃料电池堆作为环境,智能体与环境进行交互,并获取奖励信号,进而基于该奖励信号来学习所述最优容错控制策略
。2.
根据权利要求1所述的方法,其特征在于,所述判断燃料电池堆的故障类型包括:将燃料电池堆的输出电压与理想输出电压进行比较,若输出电压不在设定的正常范围内,则判断存在故障;在判断存在故障的情况下,在给定功率需求下,将燃料电池堆阴极的进口和出口压力降与设定的正常压力降范围进行比较,若压力降超出正常压力降范围,则判定为水淹故障,若压力降在正常压力降范围,则判定为膜干故障
。3.
根据权利要求1所述的方法,其特征在于,所述控制模型的观测状态空间表示为:
S
=
[T
out
,RH
anode
,RH
cathode
,
Δ
V,
Δ
P,Q]
其中,
T
out
表示燃料电池堆的出口温度,
RH
anode
表示燃料电池堆阳极的相对湿度,
RH
cathode
燃料电池堆阴极的相对湿度,
Δ
V
表示燃料电池堆的输出电压与理想输出电压的差值,
Δ
P
表示燃料电池堆阴极的进口和出口压力降与当前功率需求下的正常压力降的差值,
Q
表示故障类型
。4.
根据权利要求1所述的方法,其特征在于,所述控制模型采取的动作空间表示为:
A
=
[W
anode
,W
cathode
,f
water
,f
air
]
其中,
W
anode
表示阳极加湿器额外注入的水量,
W
cathode
表示阴极加湿器额外注入的水量,
f
w...
【专利技术属性】
技术研发人员:郑春花,肖耀,伏圣祥,
申请(专利权)人:中国科学院深圳先进技术研究院,
类型:发明
国别省市:
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。