【技术实现步骤摘要】
本专利技术涉及燃料电池，尤其涉及一种考虑参数不确定性的pemfc系统功效优化方法。
技术介绍
1、近年来，利用氢氧电化学反应发电的质子交换膜燃料电池(pemfc)已成为新能源汽车的动力源。这主要是由于其独特的优势，例如高功率密度、低工作温度、快速启动、噪音小和零碳排放等优点。尽管pemfc具有这些优势，但依然面临着高成本、短寿命和低效率等问题。为了提高pemfc系统的整体性能，大量学者对系统参数优化方面已经进行了大量的研究。
2、在pemfc系统参数优化方面，《multi-objective optimization of pem fuelcell by coupled significant variables recognition,surrogate models and amulti-objective genetic algorithm》(hong li,boshi xu,guolong lu,changhe du andna huang,《energy conversion and management
3、》,2021年第236卷)一文中采用非支配排序遗传优化算法，得到最优运行pareto参数集。
4、以上优化方法中假设pemfc系统的参数和优化目标都为常数，但在实际应用中这些参数会随时间发生变化，进而影响系统输出性能，因此以上优化算法无法直接解决参数中的不确定性问题。另一方面，提升pareto优化解的收敛性有助于提高pemfc系统的性能，同时，提升pareto优化解的多样性可以
5、因此，采用一种具有鲁棒性、高收敛性、均匀分布性的多目标优化算法对于提升pemfc系统净功率与效率具有重要的现实意义。
技术实现思路
1、本专利技术要解决的技术问题是针对上述现有技术的不足，提供一种考虑参数不确定性的pemfc系统功效优化方法，考虑系统参数不确定性，设计自适应多目标粒子群优化算法和区间优化算法实现系统的净功率和系统效率的优化，解决现有pemfc优化方法实用性不足的技术问题。
2、为解决上述技术问题，本专利技术所采取的技术方案是：考虑参数不确定性的pemfc系统功效优化方法，包括以下步骤：
3、步骤1：建立pemfc系统数学模型，确定pemfc系统净功率与效率优化目标函数；所述pemfc系统数学模型包括系统净功率模型和效率模型；
4、所述pemfc系统数学模型涉及电堆开路电压、电堆电压、电堆输出功率以及空压机输出功率，其中：
5、电堆开路电压表示为：
6、
7、
8、
9、其中，e表示电堆开路电压，tfc表示电堆温度，表示氢气分压，表示氧气分压，表示阳极中水蒸气摩尔分数，表示阴极中水蒸气摩尔分数，xan表示阳极中干燥气体摩尔分数，xca表示阴极中干燥气体摩尔分数，表示氢气化学计量比，表示氧气化学计量比，pan表示阳极压强，pca表示阴极压强；
10、电堆电压表示为：
11、vfc＝e-vact-vohm-vconc (4)
12、其中，vfc表示电堆电压，vact表示活化损失电压，vohm表示欧姆损失电压，vconc表示浓度损失电压；
13、电堆输出功率表示为：
14、pstack＝vfc·ist·afc·ncell (5)
15、其中，pstack表示电堆输出功率，ist表示电流密度，afc表示反应区面积，ncell表示电堆数量；
16、空压机输出功率表示为：
17、
18、其中，pcp表示空压机输出功率，τcp表示空压机输出转矩，ωcp表示空压机角速度；
19、基于pemfc系统数学模型建立pemfc系统净功率与效率优化模型，如下公式所示：
20、
21、其中，pnet表示pemfc系统净功率，ηsys表示pemfc系统效率，pfuel表示氢气功率，，f表示法拉第常数，lhv表示氢气热值；
22、则pemfc系统净功率与效率优化目标函数表示为：
23、
24、其中，f1(x)表示pemfc系统净功率目标函数，f2(x)表示pemfc系统效率目标函数，x表示决策变量(x1＝ist,x2＝tfc,x3＝pca,)，n表示决策的个数，和表示决策变量的边界；
25、步骤2：设计离线过程中自适应多目标粒子群优化算法，确定pemfc系统净功率与效率优化目标的pareto优化解；
26、步骤2.1：初始化粒子群优化算法参数，包括种群大小ib,max、档案大小ma、初始权重初始加速因子和c2,ib(0)、初始速度初始位置最大迭代次数tmax及边界条件；
27、步骤2.2：根据pemfc系统数学模型，计算适应度函数大小，并根据支配原则选择个体最优pbest和群体最优gbest，将所有pareto优化解记录在档案a中；
28、步骤2.3：定义如下粒子分散度信息：
29、
30、其中，pd(t+1)为粒子分散度，为所有粒子平均欧式距离，为第ib个粒子与其他粒子之间的最小欧式距离，t为迭代次数；
31、基于粒子分散度信息，设计如下粒子飞行参数自适应调节机制：
32、
33、
34、
35、其中，re＝exp[(pd(t+1)+1)-1-1]，ωmax、ωmin分别表示权重的最大值与最小值，c1,max、c1,min分别表示加速因子的最大值与最小值，c2,max、c2,min分别表示加速因子的最大值与最小值；
36、步骤2.4：根据粒子飞行参数自适应调节机制更新粒子速度和位置：
37、
38、其中，分别为t+1次迭代时第ib个粒子的速度和位置，r1和r2均为0至1之间的随机数，表示第ib个粒子的最优位置，g表示群体最优粒子的位置；
39、步骤2.5：重复步骤2.2至步骤2.4，满足最大迭代次数tmax后停止，得到离线过程pemfc系统净功率与效率优化目标的pareto优化解；
40、步骤3：将离线过程中自适应多目标粒子群优化算法优化后的pareto优化解作为在线优化的初始值，定义档案a中的每个粒子的寻优范围为xmax,j,j＝1、2、…、d，d为粒子的维数，设置搜索步长tj，使用区间优化方法来调整pareto优化解，以获得更高的pemfc系统性能；
41、在第一维度中计算最优性能目标所对应的粒子位置xi,1,best为：
42、
43、其中，fr表示从pemfc实际系统中得到的性能指标本文档来自技高网...
【技术保护点】
1.一种考虑参数不确定性的PEMFC系统功效优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的考虑参数不确定性的PEMFC系统功效优化方法，其特征在于：步骤1所述PEMFC系统数学模型涉及电堆开路电压、电堆电压、电堆输出功率以及空压机输出功率，其中：
3.根据权利要求2所述的考虑参数不确定性的PEMFC系统功效优化方法，其特征在于：所述步骤1基于PEMFC系统数学模型建立PEMFC系统净功率与效率优化模型，如下公式所示：
4.根据权利要求3所述的考虑参数不确定性的PEMFC系统功效优化方法，其特征在于：所述步骤2的具体方法为：
5.根据权利要求4所述的考虑参数不确定性的PEMFC系统功效优化方法，其特征在于：步骤2.1所述粒子群优化算法参数包括种群大小ib,max、档案大小Ma、初始权重初始加速因子和c2,ib(0)、初始速度初始位置最大迭代次数tmax及边界条件。
6.根据权利要求5所述的考虑参数不确定性的PEMFC系统功效优化方法，其特征在于：所述步骤2.3定义如下粒子分散度信息：
7.根据权
...【技术特征摘要】
1.一种考虑参数不确定性的pemfc系统功效优化方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的考虑参数不确定性的pemfc系统功效优化方法，其特征在于：步骤1所述pemfc系统数学模型涉及电堆开路电压、电堆电压、电堆输出功率以及空压机输出功率，其中：
3.根据权利要求2所述的考虑参数不确定性的pemfc系统功效优化方法，其特征在于：所述步骤1基于pemfc系统数学模型建立pemfc系统净功率与效率优化模型，如下公式所示：
4.根据权利要求3所述的考虑参数不确定性的pemfc系统功效优化方法，其特征在于：所述步骤2的具体方法为：
5.根据权利要求4所述的考虑参...
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。