英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
基于模型和数据驱动相结合的燃料电池堆冷却控制混合模型
a r t i c l e i n f o
文章历史：
收到日期：2019年4月19日
收到日期：2019年7月31日
收到日期：2019年9月14日
收到日期：2019年9月17日在线
关键词：
PEMFC
基于模型
数据驱动
改进的自抗扰控制
摘要
开式阴极质子交换膜燃料电池（PEMFC）的冷却对于操作安全性和整体效率至关重要。但是，由于模型的不确定性以及功率调整引起的频繁干扰，其控制具有挑战性。为此，本文结合了基于模型和数据驱动方法的优点，提出了一种混合冷却控制策略。首先，使用简化的非线性力学模型来展示不同风扇速度和功率条件下的动态扰动。其次，通过将识别的标称线性模型合并到扩展状态观测器中，来开发改进的主动干扰抑制控制（ADRC）。超出名义模型的外部干扰和内部不确定性被归为一个总项，将以实时数据驱动的方式对其进行估计和缓解。仿真结果表明，与传统的PI和ADRC方法相比，所提出的混合方法具有更快的响应速度，更强的鲁棒性和对不确定性的噪声敏感性。在500W开阴极PEMFC上进行的实验测试验证了设定点跟踪和干扰抑制的仿真优点，说明了在开阴极PEMFC冷却控制实践中提出的混合方法的前景广阔。
copy; 2019 Elsevier Ltd. All rights reserved.
1.简介
在过去的十年中，人们对环境和气候问题的认识不断提高[1,2]，这促使整个世界步入可再生能源和分布式发电时代[3]。 然而，可再生源发电的间歇性可能会恶化电网的平衡安全性，甚至导致电力故障[4]。 氢网络[5,6]和燃料电池技术作为一种有前途的解决方案而出现，特是在分布式能源领域，这要归功于其在削峰，负载转移和备用功率方面的燃料可控性和功率灵活性[7]。 在各种类型的燃料电池中，开放式极质子交换膜燃料电池（PEMFC）[8]由于其紧凑的结构将燃料电池堆冷却和空气供应集成到共享通道中而吸引了小型应用与封闭阴极PEMFC相比，压缩机用于将供应空气的压力从接近大气压升至4e6 atm，开放式阴极PEMFC的优势在于其便携性和减少了必要的工厂平衡（BOP）组件（例如压缩机，供应或回流歧管）的数量 ，用于冷却的泵和散热器以及加湿器[9]。 开放式阴极结构使PEMFC发电系统对于零售市场和消费者而言具有成本效益。
尽管前景广阔且制造技术成熟，但目前市售的开式PEMFC产品的动态运行通常是开环顺序控制，甚至是手动操作，这严格限制了进一步的广泛商业化。 例如，上海明珠氢能技术有限公司开发的500W燃料电池产品的冷却控制是通过根据负载电流按比例调节风扇速度来实现的。 当在需要以高精度调节烟囱温度的某些场合下使用时，需要改进制造商提供的这种粗略控制解决方案。 例如，要在住宅应用中有效利用余热，就需要根据需要调节出口温度[10]。 另一方面，温度波动会导致电极金属承受较大的热应力，这可能会导致堆栈无法恢复的损坏。 在这方面，自动控制在提高操作性能，效率和耐用性方面起着关键作用[11]。
相对于关于封闭阴极PEMFC的大量文献，开放阴极PEMFC的动力学建模和控制研究非常有限。 例如，使用各种控制算法（例如PI / PID控制[12,13]，模糊控制[14]，前馈和状态反馈控制[15]）对闭阴极PEMFC的温度进行广泛研究。 自适应控制算法[16,17]，主动干扰抑制控制（ADRC）[18]和模型预测控制（MPC）[19]。 但是，这些先进的控制方法不能直接用于开式阴极PEMFC的冷却，因为闭式阴极PEMFC利用辅助水循环泵和散热器散发热量，而开式阴极PEMFC通过强制对流直接冷却烟囱。 进气流过阴极。 开放式阴极的散热与电化学反应以及阴极氧耗密切相关。
控制器设计通常需要一个动态模型。对于开阴极PEMFC冷却，由于其复杂的机理以及湿度和温度之间的耦合，其动态模拟具有很大的挑战性。文[20]中使用温度传感器在没有理论模型推导的情况下，对温度动力学进行了实验研究。文献[21]基于守恒定律建立了一阶状态空间模型，其中不考虑水动力学。在文献[22]中同时考虑热动力学和液态水形成现象，建立了二阶非线性状态空间模型。文[23]t建立了一维温度场模型，描述了空间温度场的分布，但该模型仅限于稳态。高阶动力学模型在现有文献中似乎无法给出更精确的描述。
开阴极PEMFC冷却的控制研究很少见。 [22]中使用了一个基本的PI控制器来调节烟囱温度，其参考值是通过极限搜索给出的。 文献[24]中给出了具有前馈作用和抗饱和设计的改进型PI控制结构，以进一步提高性能。 基于输出注入观察器的控制还用于开式阴极PEMFC中，以提高冷却稳定性[21]。
上述低阶模型在电化学反应，气体扩散和传热方面忽略了许多细节，因此无法完全描述真实的温度瞬态行为。 换句话说，存在各种不可避免的不确定性，这些不确定性将显着降低闭环控制性能，甚至导致不稳定。 不确定性包括模型线性化，参数扰动，外部干扰和测量噪声。 现有的控制研究并未同时考虑所有不确定因素。
最近，主动扰动抑制控制（ADRC）作为一种有前途的数据驱动解决方案出现，用于处理不确定性估计和补偿，这是从经典PID控制中继承的[25]。 它将不确定的非线性系统视为级联积分器，除此之外，内部未建模的动力学和外部无法测量的干扰被视为集总不确定项，以实时数据驱动的方式进行估算。 通过补偿内环中的估计项，其余设备的行为将类似于低频范围内的级联积分器，该积分器可由外环控制器轻松控制。 由于其强大的鲁棒性和易用性，ADRC在运动和过程控制[26e29]，电力电子控制[30,31]，热力发动机控制[32e34]和电厂控制[35e37]中获得了许多成功的应用。最近，数据驱动的ADRC还成功地用于燃料电池系统，例如氧气过量比控制[38]和电压控制[39]。 尽管在降低不确定性方面有效，但数据驱动的ADRC可能会因传感器噪声而波动很大，致动器运动和磨损损坏。 噪声影响的这种放大通常是不可避免的，因为数据驱动的估计和补偿算法始终尝试捕获输出中的任何变化。 最近在[40]中揭示，通过将一些模型信息纳入ADRC，可以显着降低对执行器的噪声影响。 尽管不完全准确，但是合并的模型信息可以帮助减轻数据驱动的扩展状态观察器的估计负担，从而导致对测量噪声的灵敏度降低。
本文的目的是为开式阴极PEMFC温度控制提出一种经济有效的解决方案，该解决方案能够适应不同的工作条件，减少负载干扰的影响并且对测量噪声不敏感。 为了同时实现这些目标，本文开发了一种基于模型和数据驱动的组合ADRC解决方案，并做出了以下贡献。
bull;采用100W开放式阴极PEMFC理论模型对温度动态特性进行分析，研究了该方法的可行性。
bull;建立了一个500W的开放式PEMFC实验装置用于模型识别和实际应用测试；
bull;与常规控制方法相比，该方法可显着提高设定点跟踪和干扰抑制性能。
本文的其余部分安排如下。 第2节介绍了开放式阴极PEMFC系统并提出了问题。 基于第3节中的理论模型，设计和仿真了常规PI控制器以及基于模型和数据驱动的改进型ADRC。
2.系统描述和问题表述
2.1. 系统描述
整个开式阴极PEMFC系统可分为两部分，堆栈和辅助配件。 阳极氢由高压氢提供，氢将分别分解为质子和电子。
H2==2H 2e- (1)
质子和电子分别通过内膜和外负载，最后在阴极相遇与氧分子反应，
2H 1/2O2 2e-==H2O (2)
可以看出，水蒸气是唯一的产物，它将被阴极风扇吹走。 一些水分子以及氮杂质也将扩散到阳极，这需要定期清除阳极出口[41]。
还需要DC / DC转换器来调节以24V运行的燃料电池输出电压，该电压与电子负载的工作电压兼容。 通过调整电子负载的功耗，可以改变从PEMFC堆栈汲取的电流
开放阴极PEMFC的特点是阴极通道暴露在环境中，如图1所示。辅助轴流风机用于将环境空气吸入阴极通道。注意，空气是从周围空气进入，经过烟囱，最后从风扇中排出。这个流动方向将有利于均匀冷却。强制对流是有效的消散反应热的方法。除烟囱冷却外，风机吸入的气流也为阴极反应提供氧气。一般来说，只要烟囱温度保持在合理水平，气流提供的氧气量就足够了[10]
图 1开放阴极PEMFC系统的原理图
通过将K型热电偶插入堆栈中来实现测量。 微弱的热电电压信号被放大为标准的模拟信号，然后将其数字传输到主计算机。 通过改变冷却风扇的转速来实现操纵，该转速由主计算机提供的PWM信号控制。 PWM信号的占空比对应于工作速度与最大值之比。 为防止空气不足，最小转速为20％。 所有的操作数据都可以在主计算机中进行处理，通讯和保存。 整个系统可以自动运行，可以保证安全。
2.2 理论模型
在实验测试之前，通常最好基于高保真度的基线模型进行植物分析和控制设计。文献[22]中提出的一个可用模型描述了Horizon燃料电池技术公司的一个100W，20个电池的质子交换膜燃料电池系统H-100的动力学，其状态空间表示为，
其中，状态变量是堆温度Tfcand阴极催化剂层s中的液态水饱和度。 由（3）可知，可通过控制进气速度vair来控制烟囱温度Tfc，并且还受负载电流干扰I的影响。由（3）-（5）可知，烟囱温度Tfc，液态水饱和度s 电池组电压Vstack和电池组电压Vstack通过功能相互耦合。
其中，表观交换电流密度iAECD 0将参考条件下的Pt催化剂的固有催化活性（Prefand Tref），iref 0与电化学活性表面积（ECSA）和动态状态Tfcand s.DG *结合为活化能 氧还原反应（ORR）。
电化学活性表面积（ECSA）是液态水饱和度的函数
其中，在系统的受限操作条件下，在最佳液态水饱和度sopt下优化可实现的ECSA。（3）-（5）中的常数参数定义如下，
其中，参数定义和值列在表1中。关于该模型的更多细节见[22]。
2.3 问题表述
首先，本节将通过检查理论基线模型（3）e（5）的非线性，通过在不同功率条件和风扇转速组合（即进气速度）下执行阶跃响应来阐述控制问题。表2总结了不同操作条件下的传递函数，并通过比较图2中的阶跃响应和拟合传递函数模型验证了识别精度。
图3和图4示出了在时域和频域的不同操作条件下传递函数的不同响应。延迟时间从63s到100s，静态增益的扰动更大，从13到63。
除了非线性问题外，其他控制困难还来自频繁的负载电流干扰和测量噪声。 因此，所提出的控制策略应该能够：i）尽管存在非线性和模型扰动，但仍能实现令人满意的设定点跟踪性能； ii）面对外部干扰时，将温度保持在所需水平； iii）控制操作应具有良好的测量噪声容限。
为了实现上述目标，下一节将讨论高级控制设计。
3. 控制设计与仿真
在这一部分中，将分别开发传统的PI控制结构和基于模型和数据驱动的改进型ADRC组合控制。
3.1常规PI控制器设计
目前，PID/PI控制器以其简单易用的特点在工业控制中仍占主导地位[42]。一般来说，PI控制器适用于一阶过程的满意控制，而由于其对噪声的敏感性，通常不存在微分作用。在本节中，我们将设计PI控制器来控制PEMFC的堆温，其传递函数表示为
为了在所有运行条件下很好地适应工厂动态，在中等条件下，基于传递函数G5调整PI控制器参数。 参数调整为
基于传递函数的仿真结果如图5所示。结果表明，由于模型摄动，PI控制性能不一致。
表1
参数定义和值
表2
在不同的运行条件下识别出的传递函数
3.2基于模型与数据驱动相结合的改进型自抗扰控制器设计
由于一阶自抗扰控制器结构简单，易于整定，因此在工业控制中广泛采用一阶自抗扰控制器，
其中w是外部干扰，b是增益参数，f表示系统状态和干扰的未知组合。 传统的ADRC假定模型动力学g(y(t)),w(y(t))完全未知，应使用具有高带宽的数据驱动的扩展状态观察器（ESO）对其进行估计，这会使控制动作对测量
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[237354]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
