原文传递
基于数据驱动模型的车用燃料电池性能一致性研究
| 论文题名： | 基于数据驱动模型的车用燃料电池性能一致性研究 |
| 关键词： | 车用燃料电池;电压一致性;性能评估;数据驱动模型 |
| 摘要： | 质子交换膜燃料电池（ProtonExchangeMembraneFuelCell，PEMFC）具有效率高、环境友好、能量密度高等优点，被广泛应用于交通领域。车用燃料电池电堆通常由数百节燃料电池串联组成，其中电池间的电压一致性是衡量其性能与寿命的一项重要指标。在实时运行过程中，燃料电池存在局部性能过低与一致性偏差等问题，从而降低其可靠性与寿命，而基于模型的节电压一致性研究有利于工况参数的优化与性能的提升。但由于燃料电池电堆复杂的几何结构，采用机理模型对数百节燃料电池电压及一致性进行预测需要耗费大量的计算资源与时间。而人工神经网络(ArtificialNeuralNetwork，ANN)模型具有效率高、可在线应用等优点，因此，本文采用该模型对自主设计的、具有140节燃料电池的60kW燃料电池电堆的稳态节电压一致性和动态节电压一致性展开研究，有利于其操作参数的优化与性能的评估。本文的主要研究工作如下： 第一，机理上分析了影响燃料电池电压输出的关键操作条件，设计了车用燃料电池不同工况下的稳态与动态实验，获取了不同阴极出堆压力下以及不同负载电流下的实验数据，为稳态节电压一致性和动态节电压一致性研究提供数据集。 第二，建立了稳态ANN模型，根据燃料电池电压输出模型选择影响燃料电池性能与一致性的关键工况参数作为稳态ANN模型的输入特征，并对包括隐藏层层数与神经元数量在内的模型结构进行探讨。最终确定的稳态ANN模型结构具有六个输入特征、两层隐藏层以及140维输出，将其用于140节燃料电池稳态电压及一致性预测并与实验结果对比分析。同时对模型的泛化能力进行验证，并将该模型用于高负载电流下的140节电压和一致性预测。最后，为了提高模型的运算效率，采用平均分组的方式对模型进行输出降维，为模型用于在线预测提供理论基础。 第三，对燃料电池动态特性进行了分析，并在稳态ANN模型已有输入特征的基础上增加负载电流变化量和反应物流量变化量以建立动态ANN模型，同时分析以上新增输入特征对于动态节电压预测的影响。将该动态ANN模型用于降载过程中140节动态节电压及一致性预测并与实验结果对比分析，并泛化应用于其他阴极出堆压力下与系统升载过程中的动态节电压及一致性预测。 本文提出的ANN模型对燃料电池电压及一致性的高效预测有利于准确评价燃料电池性能、健康状态和可靠性。 |
| 作者： | 苏杨淮 |
| 专业： | 控制科学与工程 |
| 导师： | 殷聪 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
