[发明专利]一种氢能反应堆的建模方法

说明书

技术领域

本发明涉及一种自动控制与信息技术领域的方法，具体地，涉及一种利用基于敏感度分析的动态神经网络对氢能反应堆进行建模的方法，属于先进制造技术领域。

技术背景

氢能反应堆是一种利用氢能发电的新型燃料电池装置，近年来已经被应用于新能源汽车、便携式电源、热电联供系统等多种行业和领域。随着氢能反应堆的商业化应用，对其模型的要求也逐渐增强，建立合理高效的氢能反应堆模型具有重要的理论与应用价值。

氢能反应堆模型就是通过某种建模方法获得的，能够定量描述氢能反应堆各变量之间相互影响的抽象数学关系。氢能反应堆是一种典型的多变量复杂非线性系统，涉及传质、传热和电化学反应过程，机理建模具有较大难度；此外，由于其具有时变、强耦合、高度非线性等特性，利用经验方法建模难以取得令人满意的效果。因此，如何利用新型建模方法建立氢能反应堆模型，成为氢能反应堆模型研究中的热点之一。

之前氢能反应堆模型研究主要分为两方面，一是机理模型的研究，二是经验模型的研究。前者一般建立在比较合理的理论假设基础上，运用基本的传递和电化学反应方程来描述氢能反应堆特性；后者相对比较简单，仅通过设定某些参数来拟合输入、输出数据以反映氢能反应堆的性能。虽然上述建模方法能够解决氢能反应堆的建模问题，但是还存在以下不足：(1)机理模型的建立较为复杂，其计算量大、耗时多、实时性差，不适宜实际工业现场应用；(2)经验模型的建立受人为影响较多，模型优化不够充分；(3)由于氢能反应堆性能具有时变特性，且上述两类结构及参数固定的模型均不具备在线优化能力，故不能充分满足氢能反应堆的建模要求。

发明内容

本发明的目的在于通过提供一种氢能反应堆的建模方法，构建氢能反应堆动态神经网络模型，并使其具有在线优化的能力，实现氢能反应堆模型的优化，解决氢能反应堆建模过程中存在的问题。

本发明是采用以下技术手段实现的：

利用基于敏感度分析的动态神经网络对氢能反应堆进行建模的方法包含如下步骤：

1.1：设计氢能反应堆动态神经网络模型，选取能够表征氢能反应堆工作状态的参数(反应堆温度、氢气入口压力、空气入口压力、氢气入口流量、空气入口流量、增湿罐温度、电流密度)为模型输入；选取能够体现氢能反应堆性能的参数(反应堆输出电压)为模型输出。

1.2：采集步骤1.1中所指定的构建氢能反应堆动态神经网络模型所需的输入、输出共8项数据，采集每项数据的具体要求如下：

①反应堆温度，考虑氢能反应堆实际工况，以10℃为数据采集步长；

②氢气入口压力，考虑氢能反应堆实际工况，以10kPa为数据采集步长；

③空气入口压力，考虑氢能反应堆实际工况，以10kPa为数据采集步长；

④氢气入口流量，考虑氢能反应堆实际工况，以5L/min为数据采集步长；

⑤空气入口流量，考虑氢能反应堆实际工况，以5L/min为数据采集步长；

⑥增湿罐温度，考虑氢能反应堆实际工况，以10℃为数据采集步长；

⑦电流密度，考虑氢能反应堆实际工况，利用变密度法进行数据采集，即在低电流密度(0～100mA/cm²)时，以10mA/cm²为数据采集步长，在中电流密度(100～500mA/cm²)时，以50mA/cm²为数据采集步长，在高电流密度(＞500mA/cm²)时，以100mA/cm²为数据采集步长；

⑧反应堆输出电压，当上述7项采集数据为相应值时，采集反应堆输出电压。

1.3：对步骤1.2中所采集的氢能反应堆数据进行筛选与处理。筛选依次包含两个步骤：①剔除超出氢能反应堆工作范围的数据；②剔除超出三倍数据样本标准差的数据。处理依次包含两个步骤：①提取数据的特征值；②对数据进行归一化。

首先，判断步骤1.2中所采集的数据是否符合氢能反应堆的实际工作范围，若不符合则直接剔除该数据以及与其同时采集的其他数据。

其次，利用“三倍标准差法”判断数据中是否存在异常数据，若存在则剔除该数据以及与其同时采集的其他数据。设在同一状态下对同一输入(或输出量)量x_i共采集到L个数据，计算此项数据的样本均值