[发明专利]质子交换膜燃料电池的建模系统及其智能预测控制方法

说明书

技术领域

本发明关于一种质子交换膜燃料电池的建模系统及其预测控制方法，特别是涉及一种基于辨识模型的质子交换膜燃料电池的建模系统及其智能预测控制方法。

背景技术

燃料电池是一种清洁高效的分布式电源，在催化剂作用下它能将含氢燃料的化学能直接转化为电能而无需燃烧过程。质子交换膜燃料电池(protonexchange membrane fuel cell，PEMFC)作为最可能商业化的燃料电池，具有工作温度低、电流密度大、响应速度快等优点，具有广泛的应用前景。PEMFC的运行过程比较复杂，其工作原理涉及到流体动力学、热力学、传质学、电化学、材料学、过程控制等学科，是复杂的非线性系统，因此如何获取其准确有效的数学模型，预测电池的动态过程并辅助控制系统设计，是质子交换膜燃料电池高效运行的关键因素之一。通常，传统的燃料电池建模方法是根据结构流场分布对燃料电池进行空间三维建模，通过仿真分析PEMFC组成元件的结构与参数、电池的传质和传热工作过程、反应气体流量、压力、湿度及电池温度等运行条件或参数对电池性能的影响，计算气体压力、流量和温度等特性在空间场上的分布，但此类方法运算量大，仿真耗时较长，并且仿真结果与实际运行情况有较大差距，不利于实时控制器设计。

发明内容

为克服上述现有技术的不足，本发明之一目的在于提供一种质子交换膜燃料电池的建模系统及其智能预测控制方法，其利用输入输出数据建立PEMFC电池堆输出功率特性的模型，避开了电池堆内复杂的反应机理，建模速度快、精度高。

本发明之另一目的在于采用基于统计学习理论的最小二乘支持向量机方法(Least Squares-Support Vector Machine，LS-SVM)对PEMFC进行动态建模。较好地实现了结构风险最小化思想，能解决以往困扰很多学习方法的小样本、非线性、过学习、高维度、局部极小点等实际问题，具有较强的泛化能力。

本发明之再一目的在于提供一种基于模型的闭环优化控制策略，具有控制效果好、鲁棒性强等优点，可有效地克服过程的不确定性、非线性和并联性，并能方便的处理过程被控变量和操纵变量中的各种约束。

为达上述及其它目的，本发明提出一种质子交换膜燃料电池的建模系统，至少包括：

输入输出非线性函数构造及实现模组，用于构造输入输出非线性函数关系，并利用最小二乘支持向量机方法辨识该函数；以及

智能预测控制模组，采用粒子群优化算法对预测目标函数进行非线性滚动优化，获取最优的控制量，实现对质子交换膜燃料电池进行智能预测控制。

进一步地，该输入输出非线性函数构造及实现模组首先选择合适的测试信号用于对象上，得到输入输出时间序，然后选择好的数据段训练LS-SVM模型，得到训练数据，再对LS-SVM模型进行测试和验证。

进一步地，该输入输出非线性函数构造及实现模组辨识系统输入与输出的函数关系，通过计算出a_i和b，得出训练数据的非线性逼近如下：