[发明专利]一种多目标燃料电池冷却流道优化设计方法

说明书

本发明涉及一种多目标燃料电池冷却流道优化设计方法，包括：利用控制方程耦合搭建二维两相非等温燃料电池数理模型，完成模型验证后作为数据驱动源；提取冷却流道结构优化参数、优化目标、优化参数变化范围以及约束条件；根据优化参数变化范围以及约束条件，将变化的优化参数代入数理模型，以输出得到原始数据集；基于原始数据集，应用机器学习算法构建得到数据驱动多目标代理模型；采用遗传算法对多目标代理模型进行优化求解，得到最优的冷却流道结构参数。与现有技术相比，本发明能够多角度、快速、准确地对冷却流道结构参数进行综合优化，为实际燃料电池结构设计提供指导。

技术领域

本发明涉及燃料电池技术领域，尤其是涉及一种多目标燃料电池冷却流道优化设计方法。

背景技术

氢氧质子交换膜燃料电池具有高能量密度、无污染、不存在催化剂毒化等特性，因而一直以来被作为燃料电池产业化的首选方向。然而高能量密度所带来的高热负荷又成为了阻碍其发展的重要因素，这主要是由于大量的反应热会影响电池温度分布，引起整个或局部电池温度过高。作为一种低温燃料电池，质子交换膜燃料电池的典型工作温度需被控制在60～85℃、与环境散热温差很小，仅仅通过电池自身散热，将很难维持工作温度。

为应对上述电池发热问题，目前的主流方法是使用含冷却水流道的双极板，运用冷却水对燃料电池进行冷却。良好的冷却水流道结构设计及布置方式对于燃料电池热管理有很大帮助，可在控制电池温度、提高内部温度均匀性的同时，进一步提高电池性能。

在质子交换膜燃料电池的相关优化工作中，传统做法是直接进行多次实验比较，以设计出优化的冷却流道结构，但这必然会耗费大量的人力物力，因此使用仿真建模成为了当前设计优化的重要手段，采用仿真建模手段能够计算得到实验中难以触及的电池内部温度分布、物质输运情况等，为解决实际问题提供极具价值的信息，大幅降低电池优化设计成本。然而传统燃料电池模型优化常使用控制变量法，优化目标单一，由于控制变量法自身局限性，严重限制了应用场景，无法充分发挥建模仿真优势；简单使用优化算法与数理模型结合的方法可一定程度解决该问题，但优化过程需对数理模型进行成千上万次计算，将大幅增加时间、人力成本。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种多目标燃料电池冷却流道优化设计方法，通过多角度对流道参数进行综合优化，以能够快速、准确地对燃料电池的冷却流道结构进行优化设计。

本发明的目的可以通过以下技术方案来实现：一种多目标燃料电池冷却流道优化设计方法，包括以下步骤：

S1、搭建数理模型：利用控制方程耦合搭建二维两相非等温燃料电池模型，通过网格划分，并使用有限元分析法进行离散计算，完成数理模型搭建；

S2、构建多目标代理模型：确定冷却流道结构优化参数、优化目标、优化参数变化范围以及约束条件；

根据优化参数变化范围以及约束条件，将变化的优化参数代入数理模型，以输出得到原始数据集；

基于原始数据集，通过机器学习训练的方式，构建得到多目标代理模型；

S3、遗传算法优化：采用遗传算法对多目标代理模型进行优化求解，得到最优的冷却流道结构参数。

进一步地，所述步骤S1中控制方程包括质量守恒方程、动量守恒方程、能量守恒方程、物料守恒方程、电荷守恒方程、浓度依赖Butler-Volmer方程和氧传输过程方程，其中，所述质量守恒方程包括气相、液相质量守恒方程，所述动量守恒方程包括气相、液相动量守恒方程。

进一步地，所述步骤S2具体包括以下步骤：

S21、根据冷却流道的结构，选取以下结构参数作为优化参数：

X＝(Bias,W_CH,w,H_CH,w,H_BP,a,H_BP,c)^T