[发明专利]基于仿真模型和进化算法的燃料电池系统效率寻优方法

权利要求书

1.一种基于仿真模型和进化算法的燃料电池系统效率寻优方法，其特征在于包括：

搭建多维map输入的燃料电池电堆模型，根据不同的输入参数建立不同复杂程度的燃料电池电堆模型；

建立基于关键零部件模型、燃料电池电堆模型、空气系统模型、氢气系统模型及冷却系统模型在内的燃料电池全系统仿真模型；

计算燃料电池系统仿真模型在不同工况点下的效率；

采用优化后的自适应遗传算法，以电流、空压机转速、水泵转速、回流泵转速、节气门开度为输入，以空气入堆压力、空气入堆流量、系统输出净功率、系统冷却路温差为约束条件，以燃料电池全系统仿真模型最高效率为目标值，寻找满足所有约束条件的前提下燃料电池系统的最高效率工作点。

2.根据权利要求1所述的方法，其特征在于：根据基础的机理模型建立单电池输出特性模型，在单电池输出特性模型的基础上，将实际燃料电池堆节数乘以节数的增益获得燃料电池电堆模型，所述燃料电池电堆模型的电堆输出性能取决于电流、温度、阴极压力和空气化学计量比。

3.根据权利要求1所述的方法，其特征在于：所述优化后的自适应遗传算法考虑变异算子对于进化计算过程和结果的影响，当种群最大适应度与种群平均适应度之间的差值越小，则增加变异算子取值，避免陷入局部最优解；当种群最大适应度与种群平均适应度之间的差值越大，则减小变异算子的取值，优化种群进化过程，从而在运算过程中完成变异算子取值的自适应调整。

4.根据权利要求1所述的方法，其特征在于：在寻找燃料电池系统的最高效率工作点时，将实验采集的空气入堆压力、空气入堆流量、燃料电池系统冷却路温差、燃料电池系统效率、燃料电池系统净功率相关测试结果和燃料电池全系统仿真模型进行对比，在达到最终值稳定后的允许误差内实现燃料电池系统的虚拟运行。

5.根据权利要求3所述的方法，其特征在于：所述优化后的自适应遗传算法寻找燃料电池系统的最高效率工作点的过程如下：通过随机方式产生若干由确定长度编码的初始群体；利用适应度函数计算每个个体的适应度大小，选择适应度高的个体参与遗传操作，适应度低的个体被淘汰；通过选择、交叉、变异，产生出新一代种群，直到满足停止规则；末代种群中的最优个体经过解码实现从编码空间向解集空间的映射并作为问题的最优解。