[发明专利]一种基于变异粒子群和差分进化混合算法的PEMFC系统温度建模方法

摘要

本发明公开了一种基于变异粒子群和差分进化混合算法的质子交换膜燃料电池(PEMFC)系统温度建模方法。PEMFC电堆输出性能受到运行系统各模块控制温度的影响，本发明基于一种变异粒子群和差分进化混合算法，结合PEMFC电堆模型，提出电化学性能最佳时，电堆各模块最优温度运行参数算法解算步骤。该混合算法具有良好的全局和局部的搜索、优化能力，能够高精度地辨识和实时控制PEMFC系统各模块的温度控制参数，从而提升燃料电池系统的电化学性能。

主权项

1.一种基于变异粒子群和差分进化混合算法的PEMFC系统温度建模方法，其特征在于：包括如下步骤：(1)定义PEMFC系统各模块温度：燃料气体温度t1，氧化气体温度t2，冷却水温度t3，阳极温度t4，阴极温度t5，质子膜温度t6，阳极侧双极板温度t7，阴极侧双极板温度t8，定义温度向量p＝(t1,t2,t3,t4,t5,t6,t7,t8)；(2)建立一个包含m个粒子的粒子群，设置种群规模m＝8，n为粒子号，n∈[1～m]，最大进化代数A_max；个体n温度向量t_n＝(t_n1,t_n2,…,t_nD)，d＝1,2,…,D，t_nd为个体n的第d维向量，D表示温度观察次数，d表示观察号；第n个粒子记为表示第n个粒子第a次迭代时的温度向量，初始时第n个粒子的温度增量记为表示第n个粒子第a次迭代时的温度增量，初始时(3)计算第n个粒子自身最优解和全局最优解：情况一：迭代次数a＝0第n个粒子在第0次迭代时的解记为第n个粒子在第0次迭代时的自身最优解记为其中，f(X)为适应值函数，在第0次迭代时的全局最优解记为f^local＝f(p^local)，情况二：迭代次数a≠0第n个粒子在第a次迭代时的解记为若则更新第n个粒子在第a次迭代时的自身最优解否则，维持第n个粒子的自身最优解若minf_n^(a)＜f^global，则更新第a次迭代时的全局最优解f^local＝f(p^local)，否则，维持全局最优解f^local＝f(p^local)；(4)判断是否满足a≥Amax：若满足，则进入步骤(7)；否则，进入步骤(5)；(5)更新个体n，具体包括如下步骤：(51)判断rand≥α(a)是否成立：若成立，进入步骤(52)；否则，进入步骤(53)；其中：rand为区间[0,1]上均匀分布的随机数，为交替概率函数；(52)采用变异粒子群算法对第n个粒子更新：根据下式对第n个粒子的增量更新根据下式对第n个粒子的值进行更新：其中：w为惯性权重，c1和c2为非负加速因子，r1和r2为区间(0,1)上均匀分布的随机数；(53)采用差分进化算法对第n个粒子进行更新：①采用差分进化算法的变异操作，设个体n变异后的值为则：其中：ra和rb为区间[1,d]上互不相同的随机整数，缩放因子F为区间[0,2]上的一个常数；②对第n个粒子变异后的值采用差分进化算法的交叉操作其中：CR为交叉概率，和为第n个粒子变异前、变异后和交叉后值的第d维分量，③对第n个粒子变异前的值和交叉后的值采用差分进化算法的选择操作，选择适应值小的作为下一代：(6)a＝a+1，返回步骤(3)；(7)输出全局最优解pglobal。