質子交換膜燃料電池神經網絡控制研究

楊忠君 樊立萍 宗學軍 袁德成

(沈陽化工大學信息工程學院,遼寧 沈陽 110142)

質子交換膜燃料電池神經網絡控制研究

楊忠君 樊立萍 宗學軍 袁德成

(沈陽化工大學信息工程學院,遼寧 沈陽 110142)

近年來,質子交換膜燃料電池(PEMFC)以其環保特性受到越來越多的關注。在正確操作下,維護燃料電池系統的良好運行非常重要。研究建立了質子交換膜燃料電池的動態模型,并設計了質子交換膜燃料電池神經網絡(NN)控制器。仿真結果表明,所提出的神經網絡控制器魯棒性強,其構成的閉環控制系統靜動態性能良好,達到了恒功率輸出的要求。

質子交換膜燃料電池 動態模型 神經網絡控制 恒功率輸出 閉環控制 控制系統

0 引言

目前,世界正面臨著能源危機以及重大環境問題。可再生生物能源被視為一個緩解當前全球變暖危機的主要方法[1]。近年來,燃料電池技術蓬勃發展,質子交換膜燃料電池(proton exchange membrane fuel cell, PEMFC)由于其效率高受到廣泛關注。在未來的發電領域,PEMFC是一個很有前途的技術[2-3]。

在過去10年間,PEMFC技術已經取得了顯著改善。然而,穩定性、可靠性和成本仍然是目前燃料電池技術亟待解決的問題。因此,要使一套燃料電池系統在經受快速的負荷變化時仍能維持正常的運行狀態,就需要良好的控制系統。由于燃料電池的復雜性和動態非線性的特點,使得設計一個好的控制系統非常困難。

人工神經網絡(neural network,NN)可以提供比普通的閉環控制(PID)更好的靜動態性能[4]。本文設計了質子交換膜燃料電池神經網絡控制系統。該系統能夠有效地抵抗負載擾動和提供恒功率輸出,仿真分析驗證了其可行性。

1 PEM燃料電池模型

燃料電池是一種直接把燃料的化學能轉化為電能的靜態裝置,并伴隨有熱量和水等副產品。只要燃料和氧化劑供給充足,就會持續發生化學反應。在燃料電池的陽極,氫氣(H2)分子被還原成流向陰極的氫質子H+和電子e-。在陰極,氫質子H+和電子e-遇到氧氣形成了水和熱能,而電子e-在陽極和陰極之間形成電勢[5-7],反應過程如下所示:

單體電池的輸出電壓由下式給出:

式中:ENernst為反向電壓的熱力學電勢；Vact為陽極和陰極之間的激活電壓降；Vohmic為和通過固態電解質的質子及通過內部電阻的電子的傳導性有關的電阻壓降；Vcon為由于反應氣體的集中或者大量傳輸產生的壓降；Vfc為開路電壓。

單體燃料電池的輸出功率為:

圖1 PEM燃料電池的動態模型Fig.1 Dynamic model of PEMFC

2 神經網絡控制器的設計

人工神經元網絡(artificial neural networks,ANN)是系統辨識的強有力工具,能夠隨著外部環境的變化進行自我學習和自適應,并且能夠逼近任意精度的函數。神經元是神經網絡的基本計算單元,具有非線性和模擬性。通過多層感知器形成一個強大的學習模型,能夠很容易地逼近硬件或者軟件,而且有著很強的計算能力和廣泛的應用領域[9-10]。

一個兩層感知器的結構包括輸入層、隱含層和輸出層,由于隱含層和兩相鄰層之間具有不同權重系數,感知器有著很強的實現邏輯決策的能力,因此能夠廣泛用于模式識別、邏輯決策和其他更多領域。兩層人工神經元網絡如圖2所示。

圖2 兩層人工神經元網絡圖Fig.2 The two-layer ANN

使用Quasi-Newton Levemberg-Marquardt訓練法來訓練神經網絡。

計算過程具體如下。

①初始化內部連接權重和節點的隨機偏差。

②計算隱含層輸出。

③計算輸出層輸出。

④計算每個輸出節點的δk。

⑥學習輸出層權重。

式中:學習常數0＜η＜1,動量常數0＜α＜1。且:

⑦學習隱含層權重。

⑧重復步驟①～⑦,直到誤差e小于一個規定的值ε。

在訓練過程中,隨著訓練時間的增長,誤差將逐漸達到最小。當所有的有效輸入都被訓練完成時,一個學習周期即結束。

閉環神經網絡控制系統結構如圖3所示。

圖3 閉環神經網絡控制系統Fig.3 Closed-loop NN control system

在許多場合都需要恒功率輸出,因此燃料電池的恒功率控制也是很有必要的。為了達到這個目的,設計了基于以上神經網絡結構的閉環PEM燃料電池神經網絡控制系統。

3 仿真結果

為了驗證設計的神經網絡控制器的有效性,通過Matlab仿真平臺進行了仿真運行試驗。在仿真模型中,使用的PEM燃料電池模型的主要參數如表1所示。

表1 PEMFC的主要參數Tab.1 Main parameters of PEMFC

通過調節氧氣的流量來控制燃料電池的輸出功率。功率的參考設定值為0.5 W。在0～25 s,輸出功率跟隨設定值并逐漸達到穩態。負載在第25 s時由5 Ω變為6 Ω,系統功率輸出達到下一個穩態。為了消除負載變化的影響,根據負載情況使用自動作選擇器來選取適合的量化參數。

仿真結果如圖4、圖5所示。

圖4 PEMFC的不受控仿真結果Fig.4 Simulation results of uncontrolled PEMFC

圖5 PEMFC的神經網絡閉環控制仿真結果Fig.5 Simulation results of NN closed-loop control of PEMFC

由圖4和圖5可以看出,神經網絡閉環控制可以更有效地抵抗負載對電壓的擾動,并保證功率的恒定輸出。由圖5還可看出,穩定跟蹤誤差e接近于零,神經網絡控制器能夠很好地跟蹤設定功率。

4 結束語

本文設計了一套高效的單體燃料電池動態模型,并通過采取閉環神經網絡控制,獲得了不錯的系統特性。系統能有效地保持恒功率輸出,并能跟蹤設定功率的變化。仿真研究證明,神經網絡控制器是一種學習性和魯棒性均很強的有力工具。

[1] Logn B E.Scaling up microbial fuel cells and other bioelectrochemical systems[J].Applied Microbiology and Biotechnology,2010,85(6): 1665-1671.

[2] Pukrushpan J,Stefanopoulou A,Peng H.Control of fuel cell breathing[J]. IEEE Control Systems,2004,24(2):30-46.

[3] Kunusch C,Puleston P F,Mayosky M A,et al.Sliding mode strategy for PEM fuel cells stacks breathing control using a super-twisting algorithm[J].IEEE Transactions on Control Systems Technology, 2009,17(1):167-174.

[4] Hatti M,Tioursi M,Nouibat W.Neural network approach for semiempirical modelling of PEM fuel-cell[C]∥IEEE International Symposium,2006:1858-1863.

[5] Moreira M V,Silva G E.A practical model for evaluating the performance of proton exchange membrane fuel cells[J].Renewable Energy,2009,34(7):1734-1741.

[6] Rezazadeh A,Sedighizadeh M,Karimi M.Proton exchange membrane fuel cell control using a predictive control based on neural network[J]. International Journal of Computer and Electrical Engineering,2010, 2(1):81-85.

[7] Youssef M E,Nadi K E,Khalil M H.Lumped model for proton exchange membrane fuel cell(PEMFC)[J].International Journal of Electrochemical Science,2010,5(2):267-277.

[8] Rezazadeh A,Askarzadeh A.Adaptive inverse control of proton exchange membrane fuel cell using RBF neural network[J]. Electrochem,2011,6(8):3105-3117.

[9] Lippmann R P.An introduction to computing with neural nets[J].IEEE Acoustics,Speech and Signal Processing Magazine,1987,4(2):4-22.

[10] El-Sharkh M Y,Rahman A,Alam M,et al.A dynamic model for a stand-alone PEM fuel cell power plant for residential applications[J]. Journal of Power Sources,2004,138(1-2):199-204.

Study on the Neural Network Control for Proton Exchange Membrane Fuel Cell

In recent years,proton exchange membrane fuel cell(PEMFC)has been attracted more and more attention because of its environmental characteristics.Maintaining good operation of fuel cell system under correct operating conditions is important.Through researching,the dynamic model of PEMFC has been established,and the neural network(NN)control system of PEMFC that satisfies requirement of constant power output has been designed.The results of simulation show that the robustness of the proposed NN controller is very good,and the static and dynamic characristics of the closed-loop NN control system is superior.

Proton exchange membrane fuel cell(PEMFC) Dynamic model Neural network control Constant power output Closed-loop control Control system

TM911+.4；TP183

A

國家863計劃基金資助項目(編號:2008AA042902);

國家自然科學基金資助項目(編號:61143007、60874057);

遼寧省教育廳基金資助項目(編號:L2012151)。

楊忠君(1979-),男,現為東北大學電力電子與電氣傳動專業在讀博士研究生,講師;主要從事復雜工業過程動態優化控制及故障診斷的研究。