地下工程PEMFC分布式發電系統運行穩態安全評估

李 集 諶 力

（1.解放軍理工大學，江蘇 南京 210007；2.海軍指揮學院，南京 210016）

武器的高科技發展對地下指揮所、武器洞庫、人防工程等地下工程的內部能源供給系統構成極大威脅，高科技尖端武器能極大地削弱地下工程功能作用的有效發揮，甚至破壞或推毀地下工程。地下工程電力能源供給普遍采用單一集中式柴油發電站，其高溫煙氣排放極易暴露目標，難免遭受高科技尖端武器精確制導打擊，致使地下工程電力供給系統徹底癱瘓或損毀。即使地下工程電力能源供給系統在精確制導武器攻擊之下尚未癱瘓，也會在巨大爆炸沖擊波的沖擊下極可能引起地下發電機電壓驟然下降，引發柴油機突然熄火或致柴油機發電系統損毀，嚴重影響地下工程的電力能源供給。因此，目前的柴油機發電站很難適應未來高科技戰爭對地下工程的有效防護和電力能源供給保障以及內部環境的戰時安全性要求，必須改革創新和轉變發展方式。

1 地下工程供能需求及PEMFC 氫能發電機特點

地下工程內部能源供給系統必須滿足五方面要求：一是安全性與穩定性。內部能源燃料的獲得、儲運及能源轉換系統都必須符合安全性與穩定性要求；二是低污染、低排放、低能耗、低噪聲及偽裝性能優良。低污染、低排放、低能耗、低噪音可有效防止工程目標暴露和反空中偵察；三是滿足地下工程對供電、供熱、制冷、除濕等多種綜合服務要求；四是運行調節能力強。可隨著內部設備功能及運行狀況的變化而調節[1]；五是注重經濟性。既要考慮整個能源工程的整體效益，又要考慮能源工程總成本的經濟性，雖然國防工程是允許在成本方面適度放寬，但工程的經濟性仍須注重。

PEMFC 氫能發電機具備不受“卡諾”循環限制、能量轉換效率高、潔凈無污染、噪聲低、模塊化結構、比功率高、積木性強等特點與優點，完全能夠適應地下工程內部能源供給系統的上述五方面的要求。PEMFC 氫能發電機既可以克服柴油發電機組不易偽裝的缺點，又可以提高地下工程的偽裝性能和戰時生存能力，還可以按照防護分區的劃分和根據防護功能的需要設置多電源分布式發電（Distributed Generation，DG）系統[2]。隨著智能電網技術的推廣應用，PEMFC 分布式發電系統將越來越實用。現在的大容量電力供給系統本質上是動態的，網絡拓撲因負荷需求的變化而頻繁改變。隨著電網負載的不斷增加，當電力系統網絡的負荷達到自身極限時，即使是很小的擾動也會引發整個電力系統網絡崩潰[3]。為保證PEMFC 分布式發電系統的安全穩定運行，需要每個PEMFC 電堆安全運行。因此，只有實時監控溫度、壓力及濕度等PEMFC運行參數，為電網管理員提供準確可靠的安全評估信息，從而確保PEMFC 分布式發電系統的運行狀態與操作狀態安全穩定。

2 PEMFC 發電系統

圖1 PEMFC 工作原理圖[2]

PEMFC 發電系統是燃料電池電堆及與其匹配的運行支持系統構成的發電裝置。其核心是電堆，外圍或輔助系統包含燃料（氫氣）循環系統、氧氣（或空氣）給進系統、水熱管理系統（或者空冷系統）、氣體增濕系統、電能變換系統、監測控制系統和負載等系統單元組成。PEMFC 發電系統的運行過程是反應氣體氫氣和氧氣分別通過調壓閥、加濕器（加濕、升溫）后進入電堆，發生電化學反應產生直流電，經穩壓、變換后供給負載。PEMFC 電堆在一定的工作條件下可產生穩定可靠的直流電[1]。例如，電堆運行溫度大約在80℃，質子交換膜還需保持一定的濕度，避免陽極失水和陰極“淹水”。可見，供氣系統、水熱管理等系統單元是PEMFC 發電系統穩定工作的重要環節，需要應用計算機進行調節控制，確保PEMFC 發電系統整體性能良好。

3 溫度、氣壓、濕度對PEMFC 電堆性能影響分析

PEMFC 的控制是一個多輸入多輸出的系統，運行參數的調節對彼此以及性能都有極大的影響。文獻[4]的正交實驗表明：溫度、壓力、濕度以及溫度與濕度之間的耦合作用對PEMFC 堆電效率的影響顯著，溫度與壓力及壓力與濕度之間的耦合作用的影響可以忽略；在影響程度上，溫度的影響大。為此著重分析溫度、壓力和濕度的影響特性。

3.1 分析溫度影響特性

溫度的影響主要從兩方面考慮，一是氣體的擴散能力；二是膜電阻[5]。低溫時，升高電池工作溫度，會加速氫電化學氧化，增加質子交換膜的電導，減少膜的歐姆極化，加快反應氣體向催化劑層的擴散，加速質子從陽極向陰極的運動以及生成水的排出，從而提高能量的轉換效率。但隨溫度進一步升高，反應氣體的相對濕度減少，加速膜干涸，膜電阻升高，影響逐漸減弱，甚至降低電池性能。電池堆工作溫度如果過高就會導致質子交換膜的水分加速流失、水蒸氣分壓加大，嚴重時甚至引發膜收縮破裂。相反，電池堆的內部溫度過低時，反應生成的水不能以氣態形式排出，易引發電極“淹水”現象，電堆內傳質受限和電化學反應速度降低[6]。實驗研究[7]表明保持PEMFC 的操作溫度在70～90℃之間可使其輸出性能達到最佳。而且眾多實驗及模擬計算結果建議，PEMFC 內部正常溫度應維持在65～85℃，運行溫度一般不宜超過100℃。

3.2 分析壓力影響特性

根據Nernst 方程，壓力增加，開環電路電壓升高。因此，壓力增加，性能的提高可解釋為：壓力增加會使反應氣體擴散性增加，從而降低物質傳輸阻力下降[8]。當電堆的其他運行條件不變時，氣體工作壓力的升高，能極大降低濃差極化，有利于電極反應進行，提高電池內部溫度，提升PEMFC 電堆電效率[6，9]。但是繼續增加氣體工作壓力，性能提升卻不斷降低。而且提高反應氣體壓力，不僅增加電堆密封難度和空壓機能耗，降低PEMFC 發電系統的效率，還影響膜的壽命降低系統工作安全性。在實際操作中為保持膜的性能和電池的良好輸出特性，一般控制氣體的壓力在0.2～0.3MPa[10]。為了保持質子交換膜一定的濕度以及生成水的排放，電堆的壓力控制要求陰極壓力比陽極壓力略高（但須在0.05MPa 以內）且調節兩極壓力時要同升降。定期排出生成物水、部分惰性氣體等“有害”氣體，會導致PEMFC 反應氣體的壓力產生波動，對輸出性能產生嚴重的影響[11]。由上述特性可知，對進入電堆的氣體壓力的控制精度要求高，不太適應過于頻繁的大幅度改變陰陽兩極氣體壓力。

3.3 分析濕度影響特性

質子必須和水結合才能到達陰極。因此，質子交換膜的導電性取決于膜中的含水量，即電堆的濕度。PEMFC 的輸出電壓隨著陰極氣體濕度的增加而增加[12]。但是氣體濕度過高，易形成液態水，降低氧氣通過氣體擴散層的速度，而以空氣作為氧化劑的PEMFC 該負面影響尤為嚴重。甚至因電堆濕度過大而導致電極被水淹，令電池失效。此外，電池工作在高溫低壓的情況下，水分以水蒸氣的形式存在于電池內部，無形中稀釋了反應氣體，降低了電池的發電效率。如果電堆的濕度較低，此時反應氣體的濃度相對增大，有利于氣體的傳質，但是濕度過低會造成質子交換膜脫水，降低膜的導電率，內部阻抗也隨之增加，膜脫水嚴重時可直接導致電池損壞。文獻[12]得出結論：一是燃料電池的進氣均需要加濕，以保證電解質膜的濕潤，使其具有很好的導電能力。二是陰極進氣加濕在75%左右電池性能可以達到最佳。三是陽極進氣干燥對電池的性能影響較大。

4 建立穩態安全評估BP 神經網絡模型

地下工程中，PEMFC 分布式發電系統存在常停常用情況，為保持PEMFC 長期處于安全穩定工作狀態，應實時調節PEMFC 性能控制參數發揮其潛能，使額定輸出功率能實時滿足負載需求。實施智能控制時，分布式發電系統需要一個快速、準確的在線安全評價方法對多個PEMFC 發電系統分析安全情況，預警電網管理員采取必要預防措施。BP 網絡是一種多層前向型神經網絡，可以實現從輸入到輸出的任意非線性映射。由于其結構簡單、可塑性強，在分類、函數逼近、預測等方面都有非常明顯的優勢，適于解決復雜的非線性問題[14]。考慮PEMFC 輸出性能評價通常是電池輸出伏安特性曲線的感官判斷，而且每個PEMFC 發電系統的非控制參數可能存在不一致情形，神經網絡可針對每個發電系統學習分析其伏安特性。利用BP 神經網絡逼近伏安特性曲線，辨識PEMFC 的溫度、壓力和濕度是否處于適宜取值范圍，即處于穩態。

文獻[11]通過仿真得出：

情形1：質子交換膜燃料電池輸出性能隨著可控制影響參數的增大而提升，輸出性能提升的幅度與可控制參數的增加幅度呈非線性關系。膜的厚度對電池輸出性能的影響最大，而氫氣的壓力對質子交換膜燃料電池輸出性能的影響最小。

情形2：將PEMFC 的電流密度大小分為低電流密度區域（0～0.1A/cm2）、中電流密度區域（0.1～1.1 A/cm2）和高電流密度區域（l.1～ A/cm2）。（1）在低電流密度區域，PEMFC 的輸出性能主要受到活化極化導致的影響。此時增加氣體的反應面積、提升反應氣體的壓強、提高電池的操作溫度、降低反應氣體的濕度等都將有利于降低活化極化而提升電池的輸出性能。（2）在中電流密度區域，主要為歐姆損失導致PEMFC 輸出性能的降低。在此電流密度區域內減少反應氣體的反應面積、減少質子交換膜的厚度、提高反應氣體的壓力、提高電池的操作溫度等均會降低電池內阻而減少電阻極化，從而有利于提升電池的輸出性能。（3）在高電流密度區域，PEMFC 的輸出性能主要受到濃差極化導致的影響。較高的反應氣體濕度、較高的電池運行溫度、較薄的質子交換膜厚度、較大的反應膜面積等都有利于提升電池的輸出性能。此時提高反應氣體壓力對電池輸出性能的提升不明顯。

如圖2所示，結合上述結論建立一個穩態安全評估BP 神經網絡模型。該模型由兩個平行的BP 神經網絡聯合構成：網絡圖BP-1 用于判斷溫度適宜狀態，網絡圖BP-2 用于判斷濕度適宜狀態。

圖2 穩態安全評估BP 神經網絡模型

因此，網絡圖BP-1 所選特征量是電流密度、電池溫度、氫氣入口壓力、氧氣入口壓力和輸出電壓；網絡圖BP-2 所選特征量是電流密度、輸出電壓和陰極氣體濕度（陽極易缺水，一般是100%加濕）。特征量歸一化后的數值作為輸入值，Oi(1≤i≤4)是BP神經網絡的訓練輸出結果，在輸出層為限制輸出0/1神經元激活函數，故選擇S 型函數。為保證精度隱藏層選取兩層，隱藏層節點數Ln由經驗公式(n+m)1/2+β決定（β取值：1～10），經過反復測試，第一隱藏層取7 個節點，第二隱藏層取9 個節點。

綜合上述分析、結論以及控制的滯后性，在犧牲一定性能的前提下，設定如下：①當電流密度的穩態取值處在區間(250,900)，單位A/cm2，則O1，O4輸出為1，否則為0；②當溫度的穩態取值處在區間(65,80)，單位℃，則O2輸出為1，否則為0；③當相對濕度的穩態取值處在區間[70%,90%]，則O3輸出為1，否則為0。通過實時監測及時預警PEMFC 狀態是否穩定。

針對評估狀態，給出建議控制策略，見表1和表2。

網絡圖 BP-1 所用的訓練樣本數據18 組與測試樣本數據12 組來自文獻[13]，網絡圖BP-2 所用的訓練樣本數據50 組與測試樣本數據45 組來自文獻[12]。對所有樣本數據進行歸一化處理。

5 仿真結果分析

網絡圖BP-1 仿真結果見表3。

網絡圖BP-2 仿真結果見表4和表5。

表1

表2

表3

表4

表5

基于收斂性與計算精度考慮，通過Matlab 建立采用LM（Levenberg-Marquardt）算法的BP 神經網絡模型。經過訓練后的穩態安全評估BP 神經網絡模型，網絡圖BP-1 的辨識準確率為83.3%，網絡圖BP-2 的辨識準確率為91.1%，基本滿足預警需求。由兩個BP 網的精度存在差距可知訓練樣本數據越多，BP 網絡辨識精度就越高。

6 結論

本文采用BP 神經網絡方案對PEMFC 分布式發電系統的穩態進行預警，適宜實際在線操作，穩態辨識精度有利于保持PEMFC 電堆的性能，能滿足分布式電力系統運行調度的需要。說明神經網絡用于在線穩態檢測是完全可行的，并且能夠很好節約人力資源。在使用過程中仍可根據所采集數據對樣本數據不斷優化，提升辨識精度。而且智能電網[15]是優化現代大容量電力系統的和提高電力輸送系統的可靠性，以滿足未來增長的電力需求的一個重要概念。推廣應用“智能”電網的潛在動力是為獲取更容易理解的電網實時運行參數，從而提高控制、響應能力，形成一個具備更加準確預期的傳輸電網[16]。神經網絡在PEMFC 分布式發電系統中的應用，將推動智能電網應用的普及。

當然，本文所述方法尚存兩個辨識問題：一是目前只考慮影響穩態的主要運行參數，對其他運行參數尚欠缺綜合分析，在受到其他參數干擾時，安全穩態辨識精度可能會受到影響，可能會出現誤報的情況。此外，BP 神經網絡不可避免地存在局部極小問題；二是所獲取的樣本數據數量及樣本間距都需要進一步提升，運行參數的測量精度與實時性仍需做深入的改進。

[1] 肖永謙,何銳.燃料電池在地下工程中的應用[J].科技創新導報,2008,(22) :120.

[2] 陸洋,徐曄,等.PEMFC 分布式發電在地下工程中的應用研究[J].電氣技術,2007(1):50-54.

[3] VERMA K,NΙAZΙ K R.Determination of vulnerable machines for online transient security assessment in smart grid using artificial neural network[C].ΙEEE,2011:1-5.

[4] 張連洪,揭偉平.溫度、壓力和濕度對PEMFC 堆電效率的影響[J].天津大學學報,2006,40(5):594-598.

[5] 徐臘梅.質子交換膜燃料電池模擬與優化[M].2012.

[6] 劉旭.質子交換膜燃料電池系統( PEMFC) 的控制策略綜述[J].化工自動化及儀表,2012,39(4):439-443.

[7] 孫紅,高曉佳,張珂,等.PEM 燃料電池的伏安特性及其影響因素[J].沈陽建筑大學學報,2006,22(5):867-871.

[8] 黃健.PEMFC 輸出性能影響因素的仿真研究碩士論文[J].昆明理工大學,2010.

[9] 揭偉平.PEMFC 堆電效率與PEMFC 溫差熱機電熱聯供的實驗研究碩士論文.天津大學機械工程學院,2007.

[10] 衛東,陸勇軍,褚磊民.質子交換膜燃料電池發電系統控制策略研究[J].能源工程,2008(2):4-9.

[11] 黃健.PEMFC 輸出性能影響因素的仿真研究碩士論文.昆明理工大學,2010.

[12] LATHA K,VΙDHYS S.Tuning of PEM fuel cell model parameters for prediction of steady state and dynamic performance under various operating conditions[J].Ιnternational Journal of Hydrogen Energy 2013,38: 2370-2386.

[13] 孫立萍.基于人工神經網絡的質子交換膜燃料電池性能研究碩士論文.大連交通大學,2010.

[14] 張德豐.Matlab 神經網絡應用設計[M].2版.北京:機械工業出版社,2012.

[15] AMΙN S M,WOLLENBERG B F.Toward a smart grid: power delivery for the 21st century.Power and Energy Magazine,ΙEEE,2005,3(5):34-41.

[16] LAUBY M G.Reliability considerations for application of smart grid technologies[J].ΙEEE Power and Energy Society General Meeting,Minneapolis,2010:25-29.