楊忠君 樊立萍 宗學(xué)軍 袁德成

(沈陽化工大學(xué)信息工程學(xué)院,遼寧 沈陽 110142)

質(zhì)子交換膜燃料電池神經(jīng)網(wǎng)絡(luò)控制研究

楊忠君 樊立萍 宗學(xué)軍 袁德成

(沈陽化工大學(xué)信息工程學(xué)院,遼寧 沈陽 110142)

近年來,質(zhì)子交換膜燃料電池(PEMFC)以其環(huán)保特性受到越來越多的關(guān)注。在正確操作下,維護(hù)燃料電池系統(tǒng)的良好運(yùn)行非常重要。研究建立了質(zhì)子交換膜燃料電池的動態(tài)模型,并設(shè)計(jì)了質(zhì)子交換膜燃料電池神經(jīng)網(wǎng)絡(luò)(NN)控制器。仿真結(jié)果表明,所提出的神經(jīng)網(wǎng)絡(luò)控制器魯棒性強(qiáng),其構(gòu)成的閉環(huán)控制系統(tǒng)靜動態(tài)性能良好,達(dá)到了恒功率輸出的要求。

質(zhì)子交換膜燃料電池 動態(tài)模型 神經(jīng)網(wǎng)絡(luò)控制 恒功率輸出 閉環(huán)控制 控制系統(tǒng)

0 引言

目前,世界正面臨著能源危機(jī)以及重大環(huán)境問題。可再生生物能源被視為一個(gè)緩解當(dāng)前全球變暖危機(jī)的主要方法[1]。近年來,燃料電池技術(shù)蓬勃發(fā)展,質(zhì)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(guān)注。在未來的發(fā)電領(lǐng)域,PEMFC是一個(gè)很有前途的技術(shù)[2-3]。

在過去10年間,PEMFC技術(shù)已經(jīng)取得了顯著改善。然而,穩(wěn)定性、可靠性和成本仍然是目前燃料電池技術(shù)亟待解決的問題。因此,要使一套燃料電池系統(tǒng)在經(jīng)受快速的負(fù)荷變化時(shí)仍能維持正常的運(yùn)行狀態(tài),就需要良好的控制系統(tǒng)。由于燃料電池的復(fù)雜性和動態(tài)非線性的特點(diǎn),使得設(shè)計(jì)一個(gè)好的控制系統(tǒng)非常困難。

人工神經(jīng)網(wǎng)絡(luò)(neural network,NN)可以提供比普通的閉環(huán)控制(PID)更好的靜動態(tài)性能[4]。本文設(shè)計(jì)了質(zhì)子交換膜燃料電池神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)。該系統(tǒng)能夠有效地抵抗負(fù)載擾動和提供恒功率輸出,仿真分析驗(yàn)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(xué)能轉(zhuǎn)化為電能的靜態(tài)裝置,并伴隨有熱量和水等副產(chǎn)品。只要燃料和氧化劑供給充足,就會持續(xù)發(fā)生化學(xué)反應(yīng)。在燃料電池的陽極,氫氣(H2)分子被還原成流向陰極的氫質(zhì)子H+和電子e-。在陰極,氫質(zhì)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(yīng)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(xué)電勢；Vact為陽極和陰極之間的激活電壓降；Vohmic為和通過固態(tài)電解質(zhì)的質(zhì)子及通過內(nèi)部電阻的電子的傳導(dǎo)性有關(guān)的電阻壓降；Vcon為由于反應(yīng)氣體的集中或者大量傳輸產(chǎn)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(tài)模型Fig.1 Dynamic model of PEMFC

2 神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計(jì)

人工神經(jīng)元網(wǎng)絡(luò)(artificial neural networks,ANN)是系統(tǒng)辨識的強(qiáng)有力工具,能夠隨著外部環(huán)境的變化進(jìn)行自我學(xué)習(xí)和自適應(yīng),并且能夠逼近任意精度的函數(shù)。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本計(jì)算單元,具有非線性和模擬性。通過多層感知器形成一個(gè)強(qiáng)大的學(xué)習(xí)模型,能夠很容易地逼近硬件或者軟件,而且有著很強(qiáng)的計(jì)算能力和廣泛的應(yīng)用領(lǐng)域[9-10]。

一個(gè)兩層感知器的結(jié)構(gòu)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(quán)重系數(shù),感知器有著很強(qiáng)的實(shí)現(xiàn)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(lǐng)域。兩層人工神經(jīng)元網(wǎng)絡(luò)如圖2所示。

圖2 兩層人工神經(jīng)元網(wǎng)絡(luò)圖Fig.2 The two-layer ANN

使用Quasi-Newton Levemberg-Marquardt訓(xùn)練法來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

計(jì)算過程具體如下。

①初始化內(nèi)部連接權(quán)重和節(jié)點(diǎn)的隨機(jī)偏差。

②計(jì)算隱含層輸出。

③計(jì)算輸出層輸出。

④計(jì)算每個(gè)輸出節(jié)點(diǎn)的δk。

⑥學(xué)習(xí)輸出層權(quán)重。

式中:學(xué)習(xí)常數(shù)0＜η＜1,動量常數(shù)0＜α＜1。且:

⑦學(xué)習(xí)隱含層權(quán)重。

⑧重復(fù)步驟①～⑦,直到誤差e小于一個(gè)規(guī)定的值ε。

在訓(xùn)練過程中,隨著訓(xùn)練時(shí)間的增長,誤差將逐漸達(dá)到最小。當(dāng)所有的有效輸入都被訓(xùn)練完成時(shí),一個(gè)學(xué)習(xí)周期即結(jié)束。

閉環(huán)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)結(jié)構(gòu)如圖3所示。

圖3 閉環(huán)神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)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(dá)到這個(gè)目的,設(shè)計(jì)了基于以上神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的閉環(huán)PEM燃料電池神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)。

3 仿真結(jié)果

為了驗(yàn)證設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)控制器的有效性,通過Matlab仿真平臺進(jìn)行了仿真運(yùn)行試驗(yàn)。在仿真模型中,使用的PEM燃料電池模型的主要參數(shù)如表1所示。

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

通過調(diào)節(jié)氧氣的流量來控制燃料電池的輸出功率。功率的參考設(shè)定值為0.5 W。在0～25 s,輸出功率跟隨設(shè)定值并逐漸達(dá)到穩(wěn)態(tài)。負(fù)載在第25 s時(shí)由5 Ω變?yōu)? Ω,系統(tǒng)功率輸出達(dá)到下一個(gè)穩(wěn)態(tài)。為了消除負(fù)載變化的影響,根據(jù)負(fù)載情況使用自動作選擇器來選取適合的量化參數(shù)。

仿真結(jié)果如圖4、圖5所示。

圖4 PEMFC的不受控仿真結(jié)果Fig.4 Simulation results of uncontrolled PEMFC

圖5 PEMFC的神經(jīng)網(wǎng)絡(luò)閉環(huán)控制仿真結(jié)果Fig.5 Simulation results of NN closed-loop control of PEMFC

由圖4和圖5可以看出,神經(jīng)網(wǎng)絡(luò)閉環(huán)控制可以更有效地抵抗負(fù)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(wěn)定跟蹤誤差e接近于零,神經(jīng)網(wǎng)絡(luò)控制器能夠很好地跟蹤設(shè)定功率。

4 結(jié)束語

本文設(shè)計(jì)了一套高效的單體燃料電池動態(tài)模型,并通過采取閉環(huán)神經(jīng)網(wǎng)絡(luò)控制,獲得了不錯的系統(tǒng)特性。系統(tǒng)能有效地保持恒功率輸出,并能跟蹤設(shè)定功率的變化。仿真研究證明,神經(jīng)網(wǎng)絡(luò)控制器是一種學(xué)習(xí)性和魯棒性均很強(qiáng)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(jì)劃基金資助項(xiàng)目(編號:2008AA042902);

國家自然科學(xué)基金資助項(xiàng)目(編號:61143007、60874057);

遼寧省教育廳基金資助項(xiàng)目(編號:L2012151)。

楊忠君(1979-),男,現(xiàn)為東北大學(xué)電力電子與電氣傳動專業(yè)在讀博士研究生,講師;主要從事復(fù)雜工業(yè)過程動態(tài)優(yōu)化控制及故障診斷的研究。