[發明專利]一種固體氧化物燃料電池性能推理與優化方法

有效

• 申請號: 202010695937.0
• 申請日: 2020-07-17
• 公開（公告）號: CN112131775B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 李曦;李奕辰;鄭依;鄧忠華;蔣建華
• 申請（專利權）人: 華中科技大學鄂州工業技術研究院;華中科技大學
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F119/04
• 代理公司: 北京眾達德權知識產權代理有限公司 11570
• 代理人: 張曉冬

一種固體氧化物燃料電池性能推理與優化方法，所述方法包括步驟：對固體氧化物燃料電池進行物理化學機理建模并得到數學模型；將所述數學模型中未確定的系數設置為未知系數；使用粒子群優化算法對所述未知系數進行優化；將所述未知系數優化后的所述數學模型轉換為狀態空間表達式；對固體氧化物燃料電池實際運行數據中的變量進行格蘭杰因果檢驗，并得到實際運行情況下變量的格蘭杰因果性關系矩陣；根據所述狀態空間表達式與所述格蘭杰因果性關系矩陣判斷所述數學模型是否符合所述固體氧化物燃料電池實際運行情況并評估優化效果。本申請綜合準確性與效率考量，整合了數據驅動方法與機理模型方法的優勢，同時一定程度上避免了二者的缺點。

技術領域

本發明屬于高溫燃料電池技術領域，具體涉及一種固體氧化物燃料電池性能推理與優化方法。

背景技術

故障診斷分析和壽命預測被認為是維護SOFC系統正常運行與高效輸出的必須手段，近年來國內外的學者對許多SOFC系統故障檢測與診斷方法進行了研究。這些工作的方法可以分為兩大類:基于數據驅動的故障診斷方法和基于機理模型的故障診斷方法。

基于機理模型的故障診斷方法，一般情況下機理模型由已知的物理化學原理推導得出：計算實際SOFC行為與預期健康行為之間的瞬時距離，然后通過殘差分析對故障進行檢測。由于此過程越來越復雜，通過系統的物理化學原理在實際中很難精確計算獲取相關變量的值，從而使得基于機理模型的故障診斷方法很難在模型無法保證客觀精確的前提下擁有足夠的精度。與已有的基于機理模型的方法相比，基于數據驅動的方法僅依靠歷史記錄的數據集，利用實體過程中的信息。基于數據驅動的故障診斷方法在生產過程監控和故障診斷方面蓬勃發展，并開始在行業中應用，以保證系統持續穩定的運行。

基于上述內容，催生出兩種主流的故障診斷與壽命預測方法：一類是以模型為基礎，使用已知的物理化學模型作為判斷依據來進行預測；另一類則是以數據為基礎，對收集的真實實驗數據進行分析以期獲得更多信息。

數據驅動方法具有準確客觀的特點，因為數據來源自實際系統試驗，數據中包含了確切的系統特征信息，但是數據驅動方法對于系統控制而言具有遲滯性，不能夠在故障發生之前進行預測并規避；同時數據驅動方法需要對實際實驗數據進行分析而后得到結論，而實際實驗物質成本和時間成本均極大，不可能通過大量的實驗獲得足夠多的系統信息，所以需要物理化學原理的支撐，這樣就要借助機理模型方法。機理模型方法具有數據驅動方法所不能比擬的時效性，可以在故障發生之前就通過計算和模型推測出接下來會發生的故障內容，而這一點無比重要。但是同樣機理模型方法也具有缺點，即當前的物理化學知識的發展并不能完美地解釋如此復雜系統之中發生的全部客觀過程，僅僅能夠用目前所了解的部分來建立模型，這樣會導致模型與事實系統的不統一，而導致預測失誤甚至是導致重大事故。

發明內容

鑒于上述問題，本發明提供克服上述問題或者至少部分地解決上述問題的一種固體氧化物燃料電池性能推理與優化方法。

為解決上述技術問題，本發明提供了一種固體氧化物燃料電池性能推理與優化方法，所述方法包括步驟：

對固體氧化物燃料電池進行物理化學機理建模并得到數學模型；

將所述數學模型中未確定的系數設置為未知系數；

使用粒子群優化算法對所述未知系數進行優化；

將所述未知系數優化后的所述數學模型轉換為狀態空間表達式；

對固體氧化物燃料電池實際運行數據中的變量進行格蘭杰因果檢驗，并得到實際運行情況下變量的格蘭杰因果性關系矩陣；

根據所述狀態空間表達式與所述格蘭杰因果性關系矩陣判斷所述數學模型是否符合所述固體氧化物燃料電池實際運行情況并評估優化效果。

優選地，所述對固體氧化物燃料電池進行物理化學機理建模并得到數學模型包括步驟：