[發明專利]基于ALMBO優化算法的質子交換膜燃料電池子空間辨識方法

有效

• 申請號: 202111143223.X
• 申請日: 2021-09-28
• 公開（公告）號: CN114137829B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 孫成碩;金饒;戚志東;徐勝元;單梁;周禮鋒;張揚;沈致遠
• 申請（專利權）人: 南京理工大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 岑丹

本發明公開了一種基于ALMBO優化算法的質子交換膜燃料電池子空間辨識方法，首先，選取模型辨識的輸入輸出變量，并在PEMFC測控平臺采集數據。然后，構建輸入輸出數據的Hankel矩陣，并通過SVD分解求取系統的階次。本發明發明引入改進的優化算法—變異反向學習的自適應帝王蝶優化算法(ALMB O)，在遷移算子中，引入變異反向學習策略，對蝴蝶的位置進行變異更新，增加種群的多樣性。在調整算子中，融入自適應的思想，使得調整算子隨著迭代次數的變化進行線性調整，提高了算法適應度，增強算法的尋優能力。并對適應度最差的5個粒子采用柯西變異，提高其尋優能力。本發明無需復雜的電堆特性分析，且引入改進的優化算法，尋優精度高，模型輸出更加貼切真實工作特性。

技術領域

本發明屬于工業控制領域，具體為一種基于ALMBO優化算法的質子交換膜燃料電池子空間辨識方法。

背景技術

氫能是一種新能源，具有能量高，環保等優點。質子交換膜燃料電池(PE MFC)是利用氫能作為反應物，其反應速度快，無污染，可單元模塊化，具有廣泛的應用前景。但PEMFC是多變量、強耦合且具有非線性特點的系統，搭建PEMFC模型過程較為復雜，且建模的輸出與實際輸出存在較大差異。因此，為便于后續PEMFC的控制，準確建立PEMFC的辨識模型成為首要任務。

現有的PEMFC建模方法側重于機理模型的搭建，利用能斯特電壓方程，能量守恒定理，傳熱方程等定義搭建燃料電池的溫度模型，陰陽極氣體模型，輸出電壓模型等。但存在以下幾個問題：

(1)機理模型的搭建較為復雜，參數確定存在經驗性問題。

(2)機理模型不利于后續PEMFC控制方法實現。

(3)機理模型中，各參數相互關聯，耦合性大，參數設置不當，將會與實際工作狀態有很大誤差。

為克服上述問題，很多學者將PEMFC模型研究從機理模型搭建轉移到辨識模型上來。劉璐，李奇，尹良震，et al.基于PFDL的陰極開放式PEMFC系統無模型自適應預測控制[J].中國電機工程學報,2019,39(16):4827-4837+4984.為使得PEMFC的輸出性能最佳，提出了一種基于偏格式動態線性化的辨識模型，將PEMFC這一非線性時變系統轉換為動態線性化數據模型，從而實現了非線性系統的控制，但實際辨識輸出的誤差較大。戚志東,何永康,戈衛平,孫琦.質子交換膜燃料電池的分數階非線性狀態空間模型研究[J].控制理論與應用,2019,36(03):420-427.針對PEMFC發電過程中存在強耦合，非線性，分數階的特征，建立了PEMFC的分數階Hammerstein模型，其精度高，但在建模過程引入了非線性環節，算法本身復雜度較高，不易在實際操作中使用。

發明內容

本發明的目的在于提供一種質子交換膜燃料電池子空間辨識方法。

實現本發明目的的技術解決方案為：一種基于ALMBO優化算法的質子交換膜燃料電池子空間辨識方法，包括如下步驟：

步驟1，分析PEMFC工作特性和工作原理，選取合適的PEMFC狀態空間辨識模型輸入、輸出變量；

步驟2，利用PEMFC測控平臺采集PEMFC狀態空間辨識模型建模所需的實驗數據，并從采集的實驗數據中挑選出有效實驗數據，形成PEMFC狀態空間辨識模型有效輸入數據集與有效輸出數據集；

步驟3，構造PEMFC狀態空間辨識模型；

步驟4，PEMFC狀態空間辨識模型最佳狀態變量初始值尋優；

步驟5，基于有效輸入數據集、有效輸出數據集構造Hankel矩陣；

步驟6，求解PEMFC狀態空間辨識模型的階次；

步驟7，將PEMFC狀態空間辨識模型的辨識輸出值與實際輸出數據進行比較，若滿足輸出誤差要求則直接輸出，如不滿足，則進行優化算法的繼續迭代。