一种固体氧化物燃料电池系统的最优容错控制方法

摘要

本发明公开了一种固体氧化物燃料电池系统的最优容错控制方法，通过优化模块获取系统正常状态与空气压缩机故障状态的最优运行参数，通过故障诊断模块诊断当前系统所处状态，并根据诊断结果，利用切换模块选择最优运行参数并将其作为被控参数的目标值，最后使用PID控制器实现功率温度及空气过氧比的跟踪控制，最终实现系统的最优容错控制。

权利要求

1.一种固体氧化物燃料电池系统的最优容错控制方法，其特征在于，包括以下步骤：(1)、建立固体氧化物燃料电池系统的正常与空气压缩机故障的模型；

系统输出功率：P＝VI-Pcp，V为燃料电池的输出电压，I为负载电流，Pcp为空气压缩机消耗的功率；

系统输出效率： LHVf为燃料的低热值，Wf为系统的燃料入口流量；

系统电单位成本： c为固体氧化物燃料电池的发电成本，Ex为固体氧化物燃料电池的发电火用值；

系统阴阳极入口温度T4、T14：

其中 分别为系统两个混合器的入口能量流，W4、W14分别为两个混合器的出口流量，x4,i、x14,i表示系统两个混合器的出口气体的摩尔份数，cp,i则表示气体的比热容，代表气体的标准摩尔焓，To表示大气温度；

系统过氧比 Wa为空气入口流量， 为空气中氧气摩尔份数，N为电堆的电池个数，F为法拉第常数；

系统燃料利用率uf： 为燃料中甲烷摩尔份数；

当系统处于正常状态时，空气压缩机消耗的功率Pcp和出口温度T11满足：当系统处于空气压缩机故障状态时，空气压缩机消耗的功率Pcp和出口温度T11满足：其中，ηEM为空气压缩机电机效率，cp,a为空气的比热容，ηis为空气压缩机的等熵效率，β为空压机的压力比，γ为空气的绝热指数；

(2)、对固体氧化物燃料电池系统的正常与空气压缩机故障的模型进行优化；

选取系统中的燃料利用率、过氧比、阳极入口温度、阴极入口温度、电流作为优化过程中的决策变量，选取系统的发电效率与电单位成本作为优化目标，利用NSGA-II与TOPSIS算法，获取系统正常及空气压缩机故障下的最优运行操作参数，使其满足系统发电效率最大及电单位成本最小；

(3)、诊断当前运行的固体氧化物燃料电池系统的状态；

比较正常状况下与实际运行时空气压缩机的出口温度T11,N和T11，如果T11,N等于T11，则系统处于正常状态，否则系统处于空气压缩机故障状态；

(4)、根据诊断结果选择最优运行操作参数；

如果诊断出当前系统为正常状态，则切换器选择正常状态下的最优运行操作参数，并将该参数作为控制器被控参数的目标值；

如果诊断出当前系统处于空气压缩机故障状态时，则切换器选择故障状态下的最优运行操作参数，并将该参数作为控制器被控参数的目标值；

(5)、利用控制器实现功率温度及空气过氧比的跟踪控制；

选用四个PID控制器，分别选取燃料流量、空气流量、燃料旁路阀开度、空气旁路阀开度作为四个PID控制器的控制变量，实现了对负载功率、过氧比以及阴阳极入口温度的跟踪控制，最终实现系统的最优容错控制。

说明书

一种固体氧化物燃料电池系统的最优容错控制方法

技术领域

[0001] 本发明属于优化控制技术领域，更为具体地讲，涉及一种固体氧化物燃料电池系统的最优容错控制方法。

背景技术

[0002] 固体氧化物燃料电池系统是一种在中高温条件下将化石燃料中的化学能直接转换为电能的电化学发电装置，其具有环境友好、能量转换效率高等特点。然而负载跟踪、热管理、空气过氧比限制、高效率、低成本、故障诊断等六大问题依旧阻碍着系统的发展。

[0003] 优化控制可以在实现目标跟踪的同时，保证系统的性能最优。现有的优化控制方法，在跟踪系统温度、空气过氧比、负载功率时，无法同时实现系统效率和成本的最优。除此之外，现有的优化控制方法并未考虑系统发生故障时该如何处理。然而，系统在运行过程中经常会产生各种故障，从而影响系统的发电性能，严重者甚至会造成燃料电池失效。

[0004] 基于上述情况本发明提出了固体氧化物燃料电池系统最优容错控制方案，该方案能够实现系统正常与故障状态下，系统温度、负载功率、过氧比的跟踪控制，同时最大化系统效率，最小化系统成本。

发明内容

[0005] 本发明的目的在于克服现有技术的不足，提供一种固体氧化物燃料电池系统的最优容错控制方法，通过添加故障诊断与切换控制来实现了正常与故障状态下的负载功率、过氧比以及阴阳极入口温度的跟踪控制，同时最优化效率与成本。

[0006] 为实现上述发明目的，本发明为一种固体氧化物燃料电池系统的最优容错控制方法，其特征在于，包括以下步骤：

[0007] (1)、建立固体氧化物燃料电池系统的正常与空气压缩机的故障模型；

[0008] 系统输出功率：P＝VI-Pcp，V为燃料电池的输出电压，I为负载电流，Pcp为空气压缩机消耗的功率；

[0009] 系统输出效率： LHVf为燃料的低热值，Wf为系统的燃料入口流量；

[0010] 系统电单位成本： c为固体氧化物燃料电池的发电成本，Ex为固体氧化物燃料电池的发电火用值；

[0011] 系统阴阳极入口温度T4、T14：

[0012]

[0013] 其中 分别为系统两个混合器的入口能量流，W4、W14分别为两个混合器的出口流量，x4,i、x14,i表示系统两个混合器的出口气体的摩尔份数，cp,i则表示气体的比热容， 代表气体的标准摩尔焓，To表示大气温度；

[0014] 系统过氧比 Wa为空气入口流量， 为空气中氧气摩尔份数，N为电堆的电池个数，F为法拉第常数；

[0015] 系统燃料利用率uf： 为燃料中甲烷摩尔份数；

[0016] 当系统处于正常状态时，空气压缩机消耗的功率Pcp和出口温度T11满足：

[0017]

[0018] 当系统处于空气压缩机故障状态时，空气压缩机消耗的功率Pcp和出口温度T11满足：

[0019]

[0020] 其中，ηEM为空气压缩机电机效率，cp,a为空气的比热容，ηis为空气压缩机的等熵效率，β为空气压缩机的压力比，γ为空气的绝热指数；

[0021] (2)、对固体氧化物燃料电池系统的正常与空气压缩机故障模型进行优化；

[0022] 选取系统中的燃料利用率、过氧比、阳极入口温度、阴极入口温度、电流作为优化过程中的决策变量，选取系统的发电效率与电单位成本作为优化目标，利用NSGA-II与TOPSIS算法，获取系统正常及空气压缩机故障下的最优运行操作参数，使其满足系统发电效率最大及电单位成本最小；

[0023] (3)、诊断当前运行的固体氧化物燃料电池系统的状态；

[0024] 比较正常状况下与实际运行时空气压缩机的出口温度T11,N和T11，如果T11,N等于T11，则系统处于正常状态，否则系统处于空气压缩机故障状态；

[0025] (4)、根据诊断结果选择最优运行操作参数；

[0026] 如果诊断出当前系统为正常状态，则切换器选择正常状态下的最优运行操作参数，并将该参数将作为控制器被控参数的目标值；

[0027] 如果诊断出当前系统处于空气压缩机故障状态时，则切换器选择故障状态下的最优运行操作参数，并将该参数将作为控制器被控参数的目标值；

[0028] (5)、利用控制器实现功率温度及空气过氧比的跟踪控制；

[0029] 选用四个PID控制器，分别选取燃料流量、空气流量、燃料旁路阀开度、空气旁路阀开度作为四个PID控制器的控制变量，实现了对负载功率、过氧比以及阴阳极入口温度的跟踪控制，最终实现系统的最优容错控制。

[0030] 本发明的发明目的是这样实现的：

[0031] 本发明一种固体氧化物燃料电池系统的最优容错控制方法，通过优化模块获取系统正常状态与空气压缩机故障状态的最优运行参数，通过故障诊断模块诊断当前系统所处状态，并根据诊断结果，利用切换模块选择最优运行参数并将其作为被控参数的目标值，最后使用PID控制器实现功率温度及空气过氧比的跟踪控制，最终实现系统的最优容错控制。

[0032] 同时，本发明一种固体氧化物燃料电池系统的最优容错控制方法还具有以下有益效果：

[0033] (1)、在跟踪系统温度、空气过氧比、负载功率时，同时保证了系统效率和成本的最优。

[0034] (2)、在优化控制中添加了故障诊断模块与切换模块，实现了系统故障状态下的最优控制。

附图说明

[0035] 图1是本发明一种固体氧化物燃料电池系统的原理框图；

[0036] 图2是优化控制的原理框图；

[0037] 图3是优化控制下输出功率的跟踪图形；

[0038] 图4是优化控制下过氧比的跟踪图形；

[0039] 图5是优化控制下阳极入口温度的跟踪图形；

[0040] 图6是优化控制下阴极入口温度的跟踪图形；

[0041] 图7是优化控制下输出效率的跟踪图形；

[0042] 图8是优化控制下电单位成本的跟踪图形。

具体实施方式

[0043] 下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

[0044] 实施例

[0045] 图1是本发明一种固体氧化物燃料电池系统的原理框图。

[0046] 在本实施例中，如图1所示，固体氧化物燃料电池系统主要包括空气压缩机，燃料热交换器，空气热交换器，混合器，旁路阀，电堆，燃烧室等部件，由于本发明主要目标为实现最优效率与成本下的功率、阴阳极入口温度及过氧比的跟踪控制，故其余部件与发明影响不大故省略。

[0047] 其中，如图1所示，数字1-13分别代表系统各个输入输出端口，具体为：1代表燃料入口、2代表燃料热交换器冷气入口、3代表燃料热交换器冷气出口、4代表电堆阳极入口、5代表电堆阳极出口、6代表燃烧室出口、7代表空气热交换器热气入口、8代表空气热交换器热气出口、9代表燃料旁路阀通道、10代表空气压缩机入口、11代表空气压缩机出口、12代表空气热交换器冷气入口、13代表空气热交换器冷气出口、14代表电堆阴极入口、15代表电堆阴极出口、16代表空气旁路阀通道、17代表空气压缩机消耗功率入口、18代表电功率出口。k＝1,2,3....,18，Ck代表第k个端口火用流的单位成本，Exk则为对应端口火用流的火用值，Wk为对应端口火用流的流量，xk,i表示相应端口火用流中气体的摩尔份数，cp,i则表示气体的比热容，R为气体常数，P为气体压强，T为气体温度， 为气体的化学火用，Zh1、Zh2、Zc、Zs、Zb分别为燃料热交换器、空气热交换器、空气压缩机、SOFC(Solid Oxide Fuel Cell，固体氧化物燃料电池)电堆以及燃烧室相应设备的维修成本，φ、ir、Na、n分别代表了设备的维修系数、利率、操作时间以及寿命。

[0048] 下面我们结合图1，对本发明一种固体氧化物燃料电池系统的最优容错控制方法进行详细说明，具体包括以下步骤：

[0049] S1、建立固体氧化物燃料电池系统的正常与故障模型；

[0050] 系统输出效率及输出功率：

[0051]

[0052] P＝VI-Pcp                        (2)

[0053] 其中，V为燃料电池的输出电压，I为负载电流，Pcp为空气压缩机消耗的功率，LHVf为燃料的低热值，Wf为系统的燃料入口流量；

[0054] 其中，空气压缩机消耗的功率Pcp和燃料电池的输出电压V可写为以下表达式：

[0055]

[0056] V＝E-ηohm-ηact-ηcon                   (4)

[0057] 其中，cp,a为空气的比热容，ηis为空气压缩机的等熵效率，β为空气压缩机的压力比，γ为空气的绝热指数，E、ηohm、ηact、ηcon分别代表电堆的等效开路电压，欧姆过电势，活化过电势，浓度差过电势；

[0058] 系统电单位成本： c18为固体氧化物燃料电池发电成本,Ex18则为固体氧化物燃料电池发电火用值，其发电成本及火用值可通过热经济学平衡方程及辅助方程求取，具体求取过程为：

[0059] C3·Ex3+C7·Ex7＝C2·Ex2+C6·Ex6+Zh1                  (5)

[0060] C8·Ex8+C13·Ex13＝C7·Ex7+C12·Ex12+Zh2                 (6)

[0061] C11·Ex11＝C10·Ex10+C17·Ex17+Zc                   (7)

[0062] C5·Ex5+C15·Ex15+C18·Ex18＝C4·Ex4+C14·Ex14+Zs             (8)

[0063] C6·Ex6＝C5·Ex5+C15·Ex15+Zb                   (9)

[0064] C4·Ex4＝C3·Ex3+C9·Ex9+ZM1                  (10)

[0065] C14·Ex14＝C13·Ex13+C16·Ex16+ZM2                 (11)

[0066]

[0067] 系统阴阳极入口温度T4、T14：

[0068]

[0069]

[0070] 具体求取过程为：

[0071]

[0072]

[0073] 其中 分别为系统两个混合器的入口能量流，W4、W14分别为两个混合器的出口流量，x4,i、x14,i表示系统两个混合器的出口气体的摩尔份数，cp,i则表示气体的比热容， 代表气体的标准摩尔焓，To表示大气温度，i表示系统各通道气体成分包括：甲烷、水蒸气、一氧化碳、二氧化碳、氧气、氮气、氢气；

[0074] 系统过氧比

[0075]

[0076] 其中，W10为空气入口流量， 为空气中氧气摩尔份数，N为电堆的电池个数，F为法拉第常数；

[0077] 系统燃料利用率uf：

[0078]

[0079] 为燃料中甲烷摩尔份数；

[0080] 当系统处于正常状态时，空气压缩机消耗的功率Pcp和出口温度T11满足：

[0081]

[0082] 因此，利用式(1)-(19)，可搭建固体氧化物燃料电池系统的正常模型；

[0083] 当系统处于故障状态时，空气压缩机消耗的功率Pcp和出口温度T11满足：

[0084]

[0085] 其中，ηEM为空气压缩机电机效率，cp,a为空气的比热容，ηis为空气压缩机的等熵效率，β为空压机的压力比，γ为空气的绝热指数；

[0086] 因此，利用式(1)、(2)、(4)-(18)、(20)，可搭建固体氧化物燃料电池系统的故障模型；

[0087] S2、对固体氧化物燃料电池系统的正常与空气压缩机故障模型进行优化；

[0088] 选取系统中的燃料利用率、过氧比、阳极入口温度、阴极入口温度、电流作为优化过程中的决策变量，选取系统的发电效率与电单位成本作为优化目标，利用NSGA-II与TOPSIS算法，获取系统正常及空气压缩机故障下的最优运行操作参数，使其满足系统发电效率最大及电单位成本最小；

[0089] (1)、采用NSGA-II算法获取Pareto解，具体步骤如下：

[0090] 1)、初始化种群Pt

[0091] 1.1)、随机产生150个个体，每个个体由5个决策变量组成(燃料利用率、过氧比、阳极入口温度、阴极入口温度、电流)，5个决策变量的值在决策变量的变化范围内随机选取；

[0092] 1.2)、根据决策变量值计算每个个体的适应度函数值；

[0093] 1.3)、通过150个个体及其对应的适应度函数构成了初始种群Pt；

[0094] 2)、根据适应度函数值对种群Pt进行快速非支配排序以及拥挤距离计算，获得每个个体的等级及拥挤距离；

[0095] 3)、采用锦标赛法选择个体构成父代种群Pp

[0096] 3.1)、从种群Pt中随机选取两个个体进行等级比较，等级较低个体为父代个体；

[0097] 3.2)、若两个体等级相同，则比较其拥挤距离，拥挤距离较大个体为父代个体；

[0098] 3.3)重复操作3.1)、3.2)直至父代个体数达到所需值，在本实施例中是达到75个；

[0099] 4)、对父代种群Pp中个体进行交叉或者变异操作得到子代种群Pc；

[0100] 设每次操作发生交叉的概率为0.9，发生变异的概率为0.1；

[0101] 4.1)、交叉

[0102]

[0103]

[0104] 其中，c1,k c2,k是指子代个体中第k个决策变量的值，p1,k，p2,k是指从父代种群Pp中随机选取的两个个体对应的第k个决策变量的值。βk是指一个密度样本并由以下所给公式计算；

[0105]

[0106] 其中ηc是指交叉分布指数，u是0-1之间的随机数

[0107] 4.2)、变异

[0108]

[0109] 其中，ck是指子代个体中第k个决策变量的值，pk是指从父代种群Pp中随机选取的一个个体对应的第k个决策变量的值。 分别代表父代种群Pp中第k个决策变量的最大值与最小值；

[0110] δk代表变异度并由以下所给公式计算

[0111]

[0112] 其中，ηm是指变异分布指数，r是0-1之间的随机数；

[0113] 5)、将种群Pt与子代种群Pc进行合并，得到扩展后的种群Pe；

[0114] 6)、对扩展种群Pe进行快速非支配排序以及拥挤距离计算，选取其前150个个体替代生成新的种群Pt；

[0115] 判断是否满足停止条件，若满足，则种群Pt即为优化所得Pareto解如不满足返回步骤3)。

[0116] (2)、采用TOPSIS算法，从Pareto解中获取最优运行操作点。

[0117] S3、诊断当前运行的固体氧化物燃料电池系统的状态；

[0118] 比较正常状况下与实际运行时空气压缩机的出口温度T11,N和T11，如果T11,N等于T11，则系统处于正常状态，否则系统处于故障状态；

[0119] S4、根据诊断结果选择最优运行操作参数；

[0120] 如果诊断出当前系统为正常状态，则切换器选择正常状态下的最优运行操作参数，并将该参数将作为控制器被控参数的目标值；

[0121] 如果诊断出当前系统处于空气压缩机故障状态时，则切换器选择故障状态下的最优运行操作参数，并将该参数将作为控制器被控参数的目标值；

[0122] 在本实施例中，如图2所示，当故障诊断模块诊断系统为故障状态时，将诊断结果信号输入到切换模块中，切换模块切换选择下方操作参数yref,F，若诊断系统为正常状态，切换模块切换选择上方操作参数yref,N。

[0123] S5、利用控制器实现功率温度及空气过氧比的跟踪控制；

[0124] 选用四个PID控制器，分别选取燃料流量、空气流量、燃料旁路阀开度、空气旁路阀开度作为四个PID控制器的控制变量，实现了对负载功率、过氧比以及阴阳极入口温度的跟踪控制，最终达到系统的最优容错控制。

[0125] 图3-图6为系统负载功率，温度，过氧比，在本发明优化控制策略及普通优化控制策略的跟踪图形对比，为了更好地体现本发明优化控制策略的优势，仿真系统在400S时拟合发生空气压缩机故障。图7，图8为采用本发明优化控制策略的效率成本图形。下面分别对每幅图进行说明。

[0126] 图3中实线为采用本发明优化控制器负载功率的跟踪效果图，点线为普通控制器负载效率跟踪效果图，点划线则为负载功率参考值。由图可知当系统发生故障时，采用本发明优化控制器对负载功率的参考值具有更好的跟踪效果。

[0127] 图4中实线为优化控制器过氧比的跟踪效果图，点线为普通控制器过氧比跟踪效果图，点划线为过氧比参考值。通过图4观察可以看到3条曲线全部重叠在过氧比为6时，从而反映了本发明采用的优化控制器跟踪上了目标参考值。

[0128] 图5中实线为优化控制器阳极入口温度跟踪效果图，点线为普通控制器阳极入口温度跟踪效果图，点划线为阳极入口温度参考值，由图可知当系统发生故障时，采用本发明优化控制器对阳极入口温度的参考值具有更好的跟踪效果。

[0129] 图6中实线为优化控制器阴极入口温度跟踪效果图，点线为普通控制器阴极入口温度跟踪效果图，点划线为阴极入口温度参考值，由图可知当系统发生故障时，采用本发明优化控制器对阴极入口温度的参考值具有更好的跟踪效果。

[0130] 图7为采用优化控制方案的效率图形。由图可知，本发明能够在跟踪负载功率、入口温度、过氧比过程中保证系统的最优效率。

[0131] 图8为采用优化控制方案的成本图形。由图可知，本发明能够在跟踪负载功率、入口温度、过氧比过程中保证系统的最优成本。

[0132] 尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。