基于神经网络识别的SOFC-GT混合系统高度特性研究

在航空方面,对以甲烷为燃料的固体氧化物燃料电池(solid oxide fuel cell,SOFC)-燃气轮机(gas turbine,GT)混合动力系统展开了相应的研究。考虑到SOFC-GT混合动力系统复杂的仿真模型,难以满足飞行器飞行过程中对混合动力系统实时控制的需要,本文提出了改进的量子粒子群算法(improved quantum behavior particle swarm optimization,IQPSO)径向基函数(radial basis function,RBF)神经网络模型来描述SOFC-GT混合动力系统在不同高度下燃油流量与效率之间的非线性特性。同时考虑到数据来源不足,本文首先建立了以甲烷为燃料的直接内部重整SOFC-GT混合动力系统的数学仿真模型,并且考虑了GT效率变化对混合动力系统效率的影响,然后基于该模型获取了IQPSO-RBF神经网络模型的训练和预测数据。结果表明:不考虑GT效率变化使得SOFC-GT混合系统效率计算结果偏高;相对于QPSO-RBF神经网络模型和PSO-RBF神经网络模型,IQPSO-RBF模型能更好地预测在不同高度下SOFC-GT系统效率在不同燃油流量下的变化规律。

模糊综合评判在SOFC-GT联合发电系统安全性评估中的应用

在舰船电力综合系统中,燃料电池-燃气轮机(SOFC-GT)联合发电系统作为一种新型的能源转化装置,直接把化学能转换为电能,打破了传统热机朗肯循环热效率的限制,具有其他热机不可比拟的高效性。同时SOFC-GT联合发电系统自身又具有复杂性、强耦合性等特点,使得无法对其安全性做出定量评价。本文采用模糊综合评判手段,构建模糊评判矩阵,对系统进行模糊层次分析(FAHP)[1]。

PNVMECA软件计算微型燃机–燃料电池系统变工况性能

本文采用作者制作的专门软件PNVMECA对系统在电流和燃料流量改变时的稳态性能和动态响应过程进行研究,并设计了合适的变工况控制策略。结果表明通过参数设计实现了燃料电池与燃气轮机的良好匹配运行。在系统额定工况附近,单独调节燃料流量和电流大小,对系统功率调节范围有限。电流增大时,燃料电池功率和系统效率都增加,但燃机功率下降。燃料流量增大时,电池和燃机功率都增大,但系统效率减小。在设计的变工况控制策略下,证明了控制策略的可行性。