Dynamic Thermal Model and Temperature Control of Proton Exchange Membrane Fuel Cell Stack

A dynamic thermal transfer model of a proton exchange membrane fuel cell (PEMFC) stack is developed based on energy conservation in order to reach better temperature control of PEMFC stack. Considering its uncertain parameters and disturbance, we propose a robust adaptive controller based on backstepping algorithm of Lyaponov function. Numerical simulations indicate the validity of the proposed controller.

质子交换膜燃料电池系统建模仿真与控制

对质子交换膜燃料电池(PEMFC)建立合适的数学模型,有助于改善PEMFC的设计。结合燃料电池的电场与温度场,建立了包含质子交换膜燃料电池的电化学模型与温度模型的数学模型,通过MATLAB软件进行仿真,仿真结果表明该模型较好地反映出PEMFC系统的动态特性,并研究了工作温度、反应气体工作压力以及质子交换膜面积变化对电池输出性能的影响。与此同时结合所建立的质子交换膜燃料电池模型设计了一款采用PID控制的Boost升压电路,将燃料电池输出不稳定的电压转变成可供给负载稳定使用的24V电压。

基于单/双点线性化的质子交换膜燃料电池发动机温度预测控制研究

在已有的45 k W级质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell,PEMFC)发动机模型的基础上,将电堆冷却液旁通阀开度、大循环旁通阀开度、水泵转速、风扇开度设定为操控变量,电堆温度设定为输出量,分别设计了单点线性化全工况预测控制(Model Predictive Control,MPC)控制器和两点线性化双MPC控制器,对PEMFC发动机电堆温度进行控制和分析。在相同的仿真环境条件下,分别运行两种控制算法进行仿真运算,并对其结果进行对比分析。仿真试验结果表明,两点线性化双MPC控制的控制效果优于单点线性化全工况MPC控制。

基于递归模糊神经网络的PEMFC温度控制研究

质子交换膜燃料电池(PEMFC)的工作温度对其发电性能和电池寿命具有重要影响,但由于PEMFC的非线性和时变特性,传统的控制策略较难获得很好的温度控制性能,以此推荐使用一种具有模糊推理、在线学习和动态映射能力的递归模糊神经网络控制器(RFNNC),将PEMFC工作温度有效控制在允许范围内。基于能量守恒定律建立PEM-FC的动态热模型,采用误差反传技术对该控制器参数进行自适应调整。仿真实验显示,RFNNC仅需35 s达到稳态,波动较小,比较RFNNC与PI控制和模糊控制的控制结果表明,推荐使用的RFNNC具有较好的温度跟踪性能。