一种燃料电池全生命周期监控与评估系统的制作方法

本发明涉及燃料电池监控技术领域，尤其涉及一种燃料电池全生命周期监控与评估系统。

背景技术：

燃料电池是一种把燃料所具有的化学能直接转换成电能的发电装置，燃料电池系统能量转换效率高，是非常理想的能源利用方式，商业化应用存在着广阔的发展前景，具有重要的研究意义。燃料电池按其电解质的不同，可分为五类，即质子交换膜燃料电池、熔融碳酸盐燃料电池、碱性燃料电池、磷酸燃料电池和固体氧化物燃料电池，其中固体氧化物燃料电池具有全固态结构、无需贵金属催化剂、能量转换效率高等优点，被认为是第三代燃料电池技术，具有广阔的市场前景。然而，固体氧化物燃料电池运行在高温状态下，一般高于600℃，对燃料电池的实时监控与性能评估及其重要。专利cn201120287461.3公布了一种u型中空纤维固体氧化物燃料电池的测试装置，实现u型中空纤维的性能检测。然而目前关于固体氧化物燃料电池的实时监控与性能评估的技术甚少。

技术实现要素：

针对现有技术的不足，基于模糊算法与神经网络算法，本发明的目的是提供了一种燃料电池全生命周期监控与评估系统，能够在燃料电池堆全生命周期内实现关键参数的监控和评估，为燃料电池的稳定与可靠运行提供可靠的技术路线。

本发明提供一种燃料电池全生命周期监控与评估系统，包括燃料电池堆、电压采集模块、模糊算法控制器、输出显示模块、氧气储存装置、氧气减压阀、氧气流量电控流量计、温度传感器、氢气流量电控流量计、氢气减压阀、氢气储存装置、信号采集模块和bp神经网络控制器，所述燃料电池堆的输出正极与负极与电压采集模块的输入连接，电压采集模块的输出与模糊算法控制器的输入连接，模糊算法控制器的输出与输出显示模块输入连接；所述氢气储存装置的输出口与氢气减压阀的输入连接，氢气减压阀的输出与氢气流量电控流量计连接，氢气流量电控流量计的信号输出与信号采集模块输入连接，氢气流量电控流量计气体输出端口与燃料电池堆的阳极进气口连接；所述氧气储存装置的输出口与氧气减压阀的输入连接，氧气减压阀的输出与氧气流量电控流量计的输入连接，氧气流量电控流量计的信号输出与信号采集模块输入连接，氧气流量电控流量计气体输出端口与燃料电池堆的阳极进气口连接，所述信号采集模块的输入端口还与温度传感器连接，信号采集模块的输出与bp神经网络控制器的输入连接，所述bp神经网络控制器的输出与模糊算法控制器的输入连接。

进一步改进在于：所述燃料电池堆为固体氧化物燃料电池，由阴极、阳极、电解质、连接体、电极板构成，阳极通入氢气，阴极通入氧气，在运行温度为600度左右将存储在氢气中的化学能高效的转化为电能，排放物为水。

进一步改进在于：所述模糊算法控制器根据输入参数，经过模糊推理获得燃料电池堆性能等级，可由高性能单片机硬件实现。

所述输出显示模块由led显示器构成，用于显示燃料电池性能等级。所述氧气储存装置为高压储存罐，压力和容量可根据的实际的应用系统设计。

所述氧气减压阀用于减小氧气输出的压力，从而给燃料电池堆进口提供合适的氧气压力输入。

所述氧气流量电控流量计用于精确控制氧气流量。

所述温度传感器由热电偶构成，用于检测燃料电池堆的运行温度。

所述氢气流量电控流量计用于精确控制氢气流量。

所述氢气减压阀用于减小氢气输出的压力，从而给燃料电池堆进口提供合适的氢气压力输入。

所述氢气储存装置为高压储存罐，压力和容量可根据的实际的应用系统设计。

所述信号采集模块用于采集氧气流量电控流量计、氢气流量电控流量计以及温度传感器的值。

所述bp神经网络控制器的结构为3-5-1结构，即三输入，单输出结构，中间隐含层节点数为5，根据采集到的实际工况数值，获得该工况下的参比电压。

进一步改进在于：所述模糊控制器的控制结构为2输入、单输出结构，模糊算法控制器的算法为：输入变量x1：当前电压vt与标准电压vo的差值，即δv＝vt-vo；输入变量x2：电压每小时衰减率s的公式为vt为电池堆当前电压值，vo为电池堆标准电压，vt1为前一小时的电池堆电压值，输出量为性能输出等级u，输入输出变量论域和量化因子，输入变量x1的基本论域设计为(-1v，+1v)，输入变量x2的基本论域设计为(0，0.5％)，然后将两个输入量分为5个语言变量，即正大(pb)、正中(pm)、零(ze)、负中(nm)、负大(nb)，两个输入量的5个语言变量在基本论域中的隶属度函数为三角形与梯形组合式隶属度函数；输出变量u分为5个语言变量，即正大(pb)、正中(pm)、零(ze)、负中(nm)、负大(nb)；输出变量的5个语言变量分别代表电池性能参数等级。

pb：性能极差。

pm：性能较差。

ze：性能临界稳定。

nm：性能良好。

nb性能优越。

模糊控制规则的设计：

设计模糊控制规则的原则是当误差大或者较大时，选择控制量以尽快消除误差为主，而当误差小或者较小时，选择控制量要控制超调量，模糊控制规则表为：

解模糊：

经过上述的模糊推理得到输出变量的模糊量，对输出变量的模糊量进行变换，得到燃料电池堆输出等级：

pb：性能极差。

pm：性能较差。

ze：性能临界稳定。

nm：性能良好。

nb性能优越。

进一步改进在于：所述监控与评估系统在非标准工况运行条件下，监控与评估算法为bp神经网络算法，算法过程如下：

步骤一：网络初始化输入层与隐含层的连接权ωij，隐含层与输出层神经元之间的连接权ωj，初始化隐含层阈值a和输出层阈值b，连接权值与阈值随机生成，定义学习速率(η＝0.8)和神经元激励函数；

步骤二：隐含层输出计算：根据输入向量x＝[x1,x2,x3]t，输入层和隐含层连接权ωij以及隐含层阈值a，计算隐含层输出h：式中f为隐含层激励函数，该函数为：

步骤三：输出层输出计算，根据隐含层输出h，连接权ωj和阈值b，计算bp神经网络输出vto：

步骤四：误差计算，根据网络输出vto和期望输出y，计算网络输出误差e：e＝y-vto；

步骤五：权值更新，根据网络输出误差e更新网络连接权ωij和ωj：ωij＝ωij+ηhj(1-hj)x(i)ωjei＝1,2,3；j＝1,2,3,4,5，ωj＝ωj+ηhjej＝1,2,3,4,5，式中η为学习速率，η＝0.8；

步骤六：阈值更新，根据网络输出误差e更新网络节点阈值a，b：aj＝aj+ηhj(1-hj)ωjej＝1,2,3,4,5，b＝b+e；

步骤七：判断算法迭代是否结束，若没有结束，返回步骤二。

进一步改进在于：所述参比电压vto作为模糊算法所需要的参比电压，经过模糊算法，获得在该工况下的性能评估值。

本发明的有益效果是：在质子交换膜燃料电池堆启停过程中，采用了接入可调虚拟负载的方法有效减小电池过电位等问题，进一步采用模糊控制算法获得更优的虚拟负载值，有效减小了电池堆启停过程中的衰减；通过在燃料进气侧采用反馈模糊控制算法，控制燃料进气的压力调节阀，使得燃料供给更加平稳，大大提高了车用质子交换膜燃料电池的耐久性与可靠性。

附图说明

图1是本发明的系统结构图。

图2是本发明的模糊推理结构图。

图3是本发明的bp神经网络结构图。

其中：1-燃料电池堆，2-电压采集模块，3-模糊算法控制器，4-输出显示模块，5-氧气储存装置，6-氧气减压阀，7-氧气流量电控流量计，8-温度传感器，9-氢气流量电控流量计，10-氢气减压阀，11-氢气储存装置，12-信号采集模块，13-bp神经网络控制器。

具体实施方式

为了加深对本发明的理解，下面将结合实施例对本发明作进一步的详述，本实施例仅用于解释本发明，并不构成对本发明保护范围的限定。如图1所示，本实施例提供了一种燃料电池全生命周期监控与评估系统，包括燃料电池堆1、电压采集模块2、模糊算法控制器3、输出显示模块4、氧气储存装置5、氧气减压阀6、氧气流量电控流量计7、温度传感器8、氢气流量电控流量计9、氢气减压阀10、氢气储存装置11、信号采集模块12和bp神经网络控制器13，所述燃料电池堆1的输出正极与负极与电压采集模块2的输入连接，电压采集模块2的输出与模糊算法控制器3的输入连接，模糊算法控制器3的输出与输出显示模块4输入连接；所述氢气储存装置11的输出口与氢气减压阀10的输入连接，氢气减压阀10的输出与氢气流量电控流量计9连接，氢气流量电控流量计9的信号输出与信号采集模块12输入连接，氢气流量电控流量计9气体输出端口与燃料电池堆1的阳极进气口连接；所述氧气储存装置5的输出口与氧气减压阀6的输入连接，氧气减压阀6的输出与氧气流量电控流量计7的输入连接，氧气流量电控流量计7的信号输出与信号采集模块12输入连接，氧气流量电控流量计7气体输出端口与燃料电池堆1的阳极进气口连接，所述信号采集模块12的输入端口还与温度传感器8连接，信号采集模块12的输出与bp神经网络控制器13的输入连接，所述bp神经网络控制器13的输出与模糊算法控制器3的输入连接。

所述燃料电池堆1为固体氧化物燃料电池，由阴极、阳极、电解质、连接体、电极板构成，阳极通入氢气，阴极通入氧气，在运行温度为600度左右将存储在氢气中的化学能高效的转化为电能，排放物为水。所述电压采集模块2用于采集燃料电池堆输出端口两端的输出电压，糊算法控制器3根据输入参数，经过模糊推理获得燃料电池堆性能等级，所述输出显示模块4由led显示器构成，用于显示燃料电池性能等级，所述氧气储存装置5和氢气储存装置11为高压储存罐，所述温度传感器8由热电偶构成，用于检测燃料电池堆的运行温度，bp神经网络控制器13的结构为3-5-1结构，即三输入，单输出结构，中间隐含层节点数为5，根据采集到的实际工况数值，获得该工况下的参比电压。

所述模糊控制器3的控制结构为2输入、单输出结构，模糊算法控制器3的算法为：输入变量x1：当前电压vt与标准电压vo的差值，即δv＝vt-vo；输入变量x2：电压每小时衰减率s的公式为vt为电池堆当前电压值，vo为电池堆标准电压，vt1为前一小时的电池堆电压值，输出量为性能输出等级u，输入输出变量论域和量化因子，输入变量x1的基本论域设计为(-1v，+1v)，输入变量x2的基本论域设计为(0，0.5％)，然后将两个输入量分为5个语言变量，即正大(pb)、正中(pm)、零(ze)、负中(nm)、负大(nb)，两个输入量的5个语言变量在基本论域中的隶属度函数为三角形与梯形组合式隶属度函数；输出变量u分为5个语言变量，即正大(pb)、正中(pm)、零(ze)、负中(nm)、负大(nb)；输出变量的5个语言变量分别代表电池性能参数等级。

所述监控与评估系统在非标准工况运行条件下，监控与评估算法为bp神经网络算法，算法过程如下：

步骤一：网络初始化输入层与隐含层的连接权ωij，隐含层与输出层神经元之间的连接权ωj，初始化隐含层阈值a和输出层阈值b，连接权值与阈值随机生成，定义学习速率(η＝0.8)和神经元激励函数；

步骤二：隐含层输出计算：根据输入向量x＝[x1,x2,x3]t，输入层和隐含层连接权ωij以及隐含层阈值a，计算隐含层输出h：式中f为隐含层激励函数，该函数为：

步骤三：输出层输出计算，根据隐含层输出h，连接权ωj和阈值b，计算bp神经网络输出vto：

步骤四：误差计算，根据网络输出vto和期望输出y，计算网络输出误差e：e＝y-vto；

步骤五：权值更新，根据网络输出误差e更新网络连接权ωij和ωj：ωij＝ωij+ηhj(1-hj)x(i)ωjei＝1,2,3；j＝1,2,3,4,5，ωj＝ωj+ηhjej＝1,2,3,4,5，式中η为学习速率，η＝0.8；

步骤六：阈值更新，根据网络输出误差e更新网络节点阈值a，b：aj＝aj+ηhj(1-hj)ωjej＝1,2,3,4,5，b＝b+e；

步骤七：判断算法迭代是否结束，若没有结束，返回步骤二。如权利要求5所述的一种燃料电池全生命周期监控与评估系统，其特征在于：所述参比电压vto作为模糊算法所需要的参比电压，经过模糊算法，获得在该工况下的性能评估值。

本发明的模糊算法中输入变量x1的基本论域设计为(-1v，+1v)，输入变量x2的基本论域设计为(0，0.5％)，该基本论域仅供设计参考及算法演示，实际应用的基本论域根据现场情况设计合理的基本论域。

以上所述仅为本发明示意性的具体实施方式，并非用以限定本发明的范围。任何本领域内的技术人员，在不脱离本发明的构思和原则的前提下所作出的等同变化与修改，均应属于本发明保护的范围。