融合磷虾行为人工蜂群算法的燃料电池优化建模方法
【技术领域】
[0001] 本发明涉及优化建模方法，尤其涉及一种融合磷虾行为人工蜂群算法的燃料电池 优化建模方法。
【背景技术】
[0002] 目前，能源需求与环境保护之间的矛盾日益突出，成为了关系国民经济和人民生 活能否实现可持续发展的重要问题。煤、石油、天然气等传统矿物能源面临储量锐减、污染 严重、开采成本增加等问题。开发安全、洁净、高效的新能源成为了研宄者们关注的焦点。
[0003] 各种燃料电池中，质子交换膜燃料电池质子交换膜燃料电池（PEMFC)以氢作为燃 料，因其具有高效安全、环境友好、工作温度低、可快速启动、比功率高、操作方便、结构简单 等优点，已成为燃料电池领域研宄最广泛，发展最快的一个分支。它不仅适用于建设大型分 布式电站，而且微型质子交换膜燃料电池便携电源和小型质子交换膜燃料电池移动电源已 达到产品化程度，具有广泛的应用前景。在未来以氢作为主要能量载体的氢能时代，质子交 换膜燃料电池无疑将是最为理想的氢能利用方式之一。
[0004] 建立准确的数学模型对质子交换膜燃料电池的理论研宄和工程应用都有重要意 义。质子交换膜燃料电池系统是一个非线性、多变量、严重耦合的系统。目前应用最广的是 Amphlett, J. C，Baumert, R. M，Mann, R. F，Peppley, B. A 和 Roberge, P. R 于 1995 发表在美国 期刊名为Journal of the Electrochemical Society上卷142,页码1-15的质子交换膜 燃料电池的机理数学模型。该模型中存在一些对系统性能影响较大的参数，通常通过采用 优化算法获得一组参数估计值，使模型能更好的反映质子交换膜燃料电池系统特性。研宄 者们对智能优化方法在燃料电池建模中的应用进行了探索研宄，例如模拟退火法、差分进 化算法、遗传算法等。但是上述算法在解决质子交换膜燃料电池建模问题时，仍存在寻优精 度不高、收敛速度慢等缺点。为此，本发明受种群内其他个体的引导作用的磷虾行为启发， 提出雇佣蜂相位置改进规则，提出融合磷虾行为人工蜂群算法的燃料电池优化建模方法。 融合磷虾行为人工蜂群算法在解决质子交换膜燃料电池建模问题时具有以下优点：1)具 有良好的分工协作、自组织能力，全局寻优精度高，不易陷入局部最优解；2)算法简单易实 现，参数设置简单，适用范围更广；3)加强邻域内优秀食物源和全局最优食物源的引领作 用，显著增强收敛速度，提高了算法搜索效率与性能。本发明将所述融合磷虾行为人工蜂群 算法用于解决质子交换膜燃料电池模型参数估计问题，并取得较理想效果。
【发明内容】
[0005] 本发明的目的是克服现有技术的不足，提供一种融合磷虾行为人工蜂群算法的燃 料电池优化建模方法。
[0006] 融合磷虾行为人工蜂群算法的燃料电池优化建模方法包括如下步骤：
[0007] 1)通过现场操作或者实验获得燃料电池的采样电流输入和采样电压输出，将采样 电流输入作为燃料电池模型的电流输入，将燃料电池模型的电压估计输出与采样电压输出 的误差平方和作为目标函数；
[0008] 2)受种群内其他个体的引导作用的磷虾行为启发，提出融合磷虾行为的雇佣蜂相 位置改进规则，提出融合磷虾行为人工蜂群算法的燃料电池优化建模方法；
[0009] 3)设定融合磷虾行为人工蜂群算法的基本参数，包括种群大小S。、初始雇佣蜂与 观察蜂的比例ne:no、初始侦查蜂个数、搜索空间维数D、最大重试次数limit = 100、最大循 环次数CycMax = 500和算法终止规则；
[0010] 4)运行融合磷虾行为人工蜂群算法对燃料电池模型中未知参数进行估计，雇佣蜂 相、观察蜂相、侦查蜂相三相交替循环进行寻优空间的搜索，待估计的未知参数为：ξ i、ξ 2、 ξ3、l4、b、λ、?其中，ξρ ξ2、ξ3、ξ4为电化学极化或活化极化电动势系数、b为浓差极 化过电势系数、λ为欧姆电压降的外电路系数、R C为欧姆电压降的燃料电池内电阻，通过目 标函数的最小化，得到燃料电池模型的参数估计值，代入燃料电池模型中，形成燃料电池数 学模型。
[0011] 所述的算法终止规则为：融合磷虾行为人工蜂群算法所寻得的最优值小于可接受 误差或者融合磷虾行为人工蜂群算法运行次数达到最大循环次数。
[0012] 所述的融合磷虾行为的雇佣蜂相位置改进规则为：
[0013] 3. 1)计算邻域半径：计算待改进食物源与其他所有食物源的欧氏距离之和sum ; 取邻域半径：
【主权项】
1. 一种融合磷虾行为人工蜂群算法的燃料电池优化建模方法，其特征在于包括如下步 骤： 1) 通过现场操作或者实验获得燃料电池的采样电流输入和采样电压输出，将采样电流 输入作为燃料电池模型的电流输入，将燃料电池模型的电压估计输出与采样电压输出的误 差平方和作为目标函数； 2) 受种群内其他个体的引导作用的磷虾行为启发，提出融合磷虾行为的雇佣蜂相位置 改进规则，提出融合磷虾行为人工蜂群算法的燃料电池优化建模方法； 3) 设定融合磷虾行为人工蜂群算法的基本参数，包括种群大小S。、初始雇佣蜂与观察 蜂的比例ne:no、初始侦查蜂个数、搜索空间维数D、最大重试次数limit= 100、最大循环次 数CycMax= 500和算法终止规则； 4) 运行融合磷虾行为人工蜂群算法对燃料电池模型中未知参数进行估计，雇佣蜂相、 观察蜂相、侦查蜂相三相交替循环进行寻优空间的搜索，待估计的未知参数为：I、12、 |3、l4、b、A、RC，其中，L、|2、|3、为电化学极化或活化极化电动势系数、b为浓差极 化过电势系数、A为欧姆电压降的外电路系数、RC为欧姆电压降的燃料电池内电阻，通过目 标函数的最小化，得到燃料电池模型的参数估计值，代入燃料电池模型中，形成燃料电池数 学模型。
2. 根据权利要求1所述的一种融合磷虾行为人工蜂群算法的燃料电池优化建模方法， 其特征在于所述的算法终止规则为：融合磷虾行为人工蜂群算法所寻得的最优值小于可接 受误差或者融合磷虾行为人工蜂群算法运行次数达到最大循环次数。
3. 根据权利要求1所述的一种融合磷虾行为人工蜂群算法的燃料电池优化建模方法， 其特征在于所述的融合磷虾行为的雇佣蜂相位置改进规则为： 3. 1)计算邻域半径：计算待改进食物源与其他所有食物源的欧氏距离之和sum;取邻 域半径：
3. 2)对于欧氏距离小于邻域半径，即位于邻域内的食物源，计算邻居影响系数AL，其 公式为：
其中，
，nn为邻域内食物源个数；Y为目标函数值，Y_ 为当前搜索到的最大目标函数值，Ymin为当前搜索到的最小目标函数值，YiS当前待改进食 物源的目标函数值，Yk为邻域内其他食物源的目标函数值；xk为邻居食物源位置，Xi为当前 待改进食物源位置，I|Xk-Xi| |为当前待改进食物源与邻居食物源间的欧氏距离；e为0-1 间的一个随机数； 3. 3)计算最优解的影响系数AT，其公式为：
其中
1e为0-1间的一个随机数；xbest为当前搜索到具有最小目标函 数值的食物源位置，IIXktXilI为当前待改进食物源与具有最小目标函数值食物源间的欧 氏距离；cycle为当前循环代数，CycMax为最大循环代数； 3. 4)对当前待改进食物源执行位置更新公式： Xinew=(AT+AL) (1-?f)+Xi〇ld?f； 其中，为惯性因子，随循环代数增加从0.9至0. 1线性变化；Xi()ld为待改进食物源位 置更新前的位置；xinOT为待改进食物源位置更新后的位置。
4.根据权利要求1所述的一种融合磷虾行为人工蜂群算法的燃料电池优化建模方法， 其特征在于所述的融合磷虾行为人工蜂群算法对燃料电池模型中未知参数进行估计的步 骤为： 4. 1)在参数寻优空间内随机生成ne行D列的初始种群矩阵，每一行为一个食物源位 置，意义为一组燃料电池模型未知参数的可能解，初始化循环代数cycle=0,初始化记录 每个食物源开采失败次数记录矩阵fail为ne行1列的零矩阵； 4. 2)计算每个食物源对应的一组参数的目标函数值； 4. 3)执行雇佣蜂相，根据融合磷虾行为的雇佣蜂相位置改进规则对每个食物源位置进 行改进。若更新的位置仍在寻优搜索空间内，则进行贪婪选择； 4. 4)执行观察蜂相，每个观察蜂用轮盘赌的方式选择一个食物源进行位置改进，改进 方式为：随机选择该食物源的一个坐标进行改进，在该食物源与随机一个其他的食物源连 线上产生一个新位置，若更新的位置仍在寻优搜索空间内，则进行贪婪选择； 4. 5)执行侦查蜂相，对贪婪选择失败次数大于最大重试次数limit的食物源，随机在 搜索空间内产生一个新位置，并重置失败次数； 4.6)记录各次迭代的最优解及其目标函数值； 重复执行算法4. 2)-4. 6)步骤，直到满足所述算法终止规则，找到最优值记录表中目 标函数值最小解，所得最优值作为燃料电池模型未知参数的估计值，将估计值代入燃料电 池模型中，形成燃料电池的数学模型。
【专利摘要】本发明公开了一种融合磷虾行为人工蜂群算法的燃料电池优化建模方法。包括如下步骤：1）通过现场操作或实验获得燃料电池电流输入和电压输出采样数据；2）将燃料电池模型的电压估计输出与实际电压输出的误差平方和作为目标函数；3）受种群内其他个体的引导作用的磷虾行为启发，提出雇佣蜂相位置改进规则，提出融合磷虾行为人工蜂群算法的燃料电池优化建模方法；4）设置算法运行参数；5）运行融合磷虾行为人工蜂群算法进行燃料电池模型中未知参数的估计，通过目标函数的最小化，得到燃料电池模型的参数估计值，代入燃料电池模型中，形成数学模型。本发明建模方法具有寻优精度高、收敛速度快的特点，也适用于其他复杂化学反应过程的建模。
【IPC分类】G06F17-50
【公开号】CN104778315
【申请号】CN201510147906
【发明人】张思朋, 王宁
【申请人】浙江大学
【公开日】2015年7月15日
【申请日】2015年3月31日