固體氧化物燃料電池系統仿真分析與控制

劉東彥，張穎穎，吳丙偉，張穎，胡云川

（山東省科學院海洋儀器儀表研究所，山東　青島　266001）

【海洋科技與裝備】

固體氧化物燃料電池系統仿真分析與控制

劉東彥，張穎穎，吳丙偉，張穎，胡云川

（山東省科學院海洋儀器儀表研究所，山東青島266001）

摘要：固體氧化物燃料電池（SOFC）系統是一個非線性、多變量和強耦合的系統，很難用傳統的建模方法來建立。本文基于BP神經網絡的方法，利用MATLAB/Simulink平臺構建SOFC系統模型，并在該模型的基礎上增加PID控制，實現了閉環控制系統的分析。實驗結果表明，該模型預測精度高，由預測模型得出的溫度數據與實際數據的絕對誤差為0.011%，增加的PID控制算法具有很強的抗干擾能力。

關鍵詞：固體氧化物燃料電池；熱管理；BP神經網絡；PID控制

固體氧化物燃料電池（solidoxidefuelcell，SOFC）作為一種新能源發電技術，不依賴空氣，特別適合海洋水下應用［1］。SOFC能量密度非常高，同等體積和重量條件下能夠為海洋裝備提供更長久的續航能力，具有潔凈、安靜、高效、安全、可靠、壽命長、易維護、模塊化以及自動化等諸多優點，受到了國際海洋國家的高度重視和大力支持，國外已經有很多相關的研究和示范項目。美國海軍水下作戰中心聯合FuelCellEnergy等著名的燃料電池公司開發無人水下航行器（UUV）燃料電池替代銀鋅電池，研制的Mk-48魚雷燃料電池混合動力系統比傳統汽輪機提高兩倍電效率，并延長20倍持續工作時間［2－4］。我國的燃料電池技術近年來發展很快，但在海洋水下裝備的應用研究基本空白。海洋監測和探測平臺從近海走向遠海，從海面到海底，日益趨向多要素長期、同步、自動監測和遠程通訊等系列功能，必須面對能源供給受限的挑戰。

SOFC作為一種環保、高效的發電裝置，具有廣闊的應用前景。SOFC是高溫燃料電池，工作溫度一般在600～1100℃。發電系統在負載動態跟蹤過程中，要維持系統高效、穩定、安全地運行，溫度控制即熱管理控制至關重要，研究熱管理控制需要首先建立精確的模型來模擬該系統的工作原理。由于SOFC供電系統具有復雜的結構和多參數耦合的強非線性動態復雜特性，很難用傳統方法構建模型。較常用的建模方法一般是利用質量平衡、能量平衡和等效電特性等純數學的方法精確描述電堆內部結構［5－8］，建立的模型可用于電堆的設計分析及優化，但用于系統的控制策略研究時，該模型計算復雜、實施困難，甚至不可行［9－10］。為了更好地建立基于控制策略的模型，本文利用BP神經網絡對SOFC系統進行建模，利用PID算法初步實現SOFC系統的熱管理。

1　BP神經網絡描述

基本的BP神經網絡原理是梯度最速下降法，通過調整權值使網絡的實際輸出值與期望輸出值的誤差均方值最小。網絡結構共分3層，即輸入層、隱含層和輸出層，包含正向和反向傳播兩個階段。在正向傳播過程中，輸入信號經過輸入層經隱含層逐層處理，經作用函數后，傳遞給輸出層。如果在輸出層不能得到期望輸出，則轉入反向傳播，將誤差信號沿原來的連接通道返回。通過修改各層神經網絡的權值，使誤差信號最小。

其作用函數通常選用連續可導的Sigmoid函數：

將每一層的輸出傳送到另一側時，通過調整連接權系數來達到增強或削弱這些輸出的作用。除了輸入層的節點外，各層的凈輸入是前一層節點輸出的加權和。

BP神經網絡將系統看成黑箱，利用系統實際數據訓練BP神經網絡，然后用訓練好的BP神經網絡預測系統輸出。算法流程可以分為BP神經網絡構建、訓練和預測3步［11］，如圖1所示。

圖1　BP算法流程Fig.1　Flowchart　of　BP　algorithm

2　SOFC系統建模

2.1SOFC系統描述

SOFC發電系統從宏觀上可分為電堆和外圍控制系統兩部分。電堆是由單電池串聯的方式疊加形成。圖2以氫氣氧化反應為例描述了SOFC單電池內部電流傳輸過程。

單電池由陽極（燃料極）、陰極（空氣極）和兩極間的電解質組成。陽極輸入燃料發生還原反應，燃料被陽極表面吸附并擴散至電解質界面［12］。發生反應：

陰極輸入O2或空氣發生氧化反應，氧被陰極表面吸附，在陰極的催化作用下得到電子變為O2－，發生反應：

在化學勢的作用下，O2－通過電解質轉移到陽極，在陽極與H＋發生反應生成水：

圖2　單電池內部反應過程Fig.2　Internal　reaction　process　of　single　battery

SOFC外圍控制系統研究主要分為電管理和熱管理兩個方面，電管理是為了實時動態跟蹤外部負載變化的要求，但是要維持系統高效、穩定和安全地運行，熱管理至關重要，是維持系統的基本保障。針對系統的熱管理控制，本文利用BP神經網絡分別搭建了燃燒室及換熱器的模型。

2.2獲取建模數據

本文動態建模的訓練及檢驗數據均來自華中科技大學燃料電池研究中心的5kW級SOFC測試系統，將5kW電堆固定在測試臺上，供以氫氣及空氣連續工作50000s，獲得36103組溫度采樣數據，如圖3所示。圖4為與電堆連接的外部負載。

圖3　5　kW系統的溫度采樣數據Fig.3　Temperature　samples　of　5　kW　stack

圖4　5　kW系統的負載電流采樣數據Fig.4　Load　current　samples　of　5　kW　stack

本文訓練和檢驗數據的選取方法為將36103組數據每隔3個點取一組數據，用于檢驗模型的擬合度，其余數據用于模型訓練，并且全部數據在進行建模前歸一化為（0，1）。目的是使訓練和檢驗的數據選取均勻且覆蓋全面，提高模型的精度。

2.3開環系統模型及結果分析

SOFC系統的電堆和燃料重整器等關鍵部件的制備及實驗成本很高，而且，國內尚無海洋水下裝備SOFC系統研究應用的成功先例，因此，研制系統樣機之前，許多關鍵問題都有待反復的設計、研究和分析解決。本文在MATLAB/Simulink的仿真平臺上，采用模塊化的方法，利用BP神經網絡搭建了SOFC系統的電堆、燃燒室及熱交換器模型，如圖5所示。系統的輸入為空氣的流量、燃料的流量、氧氣組分的含量、氫氣組分的含量以及電流；輸出為電堆的溫度。其中，燃燒室模塊的輸入為電堆出口未反應充分的尾氣及外部通入的空氣和燃料，燃燒室燃燒后產生的熱輸入到熱交換器中，用來預熱即將在電堆中參加反應的空氣和燃料。實驗結果如圖6所示，由預測模型得出的溫度數據與實際數據的相對誤差為0.011%，表明該模型的預測精度非常高，為控制系統的仿真打下了基礎。

圖5　SOFC系統模塊仿真Fig.5　Simulationmodule　of　SOFC　system

圖6　開環系統仿真結果Fig.6　Simulation　results　of　open　loop　system

2.4SOFC閉環系統分析

系統的輸出性能受溫度的影響很大，電堆溫度越低，功率密度越低，效率也越低。電堆溫度越高，溫差越大，溫度分配不規律，使得密封材料快速老化，電池和組件變形甚至斷裂，電堆性能下降。所以要維持系統高效、穩定和安全地運行，SOFC系統的溫度控制至關重要。本文2.3節搭建的模型基礎上采用工程應用中容易實現的PID控制算法，通過控制氧氣的流量，研究在外部負載（電流）突然增大或減小時，電堆溫度的抗擾動性能，PID的參數通過試湊法得出，其中Kp＝0.1，Ki＝0.012，Kd＝0.0001，如圖7所示。

圖7　SOFC控制系統仿真圖Fig.7　Simulation　diagram　of　SOFC　control　system

閉環控制系統仿真實驗，采用的實驗時長為8000s，在5000～7000s處給負載電流增加3A，如圖8a所示，這樣在擾動作用下的負載電流如圖8b所示，設定電堆的溫度為750℃。

圖8　負載電流Fig.8　Current　of　load

在PID控制下空氣的流量如圖9所示，被控對象SOFC電堆的溫度如圖10所示。在擾動發生時，電堆溫度能很快被調整到設定的溫度，可以看出本文所建模型在PID控制器中具有很強的抗干擾能力。

3　結論

熱管理控制研究是SOFC發電系統控制的關鍵，而一個能夠準確預測系統電堆溫度的模型至關重要。本文通過BP神經網絡算法，采用模塊化的方式搭建了高精度SOFC開環系統模型，與機理建模的方法相比，這種模型省去了復雜的物理過程描述，建模者不需要具有燃料電池和發電系統的深層知識儲備。另外，建模數據來自實際系統，所建模型精度高，在該模型的基礎上增加PID控制，通過控制空氣的流量，能夠有效地抑制因外部負載變化對系統電堆溫度的影響，具有很強的抗干擾能力。本文的不足之處在于PID控制參數采用試湊法獲取，需要研究人員具有豐富的經驗，下一步可在參數獲取方法上開展更多的研究。

圖9　空氣流量Fig.9　Quantity　of　air　flow

圖10　PID控制下的SOFC電堆溫度Fig.10　SOFC　system　temperature　under　PID　control

參考文獻：

［1］肖國林，陳虹，段宗武.燃料電池技術在潛艇和海洋工程中的應用前景探討［J］.艦船科學技術，2009，31（12）：102－104.

［2］SHIHNC，WENGBJ，LEEJY，etal.Developmentofa20kWgenerichybridfuelcellpowersystemforsmallshipsandunderwatervehicles［J］.InternationalJournalofHydrogenEnergy，2014，39（25）：13894－13901.

［3］XIEYY，DINGHP，XUEXJ.Multi-physicochemicalmodelingofdirectmethanefueledsolidoxidefuelcells［J］.JournalofPowerSources，2013，241：718－727.

［4］蔡年生.UUV動力電池現狀及發展趨勢［J］.魚雷技術，2010，18（2）：81－87.

［5］蔣建華.平板式固體氧化物燃料電池系統的動態建模與控制［D］.武漢：華中科技大學，2013.

［6］李曦，付曉薇，曹廣益，等.基于模糊辨識的燃料電池建模［J］，武漢科技大學學報：自然科學版，2004，27（3）：260－263.

［7］ZHANGL，LIX，JIANGJH，etal.Dynamicmodelingandanalysisofa5-kWsolidoxidefuelcellsystemfromtheperspectivesofcooperativecontrolofthermalsafetyandhighefficiency［J］.InternationalJournalofHydrogenEnergy，2015，40（1）：456－476.

［8］曹紅亮.固體氧化物燃料電池發電系統的動態建模與控制［D］.武漢：華中科技大學，2012.

［9］BARELLIL，BIDINIG，GALLORINIF，etal.DesignoptimizationofaSOFC-basedCHPsystemthroughdynamicanalysis［J］.InternationalJournalofHydrogenEnergy，2013，38（1）：354－369.

［10］GEORGISD，JOGWARSS，ALMANSOORIAS，etal.DesignandcontrolofenergyintegratedSOFCsystemsforinsituhydrogenproductionandpowergeneration［J］.Computers＆ChemicalEngineering，2011，35（9）：1691－1704.

［11］侯媛彬，汪梅，王立琦.系統辨識及其MATLAB仿真［M］.北京：科學出版社.2004：186－188.

［12］SINGHALSC，KENDALLK.高溫固體氧化物燃料電池：原理、設計和應用［M］.北京：科學出版社，2007：47－49.

Simulationanalysisandcontrolofsolidoxidefuelcellsystem

LIUDong-yan，ZHANGYing-ying，WUBing-wei，ZHANGYing，HUyun-chuan

（InstituteofOceanographicInstrumentation，ShandongAcademyofSciences，Qingdao266001，China）

Abstract：Solidoxidefuelcell（SOFC）systemisanonlinear，multivariableandstrongcouplingsystem，soitsmodelisverydifficulttobeconstructedwithtraditionalmodelingmethod.WeestablishaSOFCsystemmodelwithBPneuralnetworkandmATLAB/Simulinkplatform.WefurtherincreasePIDcontrolbasedonthemodelandclosedloopcontrolsystemanalysis.Experimentalresultsshowthatthemodelhashighpredictionaccuracy，andtherelativeerrorbetweentemperaturedatafromthemodelandactualdatais0.011%.TheincreasedPIDcontrolalgorithmhasstrongeranti-interferencecapability.

Keywords：solidoxidefuelcell；thermalmanagement；BPneuralnetwork；PIDcontrol

中圖分類號：TM911.4；P754.1

文獻標識碼：A

文章編號：1002-4026（2016）01-0001-06

DOI：10.3976/j.issn.1002－4026.2016.01.001

收稿日期：2015-11-27

基金項目：山東省重大科技專項（2015ZDXX0602A02）

作者簡介：劉東彥（1983－），女，助理研究員，研究方向為復雜系統建模與控制。Email：ldynuaa2008＠163.com