PEM燃料电池动态特性的建模与仿真研究

摘要

质子交换膜(PEM：Proton Exchange Membrane)燃料电池能量转换效率高，环境友好，可室温快速启动，已成为燃料电池研究中的主流。到目前为止，国内外已对电池的特性进行了大量的研究探索，但已有工作主要是研究电池的稳态性能，对电池的动态特性研究不多。燃料电池研究涉及流体力学、传热、传质、热力学、电化学等众多学科分支，因此PEM燃料电池动态特性研究对于了解其运行机理、优化电池结构以及系统控制非常重要。本文采用计算机模拟的方法来进行电池的动态特性研究，分别基于分布参数模型、集总参数模型、基于神经网络的辨识方法进行PEM燃料电池的建模与动态仿真，并进行对比分析。 文章首先研究基于分布参数模型的PEM燃料电池动态特性仿真。以PEM燃料电池基本方程、催化层中的电化学反应方程为基础，利用Fluent中的非稳态求解器，研究一单流道单电池三维模型，当电流密度阶跃上升、电流密度阶跃下降、电流密度突升和突降以及电流密度阶梯状上升时，电池输出电压的动态响应。仿真结果表明：当电流密度发生变化时，电压立刻响应，大约3秒即可稳定。 其次，探讨了基于集总参数模型的PEM燃料电池动态特性仿真。文中给出了PEM燃料电池的集总参数模型，仿真工具采用MATLAB/Simulink。Simulink是MATIAB软件用于动态系统建模与仿真的软件包，它不需要编程，只需模块搭建，所以建模方便，仿真迅速。基于PEM燃料电池集总参数模型，研究当负载启动、停止、阶跃变化时，电池(堆)的输出电压、输出功率、消耗功率、温度、效率等的动态响应，并将仿真结果与实验进行了对比，结果基本一致。 基于PEM燃料电池的分布参数模型和集总参数模型都能进行PEM燃料电池的动态特性研究，分布参数模型不仅与时间有关，还与空间有关，而集总参数模型只与时间有关。文章分别基于这两种模型，采用Fluent和Simulink两种不同软件对相同问题进行仿真比较，操作条件及仿真参数相同，分析仿真结果。得出结论：基于PEM燃料电池的分布参数模型和集总参数模型均可以进行PEM燃料电池的动态特性仿真，但各有其适用范围，分布参数模型与空间有关，考虑到电池的物性参数，其动态特性研究对于优化电池结构、改善电池特性很有帮助；集总参数模型仅与时间有关，采用软件MATLAB/Simulink建模方便，仿真迅速，非常适合于单电池或电堆系统的仿真研究，对单电池或电堆系统的优化控制提供帮助。 PEM燃料电池具有非线性、滞后和不确定性的特点，近些年迅速发展的神经网络具有快速并行处理能力和自学习能力，在非线性系统的建模与辨识中体现了很大的优越性。作者尝试基于实验数据，采用神经网络的建模方法进行燃料电池的动态建模与仿真。文章分析了神经网络非线性系统辨识的原理，确定采用时延BP神经网络进行PEM燃料电池的动态建模与仿真。对学习样本进行了归一化，输入量为阳极氢气的压力、流量、阴极氧气的压力、流量、电池的电流密度，输出量为电池电压，在确定隐层数及隐层结点数后，采用MATLAB的神经网络工具箱进行了编程与仿真，模型输出与实际输出基本吻合，表明所建模型是有效的。本模型视电池为“黑箱”，只利用输入输出数据，建模简单，对于后续的燃料电池的神经网络控制提供模型基础。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题背景

1.2文献综述

1.2.1 PEM燃料电池

1.2.2 PEM燃料电池的集总与分布参数模型

1.2.3 PEM燃料电池动态模型

1.2.4 PEM燃料电池神经网络模型

1.3本文工作

第2章基于分布参数模型的PEM燃料电池动态特性仿真

2.1 PEM燃料电池的分布参数模型

2.1.1质量守恒方程

2.1.2动量守恒方程

2.1.3能量守恒方程

2.1.4组份守恒方程

2.1.5电化学反应方程

2.2仿真实例建模

2.2.1几何模型、网格划分和物性参数

2.2.2模型假设

2.2.3操作参数

2.3仿真结果与分析

2.3.1电流密度由0.2A/cm2阶跃上升到0.6A/cm2

2.3.2电流密度由0.6A/cm2阶跃下降到0.2A/cm2

2.3.3电流密度阶跃上升和下降

2.3.4电流密度阶梯状上升

2.4本章小结

第3章基于集总参数模型的PEM燃料电池动态特性仿真

3.1 PEM燃料电池的集总参数模型

3.1.1电化学模型

3.1.2热模型

3.2 MATLAB/Simulink仿真工具

3.2.1 MATLAB

3.2.2 Simulink

3.3单电池的建模与仿真

3.3.1电流阶跃变化时电池的动态特性

3.3.2仿真结果与实验数据对比

3.3.3与基于分布参数模型的动态仿真结果对比

3.4电堆的建模与仿真

3.5本章小结

第4章基于BP神经网络的PEM燃料电池动态特性仿真

4.1 BP神经网络

4.1.1 BP网络的拓扑结构

4.1.2 BP网络学习算法

4.1.3 BP网络学习算法的改进

4.2神经网络的系统辨识

4.2.1神经网络的系统辨识原理及特点

4.2.2神经网络系统辨识模型的结构

4.3非线性动态系统的神经网络辨识

4.4基于BP网络的PEM燃料电池系统辨识

4.4.1学习样本的确定及归一化

4.4.2 BP网络模型的确定

4.4.3 BP网络的构建、训练和仿真

4.4.4仿真结果分析

4.5本章小结

第5章结论与展望

5.1结论

5.2创新之处

5.3展望

致 谢

参考文献

攻读博士学位期间发表的论文和参加的课题