基于模糊逻辑与遗传算法的燃料电池热管理方法研究

文:赵振瑞 欧阳惠颖 田国富 郑春花 | 2021年第三期 (0) | (0)

1 引言

由于传统汽车使用的化石燃料正在逐年减少,同时汽车尾气排放造成的环境污染仍没有得到有效的改善,新能源汽车发展迅速,其中氢燃料电池汽车以其高效、清洁等优势受到了广泛关注。质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell,PEMFC)具有能量转换效率高、可低温运行、可靠性高和零排放等优点,在汽车领域的应用前景广阔。

电堆的工作温度是影响电堆输出性能和寿命的关键因素之一。一方面,温度过高将会导致液态水蒸发增加,使质子交换膜脱水,影响燃料电池的性能;另一方面,温度过低则会减少液态水的蒸发,降低化学反应速度,使燃料电池性能下降。一般地,电堆的正常工作范围在 60~100 ℃,而 PEMFC 在运行过程中会产生大量的热量,因此需要对 PEMFC 进行有效的热管理。

目前,PEMFC 热管理控制方法主要有PI(Proportion Integration)控制、状态反馈控制、预测控制和模糊控制等。O’Keefe 等设计了 PI控制器用于控制水冷型燃料电池温度,该控制器通过调节进入电堆的水流量来控制电堆的工作温度。PI 控制的原理简单、使用方便,目前传统 PI 控制已广泛用于 PEMFC 热管理中,但 PI 控制存在响应速度慢、调节时间长等缺点。另外,状态反馈控制、预测控制等方法也被应用到PEMFC 热管理中,但燃料电池固有的非线性特性以及参数的不确定性使得这些控制方法的应用具有一定难度。模糊控制响应速度快、抗干扰能力强,尤其适用于滞后系统的控制,被不少学者应用于 PEMFC 热管理中。Wang等设计了模糊控制方法,通过调节风扇转速来控制电堆的温度,与 PI 控制的对比结果表明,模糊控制具有优越性。胡鹏等考虑了克服外部负载的干扰,并采用了带积分的模糊控制器实时调节冷却水的流量,结果显示该方法能实时将电堆的温度控制在合理的范围内。其中,模糊控制的设计主要依靠专家的经验,因此为了充分利用模糊控制的优点,需要对模糊控制方法进行优化,使模糊控制的精度更高。

另外,为验证 PEMFC 热管理方法的有效性,目前大多数相关文献采用阶跃负载信号的方式进行。而氢燃料电池汽车在实际行驶中会有加速、匀速、减速等过程,工况的变化会更频繁且复杂。因此,需要采用适合氢燃料电池汽车的负载来验证 PEMFC 热管理方法。

本文提出一种模糊控制方法用于PEMFC热管理中,使电堆的出入口温度稳定在目标温度值。同时,以电堆的出入口温度和目标温度值之间的误差更小、控制系统的响应时间更短为目标,通过遗传算法对模糊控制器的隶属度函数进行优化。其中,基于遗传算法优化模糊控制的方法虽在其他领域已有一些应用,但在PEMFC 热管理控制领域还鲜有应用。本文选用Autonomie 中的一款氢燃料电池混合动力汽车,设计一种基于规则的能量管理策略,并采用两种标准工况作为热管理方法的验证条件,对所提出的热管理方法进行验证,并与未优化的模糊控制进行性能比较。结果显示,在对 PEMFC 电堆出入口温度的控制中,经过优化的模糊控制明显优于未优化的模糊控制,具有更好的温度调节能力,可以更好地降低外部负载的扰动,与设定值的偏差也更小。

2 PEMFC 热管理系统模型

本文设计的 PEMFC 热管理系统模型包括电堆温度动态模型、水箱模型和散热器模型。在氢燃料电池车运行过程中,PEMFC 在提供动力的同时会产生大量的热量,为了使电堆的工作温度在合理的范围内,需要冷却水泵和散热器一起工作来将多余的热量带走。在本文的 PEMFC 热管理系统中,电堆产生的热量被冷却水泵通过控制冷却水流量先带到水箱处,然后将热量带到散热器处,由散热器通过控制散热器风量,将热量排放到空气当中,具体如图 1 所示。本文假设冷却水中的温度均匀,并将电堆出口冷却水温度作为电堆出口处的温度,将散热器的出口温度作为电堆的入口处温度。同时,本文假设其他辅助系统处于正常工作状态下不影响电堆的工作温度。

图 1 热管理系统示意图.jpg

2.1 电堆温度动态模型

(1、2).jpg

(3、4).jpg

(5).jpg

(6、7).jpg

(8、9).jpg

图 2 燃料电池极化曲线.jpg

图 3 模糊控制示意图.jpg

3 PEMFC 热管理控制方法设计

3.1 模糊控制方法设计

本文建立两个曼达尼型的二维模糊控制器,对电堆出入口温度进行控制。针对电堆出口温度控制,根据本文选用的电堆,

如图3所示这段.jpg

在对电堆出口温度控制时,将模糊控制的输入、输出量都划分为 5 个模糊子集,即 NB(负大)、NS(负小)、ZO(零)、PS(正小)和 PB(正大)。选取电堆出口温度误差和温度误差变化率的模糊论域为[-3, 3],选取冷却水流量的模糊论域为[0, 1]。同样在设计电堆入口温度控制器时,选取电堆入口温度误差和温度误差变化率的模糊论域都为[-3, 3],选取散热器风量的模糊论域为[0, 1]。

本文提出采用遗传算法优化模糊控制器的隶属度函数,如图 4 所示。未经优化的隶属度函数选用均匀分布的隶属度函数,并使用三角形形状的隶属度函数,如图 5 所示。本文采用 ifthen 模糊控制规则设计模糊推理系统,针对被控变量分别制定了 25 条模糊规则。表1为电堆出入口控制器的控制规则,模糊推理后,反模糊化采用加权平均法。

图 4 基于遗传算法的模糊控制器框图.jpg

图 5 输入输出隶属度函数以及待优化参数.jpg

表 1 冷却水流量和散热器风量 (W cl W a ) 的模糊控制规则表.jpg

3.2 基于遗传算法的优化

本文提出使用遗传算法优化模糊控制器的隶属度函数的中心和宽度,从而提高模糊控制器的精准度和稳定性。

3.2.1 遗传编码

3.2.1遗传编码.jpg

3.2.2选取适应度函数.jpg

(11、12、13).jpg

4 仿真结果

为了验证本文所提出的 PEMFC 热管理控制方法的有效性,选取一款氢燃料电池混合动力汽车,针对燃料电池和电池的混合动力系统设计一种简单的能量管理策略,并根据第2小节和第3小节的内容,在计算机仿真环境下,对所提出的方法进行仿真。

4.1 仿真条件

4.1.1 氢燃料电池汽车与行驶工况

为了使仿真结果更加接近氢燃料电池车在运行过程中燃料电池的工作状态,本文选用Autonomie 软件中的一款氢燃料电池汽车,其中燃料电池作为主动力源,电池作为辅助动力源。表 2 为整车以及动力系统参数。本文选用WLTC(The Worldwide Harmonized Light Vehicles Test Cycles)和 HWFET(Highway Fuel Economy Test)两种工况。其中,WLTC 工况是全球统一轻型车辆测试工况的一部分,该工况取代了NEDC(New European Driving Cycle)测试工况,包括 4 个速度范围。图 6 显示了两种工况周期以及速度与时间的关系。

表 2 整车及动力系统参数.jpg

图 6 WLTC 和 HWFET 速度曲线.jpg

4.1.2 能量管理策略.jpg

4.1.2 能量管理策略后1.jpg

4.1.2 能量管理策略后2.jpg

图 7 燃料电池效率曲线和两种工况下的燃料电池工作效率点.jpg

图 8 基于规则的能量管理策略.jpg

4.2 结果分析

4.2.1 PEMFC 输出功率结果

图7为两种工况下燃料电池工作效率点和燃料电池曲线。图9为HWFET和WLTC两种工况下能量管理策略的功率输出结果。从图7和图9可以看出,车辆所需功率由电池和燃料电池一同提供,PEMFC 提供主要工作需求功率,同时燃料电池的工作效率点始终保持在高效率区间。

图 9 功率输出曲线.jpg

4.2.2 隶属度函数优化结果

WLTC 工况是目前全世界通用的、更加符合实际道路状况的车辆行驶工况。本文选择该路况使用遗传算法分别对应用在电堆出入口的模糊控制器进行优化。将遗传算法的种群大小设为100,遗传代数设置为100,交叉率为 0.9,变异率为 0.1。图10为电堆出入口模糊控制器优化后的隶属度函数。

图 10 优化后的隶属度函数.jpg

4.2.3 电堆出入口温度控制结果

图11为HWFET和WLTC工况下电堆的出入口温度曲线。可以看出在遗传模糊控制下,出口温度和入口温度之差保持在5 ℃ 左右,且出入口温度与设定目标值温度的误差均在-1~1 ℃。

图 11 两种工况下出入口温度曲线.jpg

如表 3 所示,经过优化的模糊控制,电堆出入口温度的最大偏差全部下降。相对于模糊控制,经过遗传算法优化的模糊控制器有着更快的响应速度和较小的误差。

表 3 两种工况下的热管理参数.jpg

当负载增加时,燃料电池将产生更多的热量。因此,为确保电堆处于稳定安全的温度环境,冷却水流量和散热器风量都将随着负载的增加而增大,这时,冷却水带走的热量也会增大。反之,当负载减小,冷却水流量和散热器风量均随负载的减少而减小,冷却水带走的热量也相应地减少,如图 12~13 所示。考虑到实际应用中冷却水泵不能频繁启停,所以针对以上两种工况,本文将设置最小水流量。

图 12 两种工况下冷却水带走的热量.jpg

图 13 两种工况下的冷却水流量和散热器风量.jpg

5 讨论与分析

电堆温度的变化会影响氢燃料电池汽车的输出性能以及安全性,因此需要应用合理的热管理方法来使电堆温度保持在合理的工作温度。本文中,燃料电池具有非线性和参数的不确定性等特点,并且电堆温度的变化具有滞后性。本文提出使用模糊控制方法对电堆出入口温度进行控制,但模糊控制的设计主要依靠专家的经验,因此本文进一步地提出应用遗传算法优化模糊控制器的隶属度函数。目前应用遗传算法优化模糊控制的方法相对成熟,已被应用到其他领域,而本文将此方法应用到 PEMFC 热管理中。通过使用遗传算法优化模糊控制,在 HWFET 工况下,相对于未优化的模糊控制,电堆的出入口温度与目标温度的最大偏差分别降低了 0.9 ℃ 和 1.1 ℃。在WLTC 工况下,与未优化的模糊控制相比,电堆的出入口温度与目标温度的最大偏差分别降低了1.28 ℃ 和 1.23 ℃。

目前,验证热管理方法的工作负载通常使用阶跃负载信号。但车辆的工况变化频繁,从而 PEMFC 的工作负载也会进行相应的调整。本文针对上述问题,提出一种新的负载模式,即选用 Autonomie 中的一款车,选取两种道路工况进行能量管理,得出需要PEMFC提供的工作负载,并以此作为热管理方法验证的工作负载。

本文的不足之处在于虽简化了控制模型,但忽略了电堆温度从常温开始升高到目标温度的这一过程。同时,本文建立的 PEMFC 热管理模型相对简单,下一步可以加上旁路阀,并设置大小循环,使模型更加完整。当电堆温度比较低时,开启小循环并对冷却水进行加热,通过旁路阀控制冷却水进入电堆的温度,从而使电堆温度快速升高到合理的工作温度;当电堆温度超过目标温度时,开启大循环,对电堆进行冷却降温。

6 结论

本文针对车用 PEMFC 的热管理,提出使用模糊控制的方法对电堆出入口温度进行控制。为了使电堆的出入口温度具有更好的调整能力,提出使用遗传算法优化模糊控制器。为了验证所提出的控制方法,选取一款燃料电池混合动力汽车,设计了燃料电池混合动力汽车的能量管理策略,使 PEMFC 工作在高效率区,并在 HWFET 和WLTC 两种标准工况下验证所提出的 PEMFC 热管理方法。结果显示,当工作负载连续变化时,经过遗传算法优化的模糊控制方法展示出较好的性能。电堆出口与入口的温度差维持在 5 ℃ 左右,出入口温度与目标温度的误差均在-1~1 ℃,并且,相对于未优化的模糊控制,电堆出入口温度与目标温度的误差均有降低。本文所提出的方法针对两种测试工况,电堆的出入口温度表现出更强的响应能力,有效地修正了温度动态误差,提高了热管理方法的控制精度。


文章转载自《集成技术》

杂志订阅

填写邮件地址,订阅精彩资讯: