一种基于模型预测控制的燃料电池功率跟踪控制方法与流程

1.本发明涉及一种质子交换膜燃料电池技术，具体涉及一种基于模型预测控制的燃料电池功率跟踪控制方法。


背景技术：

2.日益严重的环境污染和能源短缺迫使汽车工业开发新能源解决方案，质子交换膜(pem)燃料电池在推动未来汽车脱碳和电气化方面具有巨大的潜力；近年来，一些汽车制造商已经开始在市场上提供燃料电池混合动力汽车(fchev)，它具有启动时间短、比能高、无污染、工作温度低的特点，已成为新型汽车电源的重要发展方向，然而，没有反应物的电化学反应，燃料电池堆不能直接在电路中工作，且燃料电池电堆必须在一个较宽的负载范围内动态运行，以满足汽车的功率需求，因此，一个汽车燃料电池系统通常包括一个pem燃料电池堆，一个供氧系统，一个供氢系统，以及反应物供给、功率响应控制系统。
3.燃料电池系统功率响应对整车能量管理及其性能有重要影响，在满足整车动力需求的情况下，需要实现降低氢气消耗量以及延长电堆寿命的目标，燃料电池电堆在面临变化迅速、范围较大的需求功率变化时，空气供给系统及功率响应控制需要保证在空压机不发生喘振的前提下提供足够的空气进行电化学反应，将系统的过氧比控制在合理的范围内，并快速准确地输出所需功率，然而，现有技术中虽然提出了多种控制方法，但是由于各种方法均存在各种各样的缺陷，尤其是更多的还没有将系统约束考虑在内，且视电堆电流为负载，无法直接应用于质子交换膜燃料电池的控制，也就难以实现对燃料电池电堆较大范围需求功率控制要求，且氢气消耗也十分严重并使得电堆寿命短暂。


技术实现要素：

4.本发明要解决的技术问题是提供一种能够实现对燃料电池电堆较大范围需求功率的跟踪控制，且实现降低氢气消耗的目标，延长电堆寿命的基于模型预测控制的燃料电池功率跟踪控制方法。
5.为了解决上述技术问题，本发明的基于模型预测控制的燃料电池功率跟踪控制方法，包括以下步骤：
6.a、控制器获取控制目标；
7.b、数据采集模块向控制器传输控制策略所需数据；
8.c、控制器建立观测器对燃料电池电堆内部状态进行估测，控制策略中针对燃料电池电堆预先建立非线性状态空间模型；
9.d、针对预先建立的燃料电池电堆非线性状态空间模型，在该工作点对燃料电池电堆非线性状态空间模型进行线性化，再对线性化模型进行离散化；
10.e、在所设置预测步长内对状态量及输出量进行预测，得到状态量和输出量的预测序列；
11.f、通过二次规划寻求目标函数最小值，得到控制序列；
12.g、将控制序列的第一项作为控制信号发送给相应的执行机构。
13.所述非线性状态空间模型为四阶状态空间模型，所述四阶状态空间模型具体为：
[0014][0015]
所述燃料电池电堆非线性状态空间模型的输出为电堆净功率以及过氧比：
[0016][0017]
式中，p
net
为燃料电池电堆净功率，λ为燃料电池电堆阴极过氧比。
[0018]
所述步骤d中利用动态系统的雅可比矩阵对燃料电池电堆非线性状态空间模型在不同电流工作点进行线性化，得到状态空间方程：
[0019][0020]
所述步骤d中对燃料电池线性化模型进行离散化，得到：
[0021][0022]
所述步骤e中所得到的状态量和输出量的预测序列：
[0023]
x(k m|k)＝amx(k) a
m-1
bu(k) a
m-2
bu(k 1) ... bu(k m-1)
[0024]
y(k m|k)＝cdx(k m|k) ddu(k m)
[0025]
式中，m为预测步长，k为当前时刻。
[0026]
所述步骤f中，通过二次规划寻求所有预测步长的目标函数之和的最小值，获得空压机控制电压以及电堆电流，所述目标函数如下：
[0027][0028]
电堆电流由如下公式计算：
[0029][0030]
式中，w
in
为进入电堆的空气流量，χ
o2,in
为阴极进气中氧气分数，f为法拉第常数，m
air
为空气摩尔质量，λ为过氧比。
[0031]
在目标函数中，将i
ref
设置为0，则目标函数第一项变为：
[0032]
f1＝q
p
[p
ref
(k i|k)-p(k i|k)]2 qi[i(k i|k)]2[0033]
所述步骤f中的二次规划对燃料电池部分参数设置约束，其数值控制在最大及最
小值之间。
[0034]
在步骤g中将控制序列第一项作为控制信号发送给相应的执行机构之后，在下一个采样时间重复上述步骤。
[0035]
本发明具有如下有益效果：
[0036]
(1)本发明采用模型预测控制对燃料电池功率以及阴极端空气供给系统进行控制，且考虑到控制约束，可以控制燃料电池系统在安全范围内快速提供所需功率。
[0037]
(2)在各个工作点对燃料电池模型进行线性化，控制策略的基础是线性自适应mpc，它使用燃料电池的线性模型和燃料电池最优控制的代价函数，最优化过程采用一个具有唯一最优二次问题的公式，相比于非线性mpc，大大减少了计算负担。
[0038]
(3)在最优控制的代价函数中设置了关于电堆电流的权重，且设置电流参考值为0，以此在最优化过程中寻求电堆电流的最小值，从而降低电堆的氢气使用量。
附图说明
[0039]
图1为本发明基于模型预测控制的燃料电池功率跟踪控制方法的流程图；
[0040]
图2为本发明基于模型预测控制的燃料电池功率跟踪控制方法的结构框图。
具体实施方式
[0041]
本发明旨在实现对燃料电池电堆较大范围需求功率的跟踪控制，且实现降低氢气消耗的目标，延长电堆寿命，下面结合附图和具体实施方式，对本发明的基于模型预测控制的燃料电池功率跟踪控制方法作进一步详细说明。
[0042]
如图1-2所示，本发明的基于模型预测控制的燃料电池功率跟踪控制方法，引入空压机电压作为控制变量，将燃料电池阴极端氧气分压、氮气分压、阴极进气歧管压力和空压机转速作为状态变量，燃料电池系统净功率以及过氧比作为输出，以此建立燃料电池系统的非线性模型，经过模型的实时线性化，采用线性自适应模型预测控制算法寻求二次规划的最优解，实现对燃料电池的功率跟踪控制，具体包括以下步骤：
[0043]
a、控制器获取控制目标，具体地说mpc控制器接收电堆功率的控制需求；
[0044]
b、数据采集模块向控制器传输控制策略所需数据，包括空压机转速、进气歧管压力、燃料电池电堆进出口压力、电堆电压以及电流。
[0045]
c、控制器建立观测器对燃料电池电堆内部状态进行估测，控制策略中针对燃料电池电堆预先建立非线性状态空间模型，估测内容包括电堆阴极端氧气及氮气分压。
[0046]
d、基于步骤b及步骤c得到的电堆状态量，针对预先建立的燃料电池电堆非线性状态空间模型，在该工作点对燃料电池电堆非线性状态空间模型进行线性化，再对线性化模型进行离散化；
[0047]
e、在所设置预测步长内对状态量及输出量进行预测，得到状态量和输出量的预测序列；
[0048]
f、通过二次规划寻求目标函数最小值，得到控制序列(空压机流量及电堆电流)；
[0049]
g、将控制序列的第一项作为控制信号发送给相应的执行机构，下一个采样时间重复上述步骤，在每一个采样时间更新状态量及输出量的预测序列，以此更新控制序列，并将新的控制序列第一项作为控制信号。
[0050]
下面对上述控制方法进行进一步详细描述。
[0051]
步骤a中mpc控制器接收电堆功率的控制需求，即所需功率 p
ref
，该数据作为二次规划算法中功率参考值。
[0052]
步骤b和步骤c中控制器获取控制策略所需的状态变量，用于步骤d中的燃料电池电堆非线性状态空间模型。
[0053]
步骤d中燃料电池电堆的非线性状态空间模型为四阶状态空间模型，
[0054][0055]
式中，χ1,χ2,χ3,χ4分别代表燃料电池电堆阴极端氧气分压p
o2
、氮气分压p
n2
、空压机转速ω
cp
、进气歧管分压p
sm
， u为控制量，为空压机电压，i为燃料电池电流。
[0056]
具体地，该状态方程为：
[0057][0058]
式中，k
ca,in
为阴极流道入口流量系数，r为气体常数，t
atm
为环境温度，m
air
为空气摩尔质量，v
sm
为供气管道体积，w
cp
为空压机流量，t为电堆温度，v
ca
为燃料电池阴极流道体积，m
o2
为氧气摩尔质量，x
o2
为空气中氧气质量分数，ω
atm
为空气湿度比， m
n2
为氮气摩尔质量，f为法拉第常数，p
sat
为饱和蒸汽压力，c
p
为空气的定压比热容，η
cp
为空压机效率，j
cp
为空压机转动惯量， kv，k
t
为空压机相关参数，r
cm
为驱动电机电阻。
[0059]
进一步地，所说的燃料电池电堆状态空间模型的输出为电堆净功率以及过氧比：
[0060][0061]
式中，p
net
为燃料电池电堆净功率，λ为燃料电池电堆阴极过氧比。
[0062]
具体公式：
[0063][0064]
进一步地，电堆电压由待拟合公式计算，如下所示：
[0065][0066]
式中，n为电堆内电池单片数量，p
02
为阴极端氧气分压，i 为电流密度，t为电堆温度，α1、α2、α3、α4为拟合参数。
[0067]
步骤d中利用动态系统的雅可比矩阵对燃料电池电堆非线性状态空间模型在不同电流工作点进行线性化，得到状态空间方程：
[0068][0069]
式中：
[0070][0071]
[0072][0073][0074][0075]
进一步地，步骤d中对燃料电池线性化模型进行离散化，得到：
[0076][0077]
式中：
[0078][0079][0080]cd
＝c
[0081]dd
＝d
[0082][0083]
式中，ts为采样时间，xo、uo为当前工作点的状态量及控制量。
[0084]
所说的步骤e中在所设置预测步长内对状态量及输出量进行预测，得到状态量和输出量的预测序列：
[0085]
x(k m|k)＝amx(k) a
m-1
bu(k) a
m-2
bu(k 1) ... bu(k m-1)
[0086]
y(k m|k)＝cdx(k m|k) ddu(k m)
[0087]
式中，m为预测步长，k为当前时刻。
[0088]
所说的步骤f中，通过二次规划寻求所有预测步长的目标函数之和的最小值，获得空压机控制电压以及电堆电流，所述目标函数如下：
[0089][0090]
式中：
[0091]
e(k i|k)＝y
ref
(k i|k)-y(k i|k)
[0092]
δu(k i-1|k)＝u(k i|k)-u(k i-1|k)
[0093][0094]
r＝ru[0095][0096]
式中q
p
、qi、ru分别为电堆功率，电流以及空压机控制电压的权重。p
ref
、i
ref
、λ
ref
分别为电堆功率，电流，过氧比的参考值。
[0097]
进一步地，电堆电流可由如下公式计算：
[0098][0099]
式中，w
in
为进入电堆的空气流量，χ
o2,in
为阴极进气中氧气分数，f为法拉第常数，m
air
为空气摩尔质量，λ为过氧比。
[0100]
在目标函数中，将i
ref
设置为0，则目标函数第一项变为：
[0101]
f1＝q
p
[p
ref
(k i|k)-p(k i|k)]2 qi[i(k i|k)]2在寻求最优解的过程，将电流参考值i
ref
设置为0，控制器将在约束范围内降低电堆电流的数值，由于氢气消耗量与电流大小呈正相关，这将降低燃料电池的氢气损耗。
[0102]
所说的步骤f中的二次规划对燃料电池部分参数设置约束，其数值需在最大及最小值之间，包括电堆电压，过氧比，空压机转矩，其中电堆电压，过氧比为软约束，空压机转矩受到空压机性能限制，为硬约束。