固体氧化物燃料电池系统的复合优化在线控制策略

摘要

为高效安全运行固体氧化物燃料电池(SOFC),提出了一种考虑温度梯度瞬态响应的在线优化的2层复合控制策略.在优化层,用神经网络预测功率变化,采用粒子群优化(PSO)算法获取了不同功率下的系统最优操作曲线.在控制层,考虑负载的瞬态波动,以复合控制器跟踪系统最优工作点.结果表明:长短期记忆(LSTM)神经网络比非线性自回归神经网络(NARNN)对功率的预测均方根误差减少了20.2 W,预测精度更高;该复合控制器和传统的比例-积分-微分(PID)控制器对电堆温度、燃料利用率和空气过氧比的控制效果都较好;在负载功率快速变化时,复合控制器的温度梯度瞬态响应更小,且在阈值之下,避免系统出现过高的温度梯度.