【技术实现步骤摘要】
本专利技术涉及燃料电池，尤其是涉及一种基于nsga-ⅱ算法的多电堆sofc参数优化方法。
技术介绍
1、固体氧化物燃料电池(sofc)是一种将氢气等燃料中的化学能直接转化为电能的发电装置，其作为一种新型发电技术，因高效率、低排放、燃料来源广泛等优点备受关注，因其是通过化学反应的方式进行能量转化，故不受卡诺循环的限制，效率很高。近年来sofc的应用场景越来越多，潜艇、航空飞行器、交通运输等领域的应用对大功率电堆系统的需求越来越大，由于材料、结构和体积等限制，单个电堆的功率有限。因此，多堆sofc将是sofc应用于高功率场景的基础。
2、与单电堆的燃料电池系统一样，多电堆sofc同样需要反应物供给系统、功率变换器以及热管理系统来确保电堆正常工作，但由于电堆数量的增加，多电堆sofc有更多可能的结构，根据反应物供给系统的连接方式不同可以分为串联结构和并联结构。串联结构通过将上游电堆的尾气通入下游电堆，可以实现更高的燃料利用率。并联结构是通过将预热后的空气和燃料分别通入不同电堆分别进行电化学反应的方式，并联结构可以提高系统的功率，电堆入口处由于温度过高，无法安装电磁阀来精确控制通入各个电堆的反应物流量，可能会造成电堆之间的反应物分配不一致现象。
3、电堆的退化是影响整个系统寿命的关键因素，常见的退化分为阳极粗化和氧化、阴极毒化、双极板和电解质的退化等，其中阳极的粗化是导致电堆性能衰减的最主要的原因。由于多堆系统中不同电堆处于不同的工作状态，必将导致不同的电堆退化程度不同，造成电堆退化不一致，这将严重影响整个系统的
4、针对多电堆组成的sofc系统，既希望系统可以有较高的输出效率，又希望多电堆之间的退化一致。针对这一问题，目前还没有很好的解决方法。
技术实现思路
1、为解决上述
技术介绍
中提出的问题，本专利技术采取的技术方案为：
2、一种基于nsga-ⅱ算法的多电堆sofc参数优化方法，包括如下步骤：
3、s1、确定sofc安全运行时的操作参数可调范围；
4、s2、建立多目标优化目标函数，优化目标包括sofc的输出效率，以及不同电堆之间退化程度的比值；
5、s3、采用基于nsga-ⅱ算法的参数优化方案，得到步骤s2中构建的目标函数的全局最优解集，并根据最优解集求得最优操作参数；
6、s4、将步骤s3得到的最优操作参数作为sofc的操作参数进行系统控制。
7、在一些实施例中，在步骤s1中，sofc的操作参数包括燃料利用率fu，空气过量比ar，旁路阀开度bp和电堆功率p。
8、在一些实施例中，步骤s1中，燃料利用率fu的计算公式如下：
9、
10、其中，表示氢气反应速率，表示氢气摩尔流速，燃料利用率fu的取值范围为0.6～0.9；
11、空气过量比ar的计算公式如下：
12、
13、其中，是氧气的摩尔流速，表示氧气的反应速率，ar的取值范围为6～12；
14、旁路阀开度bp的取值低于0.3；
15、系统功率p的范围不大于10kw。
16、在一些实施例中，在步骤s2中，建立的多目标优化目标函数如下；
17、f1＝f1(fu,ar,bp,p)
18、f2＝f2(fu,ar,bp,p)
19、其中，f1表示sofc的输出效率，f2表示不同电堆之间退化程度的比值，f1和f2分别表示参数与f1、参数与f2的函数关系式。
20、在一些实施例中，步骤s3中，所述nsga-ⅱ算法的具体步骤如下：
21、s31、种群初始化，通过sofc模型，在决策变量空间内随机生成n个个体，构成初始种群pt；
22、s32、对种群pt进行选择、交叉及变异，产生子代种群qt；
23、s33、合并种群pt和qt，得到新的种群rt，对种群rt进行快速非支配排序，得到非劣势前端f1，f2，并对fi根据拥挤度比较算子，从rt中选取下一代种群pt+1；
24、s34、对新的种群pt+1进行遗传算法操作，得到新的种群qt+1；
25、s35、重复s32-s34步骤，直至达到算法设定的进化代数，并将最终产生的解集作为最优解集。
26、在一些实施例中，步骤s31中，设置种群初始大小为100，最大迭代次数为200，以sofc的操作参数为决策变量，输入各变量的上下限，设定目标函数值为f1和f2。
27、在一些实施例中，步骤s32中，对种群pt进行选择、交叉及变异时，选择的步骤包括：
28、采用nsga-ⅱ算法，设定两个参数ni和di，ni代表代表种群中所有个体支配个体i的数目，di为个体i所支配的个体集合，选出种群中ni为0的个体，表示该个体不被其他个体支配，并将该个体放入s1集合中；
29、对于s1集合中的每个个体k，对其nk进行减1操作，减去个体i对个体k的影响，若减1后对应个体的nk为0，则将个体k放入集合s2中，以此类推，s1集合称为第一层，s2集合称为第二层；
30、通过二元锦标赛进行选择，选择出排序后的最优的100个个体；
31、交叉的步骤包括：在本代种群中随机选择两个个体进行交叉操作，产生一堆新的染色体，即新个体；
32、变异的步骤包括：将某一大小的数值作为变异算子，对个体的基因进行变异替换；
33、经过选择、交叉、变异之后生成子代种群qt。
34、在一些实施例中，步骤s33中，初代种群pt的种群大小为100，子代种群qt的种群大小为100，合并后变成新的种群rt，对新的种群进行选择操作，选出本次算法的计算结果pt+1，种群大小为100。
35、与现有技术相比，本专利技术的有益效果是：
36、本专利技术提供的基于nsga-ⅱ算法的多电堆sofc参数优化方法，以提高系统的发电效率和降低电堆的退化不一致为多目标，采用nsga-ⅱ算法进行多目标优化，能够在sofc系统安全的前提下，实时调节系统的操作参数，最大限度的提高整个系统的发电效率，降低多电堆之间的退化不一致，在效率和退化两方面取得最优，有利于sofc在高功率下高效率长寿命运行，解决了现有多电堆sofc效率低，多电堆之间退化不一致的技术问题。
本文档来自技高网...【技术保护点】
1.一种基于NSGA-Ⅱ算法的多电堆SOFC参数优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于NSGA-Ⅱ算法的多电堆SOFC参数优化方法，其特征在于，在步骤S1中，SOFC的操作参数包括燃料利用率FU，空气过量比AR，旁路阀开度BP和电堆功率P。
3.根据权利要求2所述的一种基于NSGA-Ⅱ算法的多电堆SOFC参数优化方法，其特征在于，步骤S1中，燃料利用率FU的计算公式如下：
4.根据权利要求3所述的一种基于NSGA-Ⅱ算法的多电堆SOFC参数优化方法，其特征在于，在步骤S2中，建立的多目标优化目标函数如下；
5.根据权利要求4所述的一种基于NSGA-Ⅱ算法的多电堆SOFC参数优化方法，其特征在于，步骤S3中，所述NSGA-Ⅱ算法的具体步骤如下：
6.根据权利要求5所述的一种磁电编码器的在线补偿方法，其特征在于，步骤S31中，设置种群初始大小为100，最大迭代次数为200，以SOFC的操作参数为决策变量，输入各变量的上下限，设定目标函数值为f1和f2。
7.根据权利要求6所述的一种
8.根据权利要求7所述的一种磁电编码器的在线补偿方法，其特征在于，步骤S33中，初代种群Pt的种群大小为100，子代种群Qt的种群大小为100，合并后变成新的种群Rt，对新的种群进行选择操作，选出本次算法的计算结果Pt+1，种群大小为100。
...【技术特征摘要】
1.一种基于nsga-ⅱ算法的多电堆sofc参数优化方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于nsga-ⅱ算法的多电堆sofc参数优化方法，其特征在于，在步骤s1中，sofc的操作参数包括燃料利用率fu，空气过量比ar，旁路阀开度bp和电堆功率p。
3.根据权利要求2所述的一种基于nsga-ⅱ算法的多电堆sofc参数优化方法，其特征在于，步骤s1中，燃料利用率fu的计算公式如下：
4.根据权利要求3所述的一种基于nsga-ⅱ算法的多电堆sofc参数优化方法，其特征在于，在步骤s2中，建立的多目标优化目标函数如下；
5.根据权利要求4所述的一种基于nsga-ⅱ算法的多电堆sofc参数优化方法，其特征...
【专利技术属性】
技术研发人员：李曦，向洪福，许元武，向芸，
申请(专利权)人：武汉华夏智能技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。