[发明专利]基于不确定度量化评估的燃料电池电压模型参数识别方法

说明书

本发明涉及燃料电池技术领域，公开了一种基于不确定度量化评估的燃料电池电压模型参数识别方法，包括如下步骤：采集燃料电池的运行性能参数，构建半机理电压模型，并确定待估计参数；采集燃料电池在不同工况条件下的极化曲线训练集，获得燃料电池在不同工况条件下的电压‑电流数据，引入马尔科夫链蒙特卡洛方法，针对待估计参数的后验分布，构建一个平稳分布马尔可夫链，获得待估计参数样本，并基于待估计参数样本得到半机理电压模型中待估计参数精确的概率分布区间。本发明基于不确定度量化评估的燃料电池电压模型参数识别方法，运用马尔科夫链蒙特卡洛方法算法完成所建立半机理电压模型的参数辨识，得到各参数更为精确的概率分布区间。

技术领域

本发明涉及燃料电池领域，具体涉及一种基于不确定度量化评估的燃料电池电压模型参数识别方法。

背景技术

当今社会，人们对清洁、环保能源需求不断增长，质子交换膜燃料电池(PEMFC)作为一种有效的替代能源，正开始逐渐走入人们的视野。它不仅兼顾了清洁无污染、能量转换效率高这类燃料电池的一般优点，而且具有工作温度接近常温、启动时间快、无电解液泄漏腐蚀等特点。

基于这些优点，质子交换膜燃料电池广泛应用于航空航天和军事等特殊领域，在电动汽车和便携式移动电源中也有巨大的应用潜力。因此，越来越多的研究人员开始关注质子交换膜燃料电池领域，并对其传热效率、模型控制等方面进行研究。

为了提高PEMFC系统的设计和性能，有必要建立能够反映PEMFC实际性能的数学模型。在过去的几十年里，质子交换膜燃料电池的建模研究受到了广泛关注。然而，在获得质子交换膜燃料电池的数学模型后，由于质子交换膜燃料电池系统本身的复杂性，模型参数的确定也相对困难。众所周知，PEMFC系统是一个非线性、多变量、强耦合的系统，大多数确定性优化方法都有其各自的局限性，PEMFC的非线性和动态特性使其参数估计过程仍有很大的持续改进空间。

另外，电流和电压测量中增加的噪声也可能导致评估不平稳，由于模型的参数通常是通过约束非线性优化获得的，因此估计参数的不确定性是从最优参数周围目标函数的局部性质获得的。这种方法的问题在于，近似值存在一定误差。为了有效评估系统中噪声和干扰引起的模型参数的不确定性，应采用更详细的方法，以获得参数不确定性的现实估计。

发明内容

本发明的目的就是针对上述技术的不足，提供一种基于不确定度量化评估的燃料电池电压模型参数识别方法，运用马尔科夫链蒙特卡洛方法算法完成所建立半机理电压模型的参数辨识，得到各参数更为精确的概率分布区间。

为实现上述目的，本发明所涉及的基于不确定度量化评估的燃料电池电压模型参数识别方法，包括如下步骤：

A)采集燃料电池在不同温度及压力条件下的运行性能参数，根据运行性能参数构建半机理电压模型，并确定燃料电池的待估计参数；

B)采集燃料电池在不同工况条件下的极化曲线形成极化曲线集，取极化曲线集中的部分极化曲线为极化曲线训练集；

C)基于所述步骤B)获得的极化曲线训练集，获得燃料电池在不同工况条件下的电压-电流数据，引入马尔科夫链蒙特卡洛方法，针对待估计参数的后验分布，构建一个平稳分布马尔可夫链，获得待估计参数样本，并基于待估计参数样本得到所述步骤A)中构建的半机理电压模型中待估计参数精确的概率分布区间。

优选地，所述半机理电压模型为：

V_cell＝E_Ner-V_act-V_ohmic-V_con

V_ohmic＝i(R_m+R_c)