基于模糊逻辑与遗传算法的燃料电池热管理方法研究
1引言
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。
2PEMFC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。
2.1电堆温度动态模型
3PEMFC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，
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。
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
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
4.2结果分析
4.2.1PEMFC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。
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。
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℃。
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。
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。
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。
2021年第三期
传动网-工业自动化与智能制造的全媒体“互联网+”创新服务平台