质子交换膜燃料电池停机过程中基于SH-AUKF状态反馈的MPC实时水含量调控：提升效率与降低能耗

《RENEWABLE & SUSTAINABLE ENERGY REVIEWS》：Real-time water content regulation in PEMFC shutdown via MPC with SH-AUKF-based state Feedback: Towards improved efficiency and reduced energy consumption

本文创新性地提出将模型预测控制（MPC）与改进型Sage-Husa自适应无迹卡尔曼滤波（SH-AUKF）相结合，实现质子交换膜燃料电池（PEMFC）停机吹扫阶段膜水含量的精准调控。通过建立降阶模型降低计算复杂度，实验验证表明该方法较传统线性二次调节器（LQR）将跟踪误差降低82%、响应时间缩短至12秒，同时使吹扫能耗降至44.7 kJ，为PEMFC耐久性提升和冷启动优化提供了智能化解决方案。

　　

Highlight亮点

本研究通过融合模型预测控制（MPC）与改进型状态估计算法，实现了质子交换膜燃料电池（PEMFC）停机吹扫过程的革命性突破：

• 创新开发的SH-AUKF（Sage-Husa自适应无迹卡尔曼滤波）观测器，在收敛速度与稳态精度间取得最佳平衡

• 基于实时水含量反馈的MPC控制器，将跟踪误差压制在0.1以下，较传统方法提升82%精度

• 创下11.53秒的最短吹扫时长纪录，能耗较恒定氧过量比（OER=12）策略降低5.5%

Model模型

本节构建了面向控制的PEMFC停机吹扫六阶降阶模型，该模型通过保留关键动力学特征，将原17阶模型的复杂度降低65%，为后续观测器和控制器设计奠定基础。特别值得注意的是，模型通过耦合膜水含量（λ_m）与高频电阻（HFR）的量化关系，实现了不可测状态变量的间接表征。

Model validation模型验证

基于160 kW PEMFC系统的实验数据验证表明，优化校准后的模型能准确反映吹扫动态特性。通过将高频电阻（HFR）作为膜水含量的"生物标志物"，模型预测与实测数据的相关系数达到0.93以上。这种"以电测水"的创新方法，突破了传统可视化检测技术（如X射线成像）在工程应用中的局限性。

MPC design using real-time water content feedback基于实时水含量反馈的MPC设计

如图6所示的智能控制架构中，SH-AUKF观测器如同PEMFC的"神经感知系统"，实时重构包括膜水含量在内的7维状态向量。MPC控制器则扮演"决策大脑"角色，通过滚动优化双目标代价函数（兼顾跟踪精度与能耗），动态调节阴极吹扫流量（OER）。这种仿生控制策略在硬件在环测试中展现出惊人的适应性——即使在±15%的模型失配情况下，仍能保持控制精度。

Results and discussion结果与讨论

对比实验揭示了三大关键发现：

1）SH-AUKF的稳态估计误差比标准UKF降低42%，且抗噪声干扰能力显著优于AUKF

2）在阶跃测试中，MPC控制的超调量仅为0.35，较增强型线性二次调节器（LQR）改善38.6%

3）变工况测试证实，该方案在-20°C至60°C环境温度范围内均能维持稳定控制性能

Conclusion结论

本研究开创性地将先进控制理论引入PEMFC水管理领域，其技术突破主要体现在：

• 建立的六阶降阶模型计算效率提升3倍，精度损失控制在5%以内

• SH-AUKF观测器实现了膜水含量的"显微级"实时追踪（误差<3%）

• MPC控制器创造了吹扫效率与能耗的帕累托最优，为燃料电池"延寿"提供了新范式