基于混合飞蛾火焰-蜉蝣优化算法的质子交换膜燃料电池最大功率点跟踪方法

《Energy Exploration & Exploitation》：Thermally robust maximum power point tracking of proton exchange membrane fuel cells using hybrid Moth flame–Mayfly optimization

　　

摘要

质子交换膜燃料电池由于其高功率密度、高动态响应和零尾气排放的特性，有望成为电动汽车和可再生能源微电网的清洁能源动力源。然而，它们的电压 - 电流特性是非线性的，并且对温度、反应物压力和负载变化敏感，这使得可靠的最大功率提取变得具有挑战性。传统的最大功率点跟踪技术，如扰动观察法和电导增量法，存在收敛速度慢以及在最大功率点附近持续振荡的问题。本文提出了一种混合飞蛾火焰 - 蜉蝣优化方法，用于带有 Boost 变换器的 6 千瓦质子交换膜燃料电池系统中具有热鲁棒性的最大功率点跟踪。所引入方法的创新之处在于一种依赖迭代的融合策略，该策略结合了排名火焰引导的全局探索以及个体最优和全局最优蜉蝣改进。融合系数从 0.8 递减至 0.2，这使得搜索过程逐渐从全局探索过渡到精确的局部开发。为了评估所提出的方法，在不同反应物压力（1.0 和 2.0 巴）下，在不同温度（313、328 和 343 开尔文）下以及模拟负载变化条件下进行了仿真，并与四种已实施的混合生物启发优化方法进行了比较。所提出的方法在 313、328 和 343 开尔文下分别实现了 97.0%、97.3% 和 95.2% 的效率。在压力变化下，效率保持在 97.2% 至 97.4% 之间。稳定时间为 0.05 秒，比现有方法减少 28.6% 至 68.8%，效率提升 0.5 至 4.5 个百分点。在 30 次独立运行中，效率的标准差（σ）在 0.04% 至 0.06% 之间变化。波形分析显示占空比调整更加平滑，电流、电压和功率波动更低。