PEM燃料电池的健康意识控制——在增强动态操作的同时缓解降解

《Energy Conversion and Management-X》:Health conscious control of PEM fuel cells — mitigating degradation while enhancing dynamic operation

【字体: 大 中 小 】 时间:2026年07月17日 来源:Energy Conversion and Management-X 8.8

编辑推荐:

  将燃料电池(系统)集成到混合动力电动汽车中是一项具有挑战性的任务,这主要归因于汽车应用中特有的大幅动态功率需求。频繁的负载变化会加速降解,从而限制了燃料电池的操作寿命。本文提出了一种预测控制策略,该策略在组件层面优化了燃料电池耐久性、效率和性能之间的权衡。燃料

  
将燃料电池(系统)集成到混合动力电动汽车中是一项具有挑战性的任务,这主要归因于汽车应用中特有的大幅动态功率需求。频繁的负载变化会加速降解,从而限制了燃料电池的操作寿命。本文提出了一种预测控制策略,该策略在组件层面优化了燃料电池耐久性、效率和性能之间的权衡。燃料电池的控制系统动态调整电流、氢气和空气流速以及入口露点,以在提供所需功率的同时缓解降解效应。研究人员利用一个包含阴极催化剂层和膜中关键降解机制的非线性物理模型来预测燃料电池的老化。通过利用从能源管理系统(EMS)获取的信息以及该物理模型,所提出的控制方法实现了健康意识操作;在延长燃料电池寿命的同时维持了效率和功率输出,其表现优于传统的基于规则的策略。
聚合物电解质膜燃料电池(PEM-FCs)是实现碳中和交通的核心技术之一,凭借加注快、能量效率高及适用于长续航的优势,已成为重型交通电气化的关键组件。尽管其技术成熟度较高并已投入商用车使用,但其在汽车工业的广泛应用仍因基础设施有限及操作寿命有限而受阻。其中,寿命限制主要源于汽车应用高度动态操作条件下发生的降解过程。由于多重相互依赖的降解路径及不同应力源的复杂影响相互交织,设计最优操作策略以缓解降解变得极其困难。例如,低湿度可能降低膜的降解,但同时会加速催化层中碳载体的电化学腐蚀。为提升性能与耐久性,学界已探讨了诸多措施,包括开发先进材料、优化启停协议及改进电池与电堆设计。此外,考虑燃料电池健康的操作性策略也展现出延长寿命的潜力,特别是健康意识的能量管理系统(EMS)通过优化混合动力总成中的功率分配来管理降解。然而,现有EMS多依赖静态图谱和简化的降解模型,难以兼顾包括入口加湿、压力、流速及温度等在内的广泛控制输入对系统效率和降解的直接影响。由于在EMS层面对这些变量进行建模和优化的计算复杂度过高,必须将其委派给燃料电池系统级控制器,这凸显了采用分层控制方法的必要性,即高层EMS负责决策,底层控制器利用动态的物理模型确保安全高效的运行。

近期研究表明,采用基于物理模型的综合控制策略可进一步解锁系统耐久性和效率的提升潜力。在系统级控制中,通过启发式定义输入和内部状态的参考值与限制来集成降解考量已被证明能延长寿命,但定义这些安全极限严重依赖大量测量活动,且无法充分考虑不同应力源诱发多种互联降解机制的复杂相互作用。本论文在此基础上推进了现有技术,提出了一种统一的健康意识模型预测控制(MPC)框架,该框架将基于物理的降解动力学显式嵌入到EMS与底层平衡部件控制器之间的控制层中。与启发式约束方法不同,该方法在预测框架内直接优化性能和降解目标,从而在动态负载工况下实现了对相互作用的降解机制的协调缓解。该研究由Johanna Bartlechner、Christoph Hametner、Martin Kozek和Stefan Jakubek共同完成,并发表在《Energy Conversion and Management-X》上。

在关键技术方法方面,研究人员采用了一个包含连续线性化的非线性、基于物理的燃料电池模型,该模型耦合了热力学、电化学及温度动力学,并显式包含了阴极催化层和膜的降解机制。控制算法利用从EMS获取的短期燃料电池功率需求预测(假设已知未来5秒的功率需求)和多目标优化来动态调整电流、阴阳极入口干摩尔流、露点温度和出口压力等输入。研究人员还设计了一个带约束的扩展卡尔曼滤波器(CEKF)作为状态观测器,利用有限的在线测量数据估计不可测的内部状态和降解速率。此外,通过蒙特卡洛模拟评估了该算法在参数不确定性下的鲁棒性,并用实验室单电池数据及来自混合动力乘用车的真实测量功率轨迹对其进行了仿真测试。

研究结果部分总结如下:

模型参数化与验证:研究人员的性能和热模型参数被拟合至液冷单电池的测量数据,并通过均方根误差(RMSE)和决定系数(R2)评估,证实该模型能准确描述系统行为。降解模型参数取自相关文献,将全模型在特定工况下运行约1000小时后,仿真得到的电化学活性表面积(ECSA)损失和膜高度减少量与实验测量数据高度吻合,验证了降解模型的有效性。

状态估计与线性化误差:通过使用合成数据并施加以白噪声,研究人员发现状态观测器能够从随机初始化状态快速收敛,即便在初始化存在误差的情况下,仍能对可测和不可测输出及降解速率提供良好估计。在每一步使用连续线性化模型进行的5秒短期预测展现出足以满足MPC算法优化需求的准确性。

人工测试场景下的健康意识控制器性能:在长达1000小时的仿真测试中,与最先进的方法相比,所提出的MPC框架成功实现了控制目标间的权衡。当考虑膜降解时,控制器迅速增加电流以避免损害膜健康的怠速运行;在动态操作中为缓解阴极催化层降解会限制变化率。通过将各降解机制纳入优化问题,实现了不同降解模式的均衡缓解。同时,所有健康意识控制器均能在较长时间内提供所需功率,偏差极小。

汽车场景下的健康意识控制器性能:研究人员将从真实乘用车EMS获取的功率轨迹缩放并作为参考。在面对瞬态工况时,MPC4框架成功找到了不同控制目标间的最佳权衡,实现了动态操作下的均衡降解。为评估控制偏差对动力总成的影响,假设电池完全补偿燃料电池功率的短时偏差,并计算了电池荷电状态(SOC)及能量吞吐。结果显示,所有MPC配置下的电池SOC偏差极小,且累计能量吞吐相当,表明该策略不会增加电池应力。

针对参数不确定性的鲁棒性:蒙特卡洛模拟结果表明,在存在参数预测失配的情况下,相比不考虑降解的基准MPC1,兼顾客多降解机制的MPC4能同时显著降低阴极催化层和膜的降解,而仅考虑单一降解机制的控制器虽能降低特定组件的降解,却增加了另一组件的降解负担。这证实了多目标设计的必要性及算法移植到新系统时的鲁棒性。

计算量与预测时域评估:分析指出,控制器的实时因子(RTF)随预测时域增加而呈线性增长,但在30秒的时域内始终保持在1以下。在5秒的标准时域下,每个控制步的计算时间约20毫秒,远低于控制周期,证实了其实时可行性。同时,ECSA损失和膜减薄对时域长度依赖微弱,确认了选定预测时域的充分性。

总结与讨论部分指出,本研究提出了一种适用于燃料电池系统的健康意识控制器,其作为EMS与底层控制间的分层节点,利用包含物理机制的降解模型和短期功率需求预测优化控制输入,实现了安全、高效且健康意识的操作。通过直接将基于物理的降解模型整合入控制算法,该方法基于电池当前健康状态和降解机制间的复杂相互作用寻找控制目标的权衡,并解决了降解与热力学过程间时间常数差异引发的数值问题。同时,研究引入了能够观测内部状态和降解行为的状态观测器。尽管该系统受到模型不匹配、线性化误差和测量限制带来的不确定性影响,但在闭环操作中,这些不确定性维持在可接受范围内。未来研究将聚焦集成更多降解机制以提升高保真模型分析,评估结构模型误差下的系统鲁棒性,并扩展在线健康状态观测器以实现降解模型参数的实时识别与补偿。为了实现实际车辆应用,后续研究还将集成辅助部件及氢气循环等运行策略,并采用硬件在环测试和台架验证进行原位验证及动力总成层面的全面评估。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号