固體氧化物燃料電池(SOFC)的建模與仿真.pdf

1、由于燃料電池不受卡諾循環(huán)的限制，能量轉換效率高，而且主要排放物為水(視反應物而定)，污染比較小，因此燃料電池成為二十一世紀重要的能源裝置。近年來，燃料電池技術的研究引起了很多研究機構的廣泛興趣，并在許多商業(yè)領域都有其應用前景。固體氧化物燃料電池(SOFC)除了具有高效、清潔、低噪音、負載能力強等燃料電池所共有的優(yōu)點外，由于是全固體，所以還具有無泄漏、無電解質腐蝕、綜合利用效率高和壽命長等優(yōu)點。它除了可以利用H2為燃料以外，還可以利用天然

2、氣、CO等其它燃料，因此非常有希望開發(fā)成大規(guī)模的SOFC發(fā)電裝置來代替現(xiàn)在使用的火力發(fā)電。 目前國內外對SOFC的研究主要集中在化工、材料、結構等方面，對SOFC控制方面的研究還比較少，但它又是SOFC的實用化、產(chǎn)業(yè)化前必須解決的問題。為了改進SOFC的設計和性能，必須對SOFC的電氣性能進行深入的研究。然而，SOFC系統(tǒng)工作在高溫、封閉、復雜的環(huán)境下，內部狀態(tài)測量極為困難，試驗分析代價很高，有時幾乎是不可能的。目前還只能小規(guī)模

3、地對SOFC的部分參數(shù)和變量進行測量和分析。相對而言，對SOFC的數(shù)值分析成本較低。用數(shù)值分析的方法，建立SOFC的數(shù)學模型，并對其進行仿真研究，為實現(xiàn)SOFC的控制奠定理論基礎。 本文利用燃料電池機理和實驗數(shù)據(jù)建立了SOFC的電特性模型，分析了影響電池輸出性能的相關因素。然后利用徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡的方法建立了SOFC的電特性辨識模型。由于改進遺傳算法比簡單遺傳算法有著更快的收斂速度和更高的精度，本文最后提出了一種基于

4、改進遺傳算法的RBF 神經(jīng)網(wǎng)絡辨識方法，對RBF神經(jīng)網(wǎng)絡中關鍵的參數(shù)進行優(yōu)化，以解決由于模型簡化和輸入?yún)?shù)的不準確而造成的模型精度降低問題。 本論文的主要工作包括： 1.根據(jù)燃料電池機理分析了SOFC的電壓/電流密度特性，并詳細分析了影響電池實際輸出電壓的各類極化現(xiàn)象。深入研究了SOFC系統(tǒng)運行過程中電池輸出性能與各影響因素的關系以及各影響因素對電池輸出性能的影響。本文重點考慮了電池系統(tǒng)運行過程中運行參數(shù)——溫度和電流密

5、度對電池輸出特性的影響。 2.建立了SOFC電特性的仿真模型。利用RBF神經(jīng)網(wǎng)絡的辨識方法建立了SOFC的電特性模型，模型辨識要求在不同溫度下，能夠動態(tài)模擬出電池電壓與電流密度的變化曲線，完成網(wǎng)絡模型的輸入矢量到輸出矢量的非線性動態(tài)映射。 3.在研究了標準遺傳算法優(yōu)、缺點的基礎上，采用改進策略設計了一種改進的遺傳算法——自適應遺傳算法對RBF神經(jīng)網(wǎng)絡的參數(shù)（網(wǎng)絡各隱層基函數(shù)（高斯函數(shù)）的數(shù)據(jù)中心、網(wǎng)絡各隱層基函數(shù)（高斯函