基于simulink的车用质子交换膜燃料电池(PEMFC)PID控制系统仿真

简介: 基于simulink的车用质子交换膜燃料电池(PEMFC)PID控制系统仿真

1.算法描述

   能源是人类社会赖以生存和发展的重要物质基础,能源的开发利用极大地推进了世界经济和人类社会的发展。随着能源危机警钟的响起,20世纪所建立起来的庞大能源体系已无法适应未来社会对高效、清洁、经济又安全的能源体系的要求,能源发展正面临着巨大的挑战。近年来,各种新兴替代能源纷纷出现,氢能也开始崭露头角。氢能的储存方式既可以为液态存储,又可以为气态存储。氢气在空气中燃烧的产物只有水。如今,尽管氢能的利用很少出现在人们的日常生活中,但工业领域对氢能的利用已相当普遍。从某种意义上讲,氢气是一种取之不尽、用之不竭的可再生能源载体,大力发展氢能对我国这样的能源消费大国的未来发展尤为重要。

    尽管通过电池材料的创新和系统控制策略的改进都可以在一定程度上提高燃料电池的耐久性,但是材料创新与改进是一个较为漫长的过程。从实际角度出发,在原有材料基础上通过系统控制策略的改进,从而提高车用燃料电池系统的使用寿命,这类研究更有重要的现实意义。如前文所述,过氧比的剧烈波动会直接影响燃料电池的“健康状况”。因此,当负载电流发生骤变时,采取适当的控制方法减弱过氧比的波动对延长燃料电池寿命是本文的研究重点之一。另一方面,在燃料电池系统关机或外界需求电流降低时,燃料电池系统内部残存的盈余氢气未经利用而直接排入大气,势必对系统中氢能的利用率有所影响。本文提出的控制方法也可以进一步利用燃料电池系统的盈余气体,从而改善氢能的利用率。

   根据各种燃料电池的应用场合,本文选用质子交换膜燃料电池(PEMFC)作为车用燃料电池,并对之进行相关的控制研究。质子交换膜燃料电池是利用质子交换聚合物作为电解质,阳极和阴极分别由含有一薄层催化剂(通常为铂黑或碳载铂)的多孔气体扩散电极组成。将电解质膜压在两电极之间,就构成了一个单一的“膜电极组件(MEA)”。这个“膜电极组件”是燃料电池单体的核心,其厚度不到1mm。以氢或净化重整气为燃料,空气或纯氧为氧化剂,带有气体流动通道的石墨或表面改性金属板为双极板,其结构如图1所示。

image.png

 PEM燃料电池系统是一个十分复杂的非线性系统,对PEMFC系统建模的研究工作相对较少。目前,PEM燃料电池系统模型可以分为0-D、1-D、2-D和3-D模型。其中,0-D模型为时间域上的参数集中模型,适合用于控制设计。本文选取的模型为燃料电池系统建模领域广为推崇和认可的Pukrushpan[85-86]建立的PEMFC系统模型,这是一个半机理半经验模型,该模型结构简单,控制参数单一,适合进行控制研究。本文根据反应气体流动过程,将系统模型分为几部分:空压机模型、供气管路模型、排气管路模型以及燃料电池堆模型,

  在燃料电池系统中,空压机为燃料电池堆提供反应所需的氧气,同时配有相应的滤清器和增湿器。空压机将环境中的空气泵入并加压,送入燃料电池空气流道。空气流过阴极时,其中的部分氧气会参与电化学反应,产生水。水和空气中氮气、剩余的氧气一起排出电堆。排出的气体中富含水分,因此可以通过冷凝器回收,回收的水分通过泵送到加湿器中循环利用。背压阀的作用是保持空气进出口两端的压差。

image.png

  空气供气管路为连接空压机和燃料电池堆阴极流道的所有空气管路的集合,其长度和体积取决于空压机和燃料电池堆的相对位置。考虑到从空压机出来的空气温度较高,空气在供气管路中的温度变化明显,不能将供气管路中空气的温度 近似等同于空压机出口处的空气温度 。根据能量守恒定律,理想气体状态方程和空气的热力学动态特性,列写式(7)和式(8)的供气管路动态方程。 

image.png

    排气管路模型包括空气排气管路和氢气排气管路模型。空气排气管路模型代表空气从电堆阴极流出后所经过的所有管路的集合。 

image.png

2.仿真效果预览
matlab2022a仿真结果如下:
image.png
image.png

3.MATLAB核心程序

image.png
image.png
image.png
image.png
image.png

F=96485;                %法拉第常数,单位c/mol
n=381;                  %电池片数
r=1.4;                  %空气比热比
Cp=1e3;                 %air specific heat
p_atm=101325;
p_aamb=101325;                  %环境干空气压力
psat_amb=0.4e5;                 %环境温度饱和蒸气压
 
yo2=0.21;                       %氧气体积分数
Mo2=0.032;                      %氧气摩尔质量(kg/mol)
Mn2=0.028;                      %氮气摩尔质量(kg/mol)
Mv=0.018;                       %水蒸气摩尔质量(kg/mol)
Ma=0.0288;                      %干空气摩尔质量(kg/mol)
Mh2=0.002;                      %氢气摩尔质量(kg/mol)
T_atm=273+25;
LHV_H2=119.64e6;                %氢气低热值(J/kg)
%% Compressor parameters
Jcp=5e-5;                         %空压机转动惯量(kg*m2)
Ra=286.9;                         %空气气体常数(J/(kg*K))
eta1=0.82;                        %电机效率
eta2=0.85;                         %空压机效率
kt=0.0153;                        %电机参数
Rcm=0.82;                         %电机阻抗
kv=0.0153;                        %电机参数
 
%% Supply Manifold
Vol=0.02;                         %SM管道体积
k_nozzle=0.3629e-5;              
 
%% Return Manifold
Crm=0.0124;                       %管道系数
Vrm=0.005;                        %RM管道体积
%% Membrane
rhom_dry=2000;
Mm_dry=1.1;
%% Stack
gdl=300e-6;                            %GDL厚度
Afc=280e-4;                            %电堆表面积(m2)
A_fc=280e-4;
相关文章
|
算法
m基于Simulink的稳定频差光锁相环系统性能仿真
m基于Simulink的稳定频差光锁相环系统性能仿真
93 0
|
17天前
|
编解码 算法 索引
基于simulink的模拟锁相环和数字锁相环建模与对比仿真
本研究利用Simulink对模拟锁相环(PLL)和数字锁相环(DPLL)进行建模,通过对比两者的收敛曲线及锁定频率值,分析其性能差异。系统采用MATLAB2022a版本,详细介绍了PLL和DPLL的工作原理,涵盖鉴相器、滤波器及振荡器等关键组件的功能与数学描述。
|
23天前
|
机器学习/深度学习
基于RBF-PID控制器的风力发电系统simulink建模与仿真
本研究基于MATLAB2022a,使用Simulink对风力发电系统进行了建模与仿真,旨在对比PID与RBF-PID控制器的性能。RBF-PID控制器通过引入径向基函数神经网络,实现了PID参数的在线自适应调整,显著提升了对非线性风电系统的控制效果。仿真结果显示,相较于传统PID,RBF-PID能更有效地应对系统不确定性和参数变化,提高系统的鲁棒性和稳定性。
风储微网虚拟惯性控制系统simulink建模与仿真
风储微网虚拟惯性控制系统通过集成风力发电、储能系统等,模拟传统同步发电机的惯性特性,提高微网频率稳定性。Simulink建模与仿真结果显示,加入虚拟惯性控制后,电压更平缓地趋于稳定。该系统适用于大规模可再生能源接入,支持MATLAB2022a版本。
|
1月前
|
算法
基于模糊PID控制器的的无刷直流电机速度控制simulink建模与仿真
本课题基于模糊PID控制器对无刷直流电机(BLDCM)进行速度控制的Simulink建模与仿真。该系统融合了传统PID控制与模糊逻辑的优势,提高了BLDCM的速度动态响应、抗干扰能力和稳态精度。通过模糊化、模糊推理和解模糊等步骤,动态调整PID参数,实现了对电机转速的精确控制。适用于多种工况下的BLDCM速度控制应用。
|
2月前
|
vr&ar
基于PID控制器的四旋翼无人机控制系统的simulink建模与仿真,并输出虚拟现实动画
本项目基于MATLAB2022a的Simulink平台,构建了四旋翼无人机的PID控制模型,实现了无人机升空、下降及再次升空的飞行仿真,并生成了VR虚拟现实动画。通过调整PID参数,优化了无人机的姿态控制性能,展示了无人机在三维空间中的动态行为。
|
5月前
|
算法
基于模糊PID的直流电机控制系统simulink建模与仿真
- **课题概述**: 实现了PID与模糊PID控制器的Simulink建模,对比二者的控制响应曲线。 - **系统仿真结果**: 模糊PID控制器展现出更快的收敛速度与更小的超调。 - **系统原理简介**: - **PID控制器**: 一种广泛应用的线性控制器,通过比例、积分、微分作用控制偏差。 - **模糊PID控制器**: 结合模糊逻辑与PID控制,动态调整PID参数以优化控制性能。 - **模糊化模块**: 将误差和误差变化率转换为模糊量。 - **模糊推理模块**: 根据模糊规则得出控制输出。 - **解模糊模块**: 将模糊控制输出转换为实际控制信号。
基于PID控制器的直流电机位置控制系统simulink建模与仿真
**摘要:** 构建基于PID的直流电机位置控制系统,利用PID的简易性和有效性实现精确控制。在MATLAB2022a中进行系统仿真,展示结果。控制器基于误差(e(t))生成控制信号(u(t)),由比例(K_p)、积分(K_i)和微分(K_d)项构成。系统采用三层控制环:位置环设定速度参考,速度环调节实际速度,电流环确保电流匹配,以达成期望位置。
|
6月前
|
监控
基于模糊PID控制器的风力温度控制系统simulink建模与仿真
**课题概述:** 设计一个室温控制系统,保持室内温度在23ºc,当温度超出范围时,电风扇自动调整档位。系统监控温度、压强、风速、通风量和风扇参数。 **系统仿真:** 使用MATLAB2022a进行仿真。 **核心原理:** 结合模糊逻辑和PID控制的系统,模糊逻辑处理不确定信息,调整PID参数以优化温度控制。 **模糊PID:** 输入(温度误差e,误差变化率ec),输出(PID参数调整量)。模糊规则库决定参数调整,模糊推理生成输出,清晰化处理转换为实际参数调整,改善系统性能。 **整体结构:** 包含模糊逻辑控制器和PID调节,动态适应环境变化,确保设备稳定高效运行。
|
6月前
|
算法
基于LQR控制算法的电磁减振控制系统simulink建模与仿真
该文主要介绍了基于LQR控制算法的电磁减振控制系统在MATLAB2022a中的Simulink建模与仿真。文章展示了系统仿真输出的控制器收敛曲线,并提供了相关图像来解释系统原理。LQR算法通过优化二次成本函数实现振动抑制,尤其适用于电磁减振系统,利用电磁执行机构动态调整力,高效抑制振动。文中附有关键模型和原理图。

热门文章

最新文章