基于BAS改進(jìn)PSO算法對(duì)PEMFC溫度的控制

收稿日期：2021-11-22

基金項(xiàng)目：先進(jìn)能源科學(xué)與技術(shù)廣東省實(shí)驗(yàn)室佛山分中心開(kāi)放基金項(xiàng)目（XHD2020-003）

通信作者：袁守利（1966—），男，博士、副研究員，主要從事新能源汽車以及汽車檢測(cè)與排放控制技術(shù)等方面的研究。ysl0202@163.com

DOI：10.19912/j.0254-0096.tynxb.2021-1426 文章編號(hào)：0254-0096（2023）05-0067-07

摘 要：有效的質(zhì)子交換膜燃料電池（PEMFC）熱管理是提升其可靠性和耐久性的關(guān)鍵因素之一，該文通過(guò)控制PWM占空比來(lái)控制散熱強(qiáng)度進(jìn)而控制電池溫度。在控制策略上，選用經(jīng)改進(jìn)的粒子群算法優(yōu)化的模糊PID作為控制器，最后經(jīng)Matlab/Simulink搭建的電堆溫度模型仿真表明：該方法能有效解決PEMFC溫度控制時(shí)變量多、強(qiáng)耦合的難題，使相對(duì)于傳統(tǒng)的PID控制超調(diào)量下降57%，響應(yīng)時(shí)間縮短27.8%，取得了響應(yīng)速度快、超調(diào)小和魯棒性強(qiáng)的控制效果。

關(guān)鍵詞：粒子群算法 ；熱管理；模糊控制；PID控制；質(zhì)子交換膜燃料電池

中圖分類號(hào)：TM911.42 文獻(xiàn)標(biāo)志碼： A

0 引 言

空冷型質(zhì)子交換膜燃料電池（proton exchange membrane fuel cell，PEMFC）陰極采用開(kāi)放式結(jié)構(gòu)，在對(duì)其進(jìn)行熱管理的過(guò)程中無(wú)冷卻水的復(fù)雜管理過(guò)程，具有結(jié)構(gòu)簡(jiǎn)單、易于控制的優(yōu)點(diǎn)，在中小功率需求的應(yīng)用場(chǎng)合中有很大前景。由于溫度直接影響PEMFC運(yùn)行［1］，故本文以溫度作為控制對(duì)象，以便充分發(fā)揮PEMFC性能。

溫度對(duì)PEMFC的影響主要體現(xiàn)在：溫度升高可提高催化劑的活性，有利于氫氣、空氣的傳播，加快電化學(xué)反應(yīng)的速率，溫度升高還有利于緩解催化劑中毒問(wèn)題，提升電堆的放電性能。根據(jù)衛(wèi)超強(qiáng)等［1］的研究，在一定范圍內(nèi)隨溫度的升高電池性能顯著改善，在從環(huán)境溫度到323 K之間，存在能使PEMFC性能最優(yōu)的工作溫度。但溫度過(guò)高也不利，根據(jù)高建華等［2］研究發(fā)現(xiàn)，溫度過(guò)高會(huì)使得PEMFC脫水，損壞質(zhì)子交換膜。相反溫度過(guò)低，將使電堆電化學(xué)反應(yīng)速度變慢，也不利于PEMFC性能發(fā)揮。

目前已有研究中，彭赟等［3］用PID控制風(fēng)扇電壓（pulse width modulation，PWM）調(diào)制脈寬的方法對(duì)電堆溫度進(jìn)行控制，但該方法PID參數(shù)難以控制，一組參數(shù)也不能滿足全部工況；褚磊民等［4］用實(shí)驗(yàn)數(shù)據(jù)建立了電堆溫度模型，然后對(duì)該模型進(jìn)行模糊PID融合控制，此方案雖適應(yīng)性較強(qiáng)，但抗干擾能力較差；謝雨岑等［5］采用一種利用神經(jīng)網(wǎng)絡(luò)對(duì)PID進(jìn)行優(yōu)化的控制方案，該方案需要大量數(shù)據(jù)訓(xùn)練模型，過(guò)程相對(duì)復(fù)雜，響應(yīng)速度也較慢；陳雪嬌等［6］采用一種廣義預(yù)測(cè)控制（generalized predictive control，GPC）的電堆溫度控制方案，該方案計(jì)算量較少，同時(shí)響應(yīng)較快，但模型過(guò)于簡(jiǎn)化，未考慮溫度對(duì)比熱的影響，將導(dǎo)致電堆溫度偏低。

為了解決上述不足，本文基于PEMFC能量守恒定律建立熱管理模型，并在此基礎(chǔ)上設(shè)計(jì)了一款改進(jìn)粒子群算法（particle swarm optimization，PSO）優(yōu)化模糊PID的控制方案，最后通過(guò)對(duì)比仿真證明，該方案具有響應(yīng)快、超調(diào)小、抗干擾能力強(qiáng)的優(yōu)點(diǎn)，滿足PEMFC溫度控制要求。

1 熱管理系統(tǒng)描述

1.1 熱管理構(gòu)成

PEMFC熱管理系統(tǒng)由電堆、散熱風(fēng)扇、傳感器、控制器等組成，如圖1所示。

該熱管理系統(tǒng)的工作原理為：散熱控制器通過(guò)溫度傳感器得到環(huán)境溫度值，同時(shí)通過(guò)電流表測(cè)得PEMFC工作電流，以此確定其運(yùn)行工況。將實(shí)驗(yàn)得到的各工況下PEMFC的最優(yōu)工作溫度與溫度傳感器獲得的PEMFC實(shí)際工作溫度值相比較后，通過(guò)DSP的PWM外設(shè)調(diào)節(jié)散熱風(fēng)扇轉(zhuǎn)速，來(lái)控制其冷卻速率，使電堆始終能運(yùn)行在最佳溫度。

1.2 最佳工作溫度確定

電堆的輸出性能主要體現(xiàn)在輸出電壓與輸出功率上，通過(guò)仿真可得到不同溫度下的極化曲線與功率曲線，如圖2所示，可看出輸出功率和電壓隨溫度升高而升高。但研究發(fā)現(xiàn)［2］，溫度過(guò)高會(huì)損壞PEMFC，所以需先得到各種工況下的最佳工作溫度。

通過(guò)分析機(jī)理模型發(fā)現(xiàn)影響燃料電池最佳工作溫度的因素主要有電堆負(fù)載、環(huán)境溫度等。在理想冷卻效果、電堆濕度適中和足夠氫氣供給的情況下，最佳工作溫度由負(fù)載和環(huán)境溫度兩個(gè)參數(shù)共同決定。因要得到不同環(huán)境溫度及不同負(fù)載下的最佳溫度，故設(shè)置環(huán)境溫度與負(fù)載為自變量，最佳工作溫度為因變量進(jìn)行實(shí)驗(yàn)。

實(shí)驗(yàn)測(cè)試平臺(tái)包括PEMFC系統(tǒng)、測(cè)量控制系統(tǒng)、負(fù)載控制系統(tǒng)、電子輔助系統(tǒng)、數(shù)據(jù)采集系統(tǒng)，如圖3所示。

PEMFC電堆由22片單電池組成，有效截面積為21 cm2，氫氣壓力為45 kPa；風(fēng)扇為12 V調(diào)速風(fēng)扇。

針對(duì)需求做以下兩組實(shí)驗(yàn)：

實(shí)驗(yàn)一：在選定環(huán)境溫度不變的條件下，使表征負(fù)載的單電池電流由0 A逐漸增大到7 A，通過(guò)控制進(jìn)風(fēng)量來(lái)調(diào)節(jié)電堆溫度，觀察功率輸出情況，并記錄最大功率時(shí)的溫度。

實(shí)驗(yàn)二：在選定電流不變的條件下，改變環(huán)境溫度，使環(huán)境溫度從5 ℃逐漸上升至35 ℃；調(diào)節(jié)進(jìn)風(fēng)量，并記錄功率輸出最大時(shí)的溫度。

利用Origin軟件對(duì)最佳工作溫度進(jìn)行多項(xiàng)式擬合，將環(huán)境溫度Tsur作為x軸、負(fù)載電流I作為y軸、最佳工作溫度Ts作為z軸，得到MAP圖，如圖4所示。

運(yùn)用Matlab對(duì)數(shù)據(jù)進(jìn)行擬合，得到的擬合公式為：

[Ts=1.416+1.01Tsur-2.6×10（-4）T2sur-0.289TsurI+13.65I-" " " " "1.001I2+0.019I2Tsur+3×10（-4）T2surI+9×10（-4）I3]

（1）

式中：Ts——最佳工作溫度，K；Tsur——環(huán)境溫度，K；I——負(fù)載電流，A。

2 熱管理系統(tǒng)模型

為簡(jiǎn)化模型，本文假設(shè)電堆溫度始終高于環(huán)境溫度，因此電堆能夠向外輻射熱量，進(jìn)入電堆的初始?xì)怏w溫度不會(huì)因風(fēng)扇和空壓機(jī)壓縮而變化，即初始反應(yīng)氣體溫度等于環(huán)境溫度，由能量守恒得到：

[ Qstore+Qran+Qout=Qall] （2）

式中：[Qstore]——電堆保留的熱量，W；[Qran]——熱輻射方式消耗的熱量，W；[Qout]——熱對(duì)流方式消耗的熱量，W；[Qall]——化學(xué)反應(yīng)釋放的總熱量，W。

2.1 產(chǎn)熱模型

PEMFC電堆產(chǎn)熱主要由化學(xué)反應(yīng)熵變、電池內(nèi)阻、極化內(nèi)阻三部分產(chǎn)生的熱量組成［7］，即：

[Qall=TsΔS4F+Vd+IRmemIN] （3）

式中：[Ts]——電堆溫度，K；[ΔS]——陰極反應(yīng)的熵變，取-326.36 J/（mol·K）；[F]——法拉第常數(shù)；[Vd]——極化電壓，V；[Rmem]——電池內(nèi)阻；[N]——電池?cái)?shù)量，這里取22。

極化電壓為：

[Vd=-0.9514+0.00312Ts-1.87×10-4Tsln（I）+" " " " "7.4×10-5Tsln（CO2）] （4）

由Henry定律可得陰極的氧氣溶解濃度[CO2]［7］為：

[CO2=PO25.08×106e-498Ts] （5）

其中陽(yáng)極相對(duì)濕度與質(zhì)子交換膜含水量的關(guān)系［7］為：

[λm=8.012ψR(shí)Ha-2.02J-2.09] （6）

式中：[ψR(shí)Ha]——電堆濕度，取0.45。

PEMFC電導(dǎo)率與質(zhì)子交換膜含水量的關(guān)系［7］為：

[δ=（0.514λ-3.326）e1268×1303-1Ts] （7）

可通過(guò)電導(dǎo)率得到電阻［8］，即：

[Rmem=tmemδ] （8）

2.2 散熱模型

由于始終存在溫差電堆向外散熱，熱輻射模型為：

[Qrad=Ts-TsurRrad=Ts-Tsur1ΦσAs（Ts+Tsur）（T2s-T2sur）=ΦσAs（T4s-T4sur）] （9）

式中：[σ]——斯蒂芬玻爾茲曼常數(shù)，[σ]=5.67×10-12 W/（cm2·K）；As——電堆表面積，As=21 cm2；[Φ]——表面黑度系數(shù)，[Φ]=0.8；Tsur——環(huán)境溫度，℃。

風(fēng)扇的作用是實(shí)現(xiàn)空氣強(qiáng)制對(duì)流，在該模型中忽略溫度對(duì)濕度的影響，認(rèn)為空氣是干燥的。

熱對(duì)流模型公式為：

[Qout=NuλDA（Ts-Tsur）=hA（Ts-Tsur）] （10）

式中：Nu——努塞爾數(shù)；[λ]——導(dǎo)熱系數(shù)；D——特征長(zhǎng)度， cm；A——熱交換面積，cm2；h——對(duì)流換熱系數(shù)， W/（cm2·K）［9］。以上參數(shù)通過(guò)查表獲取。

最后電堆剩余熱量［7］為：

[Qstore=CmdTsdt] （11）

式中：C——電堆比熱容，C=35 kJ/（kg·K）；m——電堆質(zhì)量，m=750 g。

3 控制器設(shè)計(jì)

設(shè)計(jì)控制器之前，首先分析不同占空比對(duì)電堆溫度的影響，此時(shí)實(shí)驗(yàn)條件為：環(huán)境溫度24 ℃，濕度0.45，電流設(shè)定為3 A，占空比分別為0.8、0.5、0.2、0.6，對(duì)應(yīng)的變化時(shí)間分別為0、400、800、1200 s，溫度與占空比的關(guān)系如圖5所示。由圖5可知，風(fēng)速變化會(huì)對(duì)電堆溫度產(chǎn)生較大影響，占空比與電堆溫度呈負(fù)相關(guān)。

3.1 PID控制描述

PID控制連續(xù)信號(hào)模型算法為：

[u（t）=KPe（t）+Ki0te（τ）dτ+Kdde（t）dt] （12）

式中：Kp——比例系數(shù)，適當(dāng)增大Kp可加強(qiáng)控制作用，提高響應(yīng)速度，減小靜差，但Kp過(guò)大會(huì)使系統(tǒng)的穩(wěn)定性變差；Ki——積分系數(shù)，能減小系統(tǒng)余差，Ki過(guò)大會(huì)降低系統(tǒng)響應(yīng)速度、增加超調(diào)和降低穩(wěn)定性；Kd——微分系數(shù)，能克服振蕩，使系統(tǒng)能更快趨于穩(wěn)定。

PEMFC的溫度在整個(gè)工作過(guò)程中存在時(shí)變性、大滯后、不確定性和強(qiáng)耦合性，這使得PID參數(shù)很難控制，為解決此問(wèn)題本文采取優(yōu)化算法來(lái)自動(dòng)調(diào)節(jié)控制系統(tǒng)的參數(shù)。

3.2 粒子群優(yōu)化（PSO）算法的描述與改進(jìn)

PSO算法是一種對(duì)鳥群覓食行為總結(jié)的算法［10］，在PSO算法中，每個(gè)優(yōu)化問(wèn)題的解被看作“粒子”。算法首先生成初始解；然后對(duì)由m個(gè)粒子組成的種群[Z={Z1，Z2，???，Zm}]在可行解空間中進(jìn)行隨機(jī)初始化，其對(duì)應(yīng)粒子所處位置[Zi={zi1，zi2，???，zin}]都可理解為問(wèn)題的解，可根據(jù)目標(biāo)函數(shù)計(jì)算搜索新解。在每一次迭代中，都將會(huì)通過(guò)單個(gè)粒子本身得到個(gè)體最優(yōu)解[pid]與群體搜索得到的群體最優(yōu)解[pgd]，通過(guò)這兩個(gè)最優(yōu)解對(duì)粒子進(jìn)行迭代更新。此外，每個(gè)粒子都具有速度，其速度可表示為[Vi={vi1，vi2，???，vin}]，粒子根據(jù)上述的個(gè)體與群體的最優(yōu)解來(lái)迭代更新自己的速度。速度與位置的更新公式為：

[vid=ωvid（t）+c1r1pid-zid（t）+c2r2pgd-zid（t）] （13）

[zid（t+1）=zid（t）+vidt+1] （14）

式中：[ω]——慣性權(quán)重；[pid]——個(gè)體極值；[pgd]——全局極值；[c1]、[c2]——學(xué)習(xí)因子；[vid]——粒子的速度；[zid]——粒子的位置；[r1]、[r2]——在0～1之間的隨機(jī)數(shù)。

粒子群優(yōu)化流程如圖6所示。

標(biāo)準(zhǔn)PSO的思想為：迭代過(guò)程中記錄粒子個(gè)體的歷史最優(yōu)解并比較各粒子的歷史最優(yōu)解得出全局最優(yōu)解，在該算法中單個(gè)粒子的迭代主要受到群體影響，失去了自身對(duì)解空間的判斷，這將導(dǎo)致該控制系統(tǒng)在局部就收斂，陷入局部最優(yōu)的境地。

為更好的考慮單個(gè)粒子對(duì)解空間的影響，引入天牛須算法（beetle antennae search algorithm，BAS）來(lái)優(yōu)化PSO。BAS算法的思想為根據(jù)天牛的位置，計(jì)算各天牛左側(cè)位置[xleft]的適應(yīng)度值[fleft]和右側(cè)位置[xright]的適應(yīng)度值[fright]并比較，得到此時(shí)的運(yùn)動(dòng)方向。其適應(yīng)度函數(shù)更新公式為：

[xtright=xt-1-d0d2xtleft=xt-1+d0d2vbi=-δtbsign（f（xright）-f（xleft））] （15）

式中：[δt]——第t次迭代的步長(zhǎng)，[δt]=0.95[δt-1]；[sign（" ）]——符號(hào)函數(shù)；[d]——朝向，[d=rand（k，1）rand（k，1），]其中[k]為空間維度，[rands（ ）]為隨機(jī)函數(shù)；[d0]——兩須之間的距離。

BAS算法通過(guò)左右觸須來(lái)對(duì)個(gè)體尋優(yōu)，尋優(yōu)過(guò)程中僅考慮天牛在每一步迭代過(guò)程中觸須對(duì)于環(huán)境空間的判斷，而未建立天牛個(gè)體與群體之間的聯(lián)系。這一特性剛好和PSO實(shí)現(xiàn)互補(bǔ)，將兩者結(jié)合就能充分考慮群體和個(gè)體對(duì)最優(yōu)解的影響，達(dá)到最佳的控制效果［11］。

改進(jìn)后的BAS-PSO算法的思想為：PSO中的粒子都被描述為天牛，并進(jìn)行尋優(yōu)搜索，首先對(duì)天牛的初始化過(guò)程等同于對(duì)粒子的初始化過(guò)程，其區(qū)別在于在迭代更新過(guò)程中粒子（天牛）位置不再單取決于其全局最優(yōu)與歷史最優(yōu)，而是在此基礎(chǔ)上添加了天牛左右觸須搜索的思想，即粒子（天牛）在每一次更新迭代時(shí)還將考慮自身對(duì)解空間的判斷［12］。該方法能有效解決PSO算法容易陷于局部最優(yōu)的問(wèn)題。

此時(shí)，BAS-PSO流程如圖7所示。

最終用天牛須優(yōu)化后的粒子群算法公式為：

[vid=ωvid（t）+c1r1（pid-zid（t））+c2r2（pgd-zid（t））+c3r3bi] （16）

[zid（t+1）=zid（t）+vid（t+1）] （17）

其中慣性權(quán)重[ω]的調(diào)節(jié)關(guān)系到能否快速得到理想結(jié)果，[ω]越大代表慣性越強(qiáng)，[ω]越小代表更新越快。為了更快的找到全局最優(yōu)解，在算法開(kāi)始時(shí)，可給[ω]賦予較大值，在搜索后期賦予[ω]較小值。故選擇采用先行遞減權(quán)重法來(lái)調(diào)節(jié)慣性權(quán)重。

此時(shí)，慣性權(quán)重更新規(guī)則為：

[ω=ωmaxt（ωmax-ωmin）tmax] （18）

式中：[ωmax]、[ωmin]——[ω]的最大值和最小值；t——當(dāng)前的迭代次數(shù)；[tmax]——最大迭代步數(shù)。

本文中適應(yīng)度函數(shù)采取ITAE函數(shù)，即時(shí)間與電堆溫度偏差絕對(duì)值乘積積分作為適應(yīng)度，其值越小越好。ITAE的計(jì)算公式為：

[JITAE=0tste（t）dt] （19）

式中：[ts]——試驗(yàn)時(shí)間，s；[e（t）]——t時(shí)刻設(shè)定值與當(dāng)前值之間的誤差。

搭建控制系統(tǒng)Simulink模型如圖8所示。

3.3 控制器改進(jìn)

PID控制器具有構(gòu)成簡(jiǎn)單、工作可靠以及調(diào)整方便等優(yōu)點(diǎn)，雖然本文中選用改進(jìn)PSO算法進(jìn)行自動(dòng)尋優(yōu)，但在被控對(duì)象具有時(shí)變性和非線性的情況下，一組整定好的參數(shù)顯然不能滿足復(fù)雜工況的要求［13］。模糊控制因無(wú)需精確的數(shù)學(xué)模型，同時(shí)擁有較好的動(dòng)態(tài)性能以及抗干擾性得到廣泛應(yīng)用，但模糊控制中系統(tǒng)的穩(wěn)定性受到量化等級(jí)的限制，這導(dǎo)致其穩(wěn)定性較差。 故此將模糊控制和PID控制結(jié)合，構(gòu)成模糊PID（簡(jiǎn)稱FPID）控制器，以充分發(fā)揮兩種控制的優(yōu)勢(shì)［14］。該控制器如圖9所示，PEMFC熱管理系統(tǒng)將溫度傳感器得到的電堆溫度與此工況下最佳工作電堆溫度比較，得到系統(tǒng)的溫度誤差e及誤差變化率ec，輸出[ΔP]、[ΔI]和[ΔD]為FPID的調(diào)節(jié)參數(shù)，最后經(jīng)整定得到散熱器轉(zhuǎn)速調(diào)節(jié)的PWM占空比，實(shí)現(xiàn)對(duì)電堆溫度的控制。

將溫度誤差e和溫度誤差變化率ec定義為模糊集上的論域：E、Ec={-3，-2，-1， 0， 1， 2， 3}；其模糊集為：E、Ec={NB， NM， NS， Z， PS， PM， PB）。其中元素的含義為：NB（負(fù)大）、NM（負(fù)中）、NS（負(fù)小）、Z（零）、PS（正小）、PM（正中）和PB（正大）［15］。

將輸出變量[ΔP]、[ΔI]、[ΔD]定義為模糊集上的論域：[ΔP]、[ΔI]、[ΔD]={-6，-5，-4，-3， -2，-1， 0， 1， 2， 3， 4， 5， 6}，其模糊集為：[ΔP]、[ΔI]、[ΔD]={NB， NM， NS， Z， PS， PM， PB}。

選擇簡(jiǎn)單的三角函數(shù)作為這5個(gè)FPID參數(shù)的隸屬度函數(shù)。其中，模糊規(guī)則如表1所示。

由模糊控制規(guī)則完成模糊推理后進(jìn)行解模糊。本文采用計(jì)算方便且具有較高精度的重心法進(jìn)行解模糊化，得到模糊控制器的精確控制量。

最后得到傳統(tǒng)PID參數(shù)為：

[P=P0+ΔP] （20）

[I=I0+ΔI] （21）

[D=D0+ΔD] （22）

4 仿真實(shí)驗(yàn)比較

為驗(yàn)證上述FPID控制器的效果，本文利用Matlab/Simulink搭建PEMFC熱管理模型。在本文中做兩組仿真實(shí)驗(yàn)：第一組用于驗(yàn)證在穩(wěn)定工況下的性能，第二組用于驗(yàn)證在電流擾動(dòng)下的性能，并用未加控制的PID控制器（占空比D為0.5）和粒子群優(yōu)化的PID控制器與該控制器作對(duì)照，以證明其優(yōu)越性。

設(shè)定環(huán)境溫度為297 K，負(fù)載電流為5 A時(shí)，電堆濕度為0.45，由式（1）可知此時(shí)的最佳工作溫度為45.2 ℃，換算后約為318.2 K 。

在PSO-PID控制器中，設(shè)置PID參數(shù)初始值[KP]=10，[Ki]=3，[Kd]=0.05，粒子群規(guī)模[m]=20，維數(shù)[D]=3，加速常數(shù)[c1]=[c2]=[c3]=1.4，[ωmax]=0.9，[ωmin]=0.5，最大迭代次數(shù)[M]=100，速度范圍為（-1， 1）；權(quán)重因子的最大值為［4， 4， 4］，[δt]為1，[d0]為2/3。

在PSO-FPID中設(shè)置維度[D]=5；對(duì)應(yīng)權(quán)重因子的最大值為［6， 6， 10， 10， 10］，其他參數(shù)與PSO-PID相同。

各方案控制下的溫度響應(yīng)曲線如圖10所示。設(shè)定環(huán)境溫度為297 K，以電流作為擾動(dòng)量，擾動(dòng)電流的變化如圖11所示，在負(fù)載擾動(dòng)下溫度的變化情況如圖12所示。

由圖12可知，通過(guò)BAS改進(jìn)PSO優(yōu)化模糊PID控制器的控制效果最佳，該控制方法在系統(tǒng)超調(diào)、響應(yīng)速度、穩(wěn)態(tài)誤差方面均取得了較好的優(yōu)化效果，同時(shí)系統(tǒng)的抗干擾性、魯棒性均優(yōu)于PID與PSO-PID控制器，能夠達(dá)到控制預(yù)期。

5 結(jié) 論

本文針對(duì)中小型燃料電池的特性，通過(guò)Simulink搭建了PEMFC熱管理模型，在此基礎(chǔ)上通過(guò)仿真驗(yàn)證了輸出功率曲線和極化曲線與電堆溫度的關(guān)系，并得到散熱風(fēng)扇占空比與電堆溫度呈負(fù)相關(guān)的結(jié)論。結(jié)合電堆的技術(shù)手冊(cè)與實(shí)驗(yàn)參數(shù)，搭建了試驗(yàn)臺(tái)架，通過(guò)開(kāi)展臺(tái)架實(shí)驗(yàn)，得到環(huán)境溫度、電堆負(fù)載與電堆最佳工作溫度的MAP圖，并擬合出電堆最佳工作溫度的計(jì)算公式。最終，該P(yáng)EMFC熱管理系統(tǒng)利用BAS改進(jìn)的PSO算法對(duì)FPID控制器參數(shù)進(jìn)行自動(dòng)尋優(yōu)，使FPID在最優(yōu)參數(shù)下調(diào)節(jié)PEMFC的溫度。利用Matlab對(duì)該控制系統(tǒng)進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明PSO-FPID控制系統(tǒng)不僅能提升響應(yīng)速度、減少超調(diào)、縮短達(dá)到穩(wěn)態(tài)的時(shí)間，同時(shí)滿足系統(tǒng)穩(wěn)態(tài)和動(dòng)態(tài)的性能要求。該方法能有效降低PEMFC熱管理的難度，為PEMFC熱管理系統(tǒng)提供了一種行之有效的方案。

［參考文獻(xiàn)］

［1］ 衛(wèi)超強(qiáng)， 武志斐. 不同參數(shù)對(duì)質(zhì)子交換膜燃料電池輸出特性的影響［J］. 現(xiàn)代制造工程， 2021（4）： 62-67.

WEI C Q， WU Z F， et al. Effects of different parameters on the output characteristics of proton exchange membrane fuel" cell［J］. Modern" manufacturing" engineering，" 2021（4）： 62-67．

［2］ 高建華， 劉永峰， 裴普成， 等. 溫度波動(dòng)對(duì)質(zhì)子交換膜燃料電池的影響［J］. 可再生能源， 2017， 35（8）： 1150-1155.

GAO J H， LIU Y F， PEI F C， et al. An analysis of the temperature fluctuation effect on proton exchange membrane" fuel" cell［J］." Renewable" energy" resources， 2017， 35（8）： 1150-1155．

［3］ 彭赟， 歐陽(yáng)家俊， 闕海丹， 等. 考慮環(huán)境溫濕度的空冷PEMFC最佳工作溫度研究與控制［J］. 太陽(yáng)能學(xué)報(bào)， 2016， 37（6）： 1423-1430.

PENG Y， OUYANG J J， QUE H D， et al. Study and control" of" optimal" operating" temperature" in" air-cooled PEMFC based on certain ambient temperature and humidity［J］. Acta energiae solaris sinica， 2016， 37（6）： 1423-1430

［4］ 褚磊民， 衛(wèi)東， 陸勇軍， 等. 空冷型質(zhì)子交換膜燃料電池電堆溫度控制系統(tǒng)設(shè)計(jì)［J］. 工業(yè)控制計(jì)算機(jī)， 2009， 22（10）： 18-20．

CHU L M， WEI D， LU Y J， et al. Design for temperature control system of air-cooling PEMFC stack［J］. Industrial control computer， 2009， 22（10）： 18-20．

［5］ 謝雨岑， 鄒見(jiàn)效， 彭超， 等. 基于變論域模糊增量理論的質(zhì)子交換膜燃料電池溫度控制［J］. 控制理論與應(yīng)用， 2019， 36（3）： 428-435.

XIE Y C， ZOU J X， PENG C， et al. Temperature control of PEMFC system based on variable universe fuzzy incremental" theory［J］. Control theory and applications， 2019， 36（3）： 428-435.

［6］ 陳雪嬌， 戚志東， 李蕾， 等. 空冷型PEMFC電堆溫度建模及改進(jìn)GPC控制［J］. 電源技術(shù)， 2012， 36（10）： 1463-1466， 1495.

CHEN X J， QI Z D， LI L， et al. Temperature modeling of air-breathing PEMFC stack and improved GPC control［J］. Chinese journal of power sources， 2012， 36（10）： 1463-1466， 1495.

［7］ 許志梅. 質(zhì)子交換膜燃料電池的溫度控制與設(shè)計(jì)［D］. 南京： 南京理工大學(xué)， 2010.

XU Z M. Temperature control and design of proton exchange" membrane" fuel" cell［D］." Nanjing：" Nanjing University of Science and Technology， 2010.

［8］ CHENG" S" L，" FANG" C，" XU" L" F，" et" al." Model-based temperature regulation of a PEM fuel cell system on a city bus［J］. International journal of hydrogen energy， 2015， 40（39）： 13566-13575.

［9］ POHJORANTA A， HALINEN M， PENNANEN J， et al. Model predictive control of the solid oxide fuel cell stack temperature with models based on experimental data［J］. Journal of power sources， 2015， 277： 239-250.

［10］ 柯超， 甘屹， 王勝佳， 等. 基于溫度效應(yīng)的空冷型質(zhì)子交換膜燃料電池動(dòng)態(tài)建模［J］. 太陽(yáng)能學(xué)報(bào)， 2021， 42（8）： 488-495．

KE C， GAN Y， WANG S J， et al. Dynamic modeling of air-cooled proton exchange membrane fuel cell based on temperature effect［J］. Acta energiae solaris sinica， 2021， 42（8）： 488-495．

［11］ ZHAO X Q， LI Y K， LIU Z X， et al. Thermal management system" "modeling" "of" "a" "water-cooled" "proton" "exchange membrane fuel cell［J］. International journal of hydrogen energy， 2015， 40（7）： 3048-3056．

［12］ 仝家朋. 基于改進(jìn)天牛須算法的主汽溫控制系統(tǒng)PID參數(shù)優(yōu)化［J］. 儀器儀表用戶， 2021， 28（3）： 93-96， 9.

TONG J P. Optimization of PID parameters for main steam temperature in power plant based on improved beetle antennae" " " search［J］." " " Electronic" " " instrumentation customers， 2021， 28（3）： 93-96， 9.

［13］ 李雪吉， 程海鷹. 胡志勇， 等. 粒子群優(yōu)化模糊PID在燃燒器溫度控制中的應(yīng)用［J］. 機(jī)械科學(xué)與技術(shù)， 2021， 40（2）： 276-282.

LI X J， CHENG H Y， HU Z Y， et al. Application of particle swarm optimization fuzzy PID in burner temperature" " control［J］." " Mechanical" " "science" " "and technology for aerospace engineering， 2021， 40（2）： 276-282.

［14］ 楊世勇， 徐國(guó)林. 模糊控制與PID控制的對(duì)比及其復(fù)合控制［J］. 自動(dòng)化技術(shù)與應(yīng)用， 2011， 30（11）： 21-25.

YANG S Y， XU G L. Comparison and composite of fuzzy control and PID control［J］. Techniques of automation and applications， 2021， 30（11）： 21-25.

TEMPERATURE CONTROL OF PEMFC BASED ON BAS IMPROVED

PSO ALGORITHM

Chen Ji1，2， Yuan Shouli1，2， Liu Zhien1，2

（1. Hubei Key Laboratory of Advanced TechnoIogy for Automotive Components， Wuhan University of Technology， Wuhan 430070， China；

2. Advanced Energy Science and Technology Guangdong Laboratory Foshan Branch （Foshan Xianhu Laboratory）， Foshan 528200， China）

Abstract：Effective proton exchange membrane fuel cell（PEMFC）thermal management is one of the key factors that improve the reliability and durability of fuel cell batteries. This article controls the temperature of the electric stack by controlling the duty cycle of the fan. In the control method， the method for improving the PSO optimization fuzzy PID control; the temperature model that is finally built by Matlab / Simulink is simulated： the method can effectively solve the time-variables， large lag and uncertainty of PEMFC temperature control. A strong coupling problem makes a decrease of 57% relative to traditional PID control overdrawl， and the response time is shortened to 27.8%， and the response speed is fast， robust， and less than a small control effect.

Keywords：particle swarm optimization； thermal management； fuzzy control； PID control； PEMFC