基于RBF神经网络的PEMFC变换器控制策略研究

李龙刚

摘 要： 为实现对PEMFC前级升压变换器非线性输出电压的稳定控制，改善系统输出性能，根据PEMFC输出特性将RBF神经网络与传统PID控制器结合，设计了一种基于RBF神经网络PID自适应控制的Boost变换器。MATLAB/Simulink软件仿真测试表明，当负载发生变化PEMFC电堆输出电压不稳定时，所设计的控制器能够将变换器输出电压快速平滑地过渡到300 V设定值。通过与传统PID控制器进行对比，自适应PID控制器能更好地抑制变换器输出电压的振荡幅度，取得了更好的控制效果。

关键词： 质子交换膜燃料电池; Boost变换器; RBF神经网络; 控制策略

中图分类号： TM911.4      文献标志码： A

Research on Control Strategy of PEMFC Converter

Based on RBF Neural Network

LI Longgang

（College of Electrical Engineering， Qingdao University， Qingdao 266071）

Abstract： In order to stabilize the nonlinear output voltage of PEMFC front-stage booster converter and improve the system output performance， according to PEMFC output characteristics，RBF neural network is combined with traditional PID controller to design a boost converter based on RBF neural network and PID adaptive control. MATLAB/Simulink software simulation test shows when the load changes and the output voltage of the stack is unstable， the PID adaptive controller can quickly and smoothly transfer the output voltage of the converter to the set value of 300V. Compared with the traditional PID controller， the adaptive PID controller can suppress the oscillation amplitude of the output voltage of the converter better and achieve better control effect.

Key words： Proton exchange membrane fuel cell; Boost converter; RBF neural network; Control strategy

0 引言

質子交换膜燃料电池（Proton exchange membrane fuel cell， PEMFC）作为新能源发电中一种典型的分布式电源，具有工作温度低、对环境污染小、能量转化率高等特点，同时适合于作为移动电源，是燃料电池电动汽车和无人机的理想能源之一，应用前景广阔[1]。但燃料电池由于受到多种因素影响，使其成为一个高度非线性、强耦合的复杂系统。当负载、氢氧浓度以及温度等影响因素发生变化时，电堆输出电压会产生波动，无法直接对负载供电，为了保证燃料电池供电系统稳定运行，因此合理地设计PEMFC前级DC/DC变换器就具有重要的意义。

目前，关于变换器控制策略方面的研究也已有许多文献。文献[2]提出了一种用于Buck变换器的自适应滞环滑模控制方法，使变换器能够在更大的工作范围内获得更好的调节性能。文献[3]提出了一种输出并联双有源全桥DC-DC变换器虚拟功率均衡控制方法，提高了变换器对于负载突变和输入电压突变时的响应速度。文献[4]设计了一种基于李导数的自适应任意阶滑模控制器，并通过仿真验证了其有效性，但该任意阶滑模控制器必须确定系统不确定函数的界，使系统最终完全收敛。以上文献只是单一地针对具体的开关变换器进行研究。考虑到PEMFC供电系统中变换器前级分布式电源具有随机性、间接性等特点，因此在研究变换器控制策略时应考虑PEMFC本身输出特性对系统控制的影响，将分布式电源和变换器结合起来进行研究。针对PEMFC电堆输出电压稳定性较差的特点，依据RBF神经网络原理，设计了基于RBF神经网络PID自适应控制的PEMFC-Boost变换器。通过仿真测试表明，在负载发生变化时所设计的变换器能够将变换器输出电压快速平滑地过渡到300 V设定值。通过对比，自适应PID控制器比传统PID控制器能更好地抑制变换器输出电压的振荡幅度，取得了更好的控制效果。

1 RBF神经网络结构

神经网络拥有逼近任意非线性函数的能力，在控制领域得到越来越多的关注。目前应用比较普遍的神经网络主要有BP神经网络和RBF神经网络[5]，BP神经网络对于每一个输入样本要调整网络全部权值，算法存在收敛速度缓慢，容易陷入局部极小等缺陷;而RBF网络的每个隐含层神经元传递函数都构成了拟合平面的基函数，是一种局部逼近网络，只有部分权值影响网络输出，提高了训练速度，可以有效避免陷入局部极小值，具有更强的生命力。RBF神经网络由输入层、隐含层和输出层组成，其中输入层与隐含层之间无权值连接，能够直接把输入向量传递到隐含层;隐含层作用是对从输入空间到隐空间进行非线性变换;对隐含层的输出结果进行线性加权求和便得到神经网络的输出。