基于粒子群优化的燃料电池氢气路PID控制方法

彭再武，胡振球，毛懿坪，刘文哲，石高峰

(长沙中车智驭新能源科技有限公司，长沙 410000)

燃料电池氢系统的控制要求高，国内外已提出了多种控制方法[1-5]。其中传统的PID(比例-积分-微分)控制存在参数整定困难的问题，而将优化方法引入PID控制可有效降低参数整定难度，提升控制性能[6-10]。

另外，氢系统气路的压力响应与燃料电池在工作中所承受的机械应力正相关，因此，优化燃料电池氢气路的PID控制参数，还可以提高氢气压力的动态响应性能，从而降低燃料电池运行过程中的机械应力，提升燃料电池寿命。

1 传统的PID控制系统分析

燃料电池氢气路传统的PID控制原理如图1所示[1]。

图1 燃料电池氢气路传统的PID控制原理

图中，s为拉普拉斯算子；Kv1为氢气调节阀门增益；Tv1为氢气调节阀门时间常数；Uc为氢气调节阀门开度控制信号；Y为氢气系统的实际压力；Yr为氢气系统的给定压力；i为电堆电流。

Ka=(RTst)/Van，Kb=(mH2n)/(2F)

(1)

(2)

式中：R为氢气气体常数，取值4 124 J/(kg·K)；Tst为电堆温度，取值353.16 K；Van为阳极与扩散层体积，取值0.001 m；mH2为氢气摩尔质量；n为电堆单电池数目；F为法拉第常数，取值96 485.34 C/mol；Kv2为排氢阀增益，取值0.5×10-4；Tv2为排氢阀时间常数，取值0.2 s；Ka为压力温度比系数，取值14 564；Kb为电流扰动系数，取值6.27×10-7；Mout为排氢阀排出氢气量。

图1所示的系统模型中，Uc为控制变量，i和Mout为扰动变量；PID控制器通过Y与Yr的偏差计算出相应的Uc来控制实际氢气的精确供应，达到误差收敛的目的。

2 基于粒子群优化的PID控制方法

粒子群优化算法是一种智能优化算法，通过设置合理的适应值函数(优化目标)，来使控制参数变化，进而实现优化目标。

适应值函数计算公式见式(3)，其中t1为设定的可接受的收敛时间。

(3)

本文引入粒子群优化的PID控制方法流程如图2所示。

图2 粒子群优化PID控制方法流程图

采用图2所示方法，可以找到适应值函数最优的PID参数，降低PID参数的整定难度，并获得更好的控制效果。

3 仿真分析

为对比分析基于粒子群优化的PID参数与基于试凑法的传统PID参数压力控制效果。在MATLAB的SIMULINK中分别搭建两者的仿真模型，如图3所示。两种模型中都设置给定压力为0.1 MPa，排氢时间为0.1 s，频率为0.2 s，最大输出电流为500 A。

图3所示模型的仿真结果如图4所示。从图中可以看出，经过粒子群优化后的PID参数比试凑法PID参数，在目标压力跟踪性能上具有更低的超调和更短的调节时间；在抗扰性能上(图4中的下冲部分)，具有更小的下冲，说明优化后的PID参数对排氢阀动作过程中压力波动的抑制效果更明显。

图3 粒子群优化PID与试凑法PID模型

图4 优化前与优化后效果对比图

4 结束语

通过引入粒子群算法对燃料电池氢气路PID参数进行优化，得到优化后的PID参数。仿真结果表明，粒子群算法优化后的PID参数比传统的试凑法PID控制方法有更好的压力跟随性能和抗扰性能。