(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210663666.X (22)申请日 2022.06.13 (71)申请人 广东省武 理工氢能产业 技术研究院 地址 528216 广东省佛山市南海区丹灶镇 南海国家生态工业示范园区金福路1 号广顺新能源科技大厦1801-1807室 (72)发明人 宋杰睿　张锐明　陈彦龙　黄亮　 (74)专利代理 机构 佛山东平知识产权事务所 (普通合伙) 44307 专利代理师 龙孟华 (51)Int.Cl. G06F 30/20(2020.01) H01M 8/04858(2016.01) H01M 8/04992(2016.01) G06F 119/02(2020.01) (54)发明名称 一种燃料电池系统多目标智能控制方法 (57)摘要 本发明涉及燃料电池系统的输出性能控制 技术领域， 公开一种燃料电池系统多目标智能控 制方法， 具体按照以下步骤实施： 步骤1、 设定燃 料电池的工 况参数； 步骤2、 设定燃料电池的优化 目标量和决策变量； 步骤3、 设定操作变量的变化 范围； 步骤4、 设定燃料电池的额定负载功率； 步 骤5、 设定燃料电池优化目标量的优先级； 步骤6、 建立燃料电池多目标优化模型， 计算Pareto解 集； 步骤7、 根据解集结果建立数据库， 根据步骤 1、 2、 3、 4、 5设定的参数进行搜索， 输出输出性能 最优对应的决策变量数值。 本发 明提供的燃料电 池系统多目标智能控制方法， 能够在不改变燃料 电池尺寸和材料的前提下， 有效提升燃料电池的 输出性能。 权利要求书2页 说明书5页 附图3页 CN 114970192 A 2022.08.30 CN 114970192 A 1.一种燃料电池系统多目标智能控制方法， 其特 征在于， 按照以下步骤实施： 步骤1， 设定 燃料电池的工况参数； 步骤2， 设定 燃料电池的优化目标量和决策变量； 步骤3， 设定决策变量的变化范围； 步骤4， 设定 燃料电池的额定负载功率； 步骤5， 设定 燃料电池 优化目标量的优先级； 步骤6， 根据步骤1、 2、 3建立燃料电池多目标优化模型， 计算Pareto 解集； 步骤7， 根据Pareto解集结果建立数据库， 根据步骤1、 2、 3、 4、 5设定的参数在数据库中 进行搜索， 输出燃料电池输出性能最优对应的决策变量数值， 并以此决策变量数值控制 燃 料电池系统运行； 在步骤2中， 优化目标量全部在燃料电池的输出性能指标中选取， 选择燃料电池的效 率、 功率和燃料消耗率作为最优化的目标量； 决策变量包括电流密度、 燃料和氧化剂的进气 压力。 2.如权利要求1所述的一种燃料电池系统多目标智能控制方法， 其特征在于， 在步骤1 中， 工况参数包含以下三个部分： 1） 燃料电池工作的环境参数， 包括燃料电池工作的气压、 温度； 2） 燃料电池电堆的物理参数， 包括电堆尺 寸、 电堆有效面积、 电堆单电池 数目； 3） 燃料 电池电化学参数， 包括： 根据使用的燃料确定反应参与电子数、 根据使用的阴极和阳极材料 确定电荷传递系数、 根据电解质和 导电元件确定欧姆损耗的内阻、 根据电解质传导率和电 堆气体扩散层的空隙确定浓度极化的经验参数、 根据反应物组分确定扩散系数。 3.如权利要求1所述的一种燃料电池系统多目标智能控制方法， 其特征在于， 在步骤2 中， 电流密度通过调节电流的大小来控制， 燃料和氧化剂的进气压力通过调节循环系统的 风机转速来控制。 4.如权利要求1所述的一种燃料电池系统多目标智能控制方法， 其特征在于， 在步骤3 中， 电流密度的上限是根据燃料电池电化学理论计算浓度损耗求得的； 具体的极限电流密 度iL计算公式如下： （1） 式 （1） 中， n是步骤1中预先设定的参与反应电子数， 与燃料的有关， F是法拉第常数， F= 96485C/mol， D 是步骤1中设定的反应物组分的扩散系数， 单位为 是反应物浓度， 单 位是mol·cm‑3； 反应物浓度的计算公式如下： （2） 式 （2） 中， PB是反应物的进气压力， T是燃料电池的工作温度； δ 是步骤1中设定的扩散距离 。 5.如权利要求1所述的一种燃料电池系统多目标智能控制方法， 其特征在于， 在步骤3 中， 在步骤3中， 燃料和氧化剂的进气压力范围为1 ‑5atm。 6.如权利要求1所述的一种燃料电池系统多目标智能控制方法， 其特征在于， 在步骤4 中， 燃料电池的额定负载功率小于 燃料电池的最大功率。 7.如权利要求1所述的一种燃料电池系统多目标智能控制方法， 其特征在于， 在步骤5权　利　要　求　书 1/2 页 2 CN 114970192 A 2中， 以实现效率 最高为第一优先或者燃料消耗 量最低为第一优先。 8.如权利要求1所述的一种燃料电池系统多目标智能控制方法， 其特征在于， 在步骤6 中， 建立的多目标优化模型如下： Min （Wfuel） s.t. （3） 其中， η为燃料电池 效率， P为燃料电池功率， Wfuel为燃料消耗率， Icell为电流密度， Pfuel1 为燃料进气压力， Pox为氧化剂进气压力。 9.如权利要求8所述的一种燃料电池系统多目标智能控制方法， 其特征在于， 对多目标 优化模型进行计算使用的是NSGA ‑II算法。权　利　要　求　书 2/2 页 3 CN 114970192 A 3