[发明专利]一种氢燃料电池温度自学习冷却方法、装置和系统

说明书

本发明涉及一种氢燃料电池温度自学习冷却方法、装置和系统，包括获取氢燃料电池的样本数据集；设定第一输入变量、第一输出变量、第二输入变量和第二输出变量，采用支持向量机训练方法，构建第一支持向量机训练模型和第二支持向量机训练模型；利用样本数据集进行参数寻优，得到第一温度控制模型和第二温度控制模型；并根据第一温度控制模型和第二温度控制模型得到目标温度冷却控制模型；获取实时电堆输出电流，将实时电堆输出电流输入目标温度冷却控制模型，得到实时水泵转速比和实时风扇转速比；根据实时水泵转速比和实时风扇转速比对氢燃料电池进行温度冷却。本发明实现更加准确、高效和可靠的温度自学习冷却，对氢燃料电池的冷却效果好。

技术领域

本发明涉及氢燃料电池冷却技术领域，尤其涉及一种氢燃料电池温度自学习冷却方法、装置和系统。

背景技术

在全球日益增长的能源需求、愈演愈烈的环境危机、与日俱增的人口压力等背景下，新型的清洁能源利用方式越来越受人们重视。其中，氢燃料电池具有高效率、零污染、低噪音、启动快等优势，具有广阔的发展前景，是下一代车用动力的发展方向之一。

氢燃料电池在发电时会产生大量的热量，其对应的冷却系统能够将产生的热量带走，来平衡燃料电池内部的工作温度。冷却系统主要由散热器和水泵等组成，通过水泵转动提供冷却水循环和散热器内部的风扇转动来达到降温冷却的目的。

目前，对于燃料电池冷却系统的控制主要采用PI控制方法，然而，PI控制方法主要适用于控制通道滞后小，负荷变化不太大，工艺上不允许有余差的场合，如流量或压力的控制；在水泵的转速控制和散热器风扇的转速控制上，可靠性较差，从而导致氢燃料电池的冷却效果不佳；同时，PI控制方法所实现氢燃料电池冷却系统的冷却不具备自学习的能力。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种氢燃料电池温度自学习冷却方法、装置和系统，能够采用自学习的方法实现对燃料电池冷却系统的控制，控制方法简单，结果可靠，对氢燃料电池的冷却效果好。

本发明解决上述技术问题的技术方案如下：

一种氢燃料电池温度自学习冷却方法，包括以下步骤：

获取氢燃料电池的样本数据集；其中，所述样本数据集包括多个电堆输出电流样本，以及在每个电堆输出电流样本下的水泵转速比样本和风扇转速比样本；

设定第一输入变量、第一输出变量、第二输入变量和第二输出变量；采用支持向量机训练方法，根据所述样本数据集、所述第一输入变量和所述第一输出变量构建第一支持向量机训练模型；采用所述支持向量机训练方法，根据所述样本数据集、所述第二输入变量和所述第二输出变量构建第二支持向量机训练模型；

利用所述样本数据集，对所述第一支持向量机训练模型进行参数寻优，得到第一温度控制模型；利用所述样本数据集，对所述第二支持向量机训练模型进行参数寻优，得到第二温度控制模型；并根据所述第一温度控制模型和所述第二温度控制模型得到目标温度冷却控制模型；

获取所述氢燃料电池的实时电堆输出电流，将所述实时电堆输出电流输入所述目标温度冷却控制模型，得到实时水泵转速比和实时风扇转速比；

根据所述实时水泵转速比和所述实时风扇转速比对所述氢燃料电池进行温度冷却，完成温度自学习冷却。

依据本发明的另一方面，还提供了一种氢燃料电池温度自学习冷却装置，应用于本发明的氢燃料电池温度自学习冷却方法中，包括样本数据获取模块、建模模块、优化模块、实时数据获取模块、输出模块和控制模块；

所述样本数据获取模块，用于获取氢燃料电池的样本数据集；其中，所述样本数据集包括多个电堆输出电流样本，以及在每个电堆输出电流样本下的水泵转速比样本和风扇转速比样本；