[发明专利]借助于机器学习方法运行燃料电池系统的方法和设备

说明书

本发明涉及一种用于在前后相继的分析时刻确定燃料电池系统（1）中的系统状态变量（x⁽ⁱ⁺¹⁾）的计算机实现的方法，其中在每个当前分析时刻（i+1）执行以下步骤：‑确定（S2）燃料电池系统（1）在当前分析时刻（i+1）的一个或多个运行状态变量（y⁽ⁱ⁺¹⁾）；‑借助于经过训练的递归神经网络，根据递归神经网络在先前分析时刻（i）的内部状态向量（h⁽ⁱ⁾）并且根据在当前分析时刻（i+1）确定的运行状态变量（y⁽ⁱ⁺¹⁾）来确定（S3）当前系统状态变量（x⁽ⁱ⁺¹⁾），所述内部状态向量说明燃料电池系统（1）的内部状态；以及‑根据当前确定的系统状态变量（x⁽ⁱ⁺¹⁾）来运行（S3）燃料电池系统（1）。

技术领域

本发明涉及燃料电池系统，特别是用于使用天然气运行燃料电池系统的SOFC系统（SOFC：Solid Oxide Fuel Cell，固体氧化物燃料电池）。特别地，本发明涉及确定用于将天然气中包含的碳氢化合物制备为富氢气体的重整装置的系统状态。

背景技术

以天然气为基础运行的常规燃料电池系统具有重整装置，所述重整装置用于将天然气中包含的长链碳氢化合物转化为富氢气体。然后该富氢气体在所谓的燃料电池堆中被氧气氧化以产生电能。

除了天然气之外，来自燃料电池堆的阴极的废气也再循环到用于将碳氢化合物转化为天然气的重整装置。在此，可以可变地调节废气再循环率。

通过所述废气再循环，燃料电池系统具有强烈的非线性行为，该行为是由所述燃料电池系统的内部系统状态来确定的。该内部系统状态很大程度上取决于所述燃料电池系统的运行变化过程。通过至少一个系统状态变量来说明所述燃料电池系统的内部系统状态，所述系统状态变量可以包括所述燃料电池系统的特定点处的氧碳比，特别是在重整装置的输入侧，和/或燃料利用率。特别地，所述系统状态变量是运行类型的基础，特别是控制或调节所述燃料电池系统的基础。

然而，无法对所述系统状态变量进行在线测量，而是只能通过对气体成分的大量测量来确定所述系统状态变量。这些测量是耗时的，并且不能用于估计运行期间的内部系统状态。可以对氧碳比和燃料利用率进行物理建模，但由于复杂和计算持续时间长，目前不适合在运行期间应用，并且特别是不适合在调节中应用。同样，不可能实时地进行精确测量。

在当前的燃料电池系统中，所述系统状态变量以氧碳比和燃料利用率的形式加以确定，以运行所述燃料电池系统。所述系统状态变量借助于不准确的物理模型来确定。因此，它们只能不准确地说明重整装置的当前系统状态。

发明内容

根据本发明，设置了根据权利要求1的用于运行具有重整装置的燃料电池系统的方法以及根据并列独立权利要求的用于运行燃料电池系统的设备和燃料电池系统。

在从属权利要求中说明了其他设计。

根据第一方面，设置了一种用于在前后相继的分析时刻确定燃料电池系统中的系统状态变量的方法，其中在每个当前分析时刻执行以下步骤：

-确定所述燃料电池系统在当前分析时刻的一个或多个运行状态变量；

-借助于经过训练的递归神经网络，根据所述递归神经网络在先前分析时刻的内部状态向量并且根据在当前分析时刻确定的运行状态变量来确定当前系统状态变量，所述内部状态向量说明所述燃料电池系统的内部状态；以及

-根据当前确定的系统状态变量来运行所述燃料电池系统。