[发明专利]基于敏感性与遗传分析的燃料电池仿真优化方法和系统

说明书

本发明请求保护基于敏感性与遗传分析的燃料电池仿真优化方法和系统，通过燃料电池工况参数的敏感性分析构建敏感性数值进制映射表，依据工况参数形成的种群的规模，在对应的编码进制的范围内对工况参数进行随机编码取值，得到随机种群编码，选择、交叉、变异操作后得到下一代随机种群编码并进行解码，转换得到工况参数的随机参数组合及其下的功率值和运行效率值；多目标优化处理得到对应的工况参数作为下一代随机种群，不断迭代次数达到满足停止条件，记录结果。本方案将燃料电池工况参数的敏感性量化数值与遗传算法中的五位数基因编码进行结合，使得高敏感参数的网格精密，搜索精度高，低敏感参数的网格稀疏，搜索精度低，以求更高的仿真效率。

技术领域

本发明属于电化学燃料电池领域，具体的，涉及基于敏感性与遗传分析的燃料电池仿真优化方法和系统。

背景技术

质子交换膜燃料电池的运行工况中包括众多参数需要优化，如相对湿度、化学计量比、运行温度与压强，而针对燃料电池的实物测试的方法存在试验周期较长、成本较高的难题，相对而言，仿真测试是一种周期更短、成本更低的方法。

在开展仿真优化时，为了确定优化的工况参数组合，需要针对每个工况参数都进行详细的划分，如1个工况参数选择5个取值，那么4个工况参数就会产生625组工况参数的组合，会使得仿真测试的计算量极大。这种方法忽略了不同工况参数对于燃料电池性能影响程度不同的问题，如果能够识别出对于燃料电池性能影响程度小的工况参数，那么便能够降低该参数在仿真测试中所取值的数量，从而大幅降低仿真计算量，进一步提升仿真优化的效率。

现有技术中一般只是针对燃料电池工况参数进行组合，随后开展仿真优化，忽略了不同工况参数在仿真过程中敏感性不同情况，实际待分析工况参数如果敏感性很低，即该工况参数的变化对于燃料电池性能的影响很小，则并不需要这么高的网格精度去计算，否则会浪费大量的仿真时间才能完成数据的搜索和运算。

发明内容

为了解决当前燃料电池不同工况参数的仿真优化计算量庞大的问题，本发明请求保护基于敏感性与遗传分析的燃料电池仿真优化方法和系统。

根据本发明第一方面，本发明请求保护基于敏感性与遗传分析的燃料电池仿真优化方法，包括：

采用基本效应法对燃料电池工况参数进行敏感性分析，得到燃料电池工况参数的敏感性数值；

构建燃料电池工况参数的敏感性数值进制映射表，将燃料电池工况参数的不同敏感性数值与对应使用的编码进制形成映射关系；

依据燃料电池工况参数的敏感性数值和敏感性数值进制映射表，采用敏感性数值对应的编码进制；

依据燃料电池工况参数形成的种群的规模，在编码进制的范围内对燃料电池工况参数进行随机编码取值，得到第一代随机种群编码；

对第一代随机种群编码进行选择、交叉、变异操作，得到第二代随机种群编码；

对第二代随机种群编码进行解码，进一步转换得到燃料电池工况参数的随机参数组合；

将随机参数组合依次输入燃料电池模型，得到每组随机参数组合下的功率值和运行效率值；

将功率值和运行效率值进行快速非支配排序和拥挤度计算，选择适应度值大于预设阈值的功率和运行效率种群组合，并将功率和运行效率种群组合对应的燃料电池工况参数组合作为第三代随机种群；

依据编码进制对第三代随机种群进行随机编码，得到第三代随机种群编码；

判断迭代次数是否满足停止条件，当满足时，结束仿真，记录第三代随机种群编码，当不满足时，重新对第三代随机种群编码进行选择、交叉、变异操作。

根据本发明第二方面，本发明请求保护基于敏感性与遗传分析的燃料电池仿真优化系统，包括：