论文部分内容阅读
固体氧化物燃料电池(SOFC)是一种在高温下工作的发电装置,具有清洁高效的特点,是一种很有发展前景的绿色能源。由于SOFC系统的输出特性偏软,无法实时跟踪负载的快速变化,需要引入辅助电源(例如锂电池)来帮助实现对负载的快速跟踪。然而在混合发电系统中,SOFC系统与锂电池相互影响,研究合适的能量管理策略实现混合发电系统的实时能量分配和跟踪,以期提高系统性能和经济性,已成为目前SOFC混合发电系统研究领域内的关键问题。因此本文针对SOFC/锂电池混合发电系统提出了基于功率预测的实时能量管理策略,主要研究内容如下:(1)搭建了SOFC/锂电池混合发电系统模型。首先基于质量守恒定律、能量守恒定律、电化学原理与热力学定律,建立了SOFC系统的数学模型,包括电堆、空气压缩机、热交换器、旁路阀、混合器、尾气燃烧室、分流器等部件。其次建立了锂电池二阶阻容等效电路模型,并基于最小二乘法进行模型参数的辨识。本文进行仿真并验证了SOFC系统的极化曲线和锂电池模型的V-t曲线,结果表明搭建的SOFC系统与锂电池系统均能够较为准确地反映系统的实际输出特性。(2)提出了一种SOFC/锂电池混合发电系统实时能量管理策略,包括功率预测、能量分配、功率跟踪三部分。在功率预测部分,本文基于某家庭用电数据分别建立了基于非线性自回归神经网络和长短期记忆神经网络的功率预测模型,并分析了不同参数设置对于模型预测精度的影响。最后对比了两种功率预测模型的训练速度和预测精度,结果表明长短期记忆神经网络在模型训练速度和预测精度上均优于传统的非线性自回归神经网络。(3)在能量分配部分,基于预测功率、SOFC系统和锂电池工作状态分别设计了基于规则和基于优化的能量分配策略,得到了SOFC系统和锂电池的参考输出功率。在功率跟踪部分,基于径向基神经网络整定的PID控制器,分别通过调节燃料流量和充放电电流实现了对SOFC系统和锂电池参考输出功率的快速跟踪。最后在MATLAB/Simulink平台实现了上述两种能量管理策略,结果表明基于优化的能量管理策略不仅使得锂电池荷电状态维持合理水平,在SOFC系统发电效率、燃料利用率、以及混合发电系统运行成本等三个方面也均优于基于规则的能量管理策略。