مقاله بهینه سازی انرژی سیستم تولید برق هیبریدی باتری یا پیل سوختی

ترجمه مقاله استراتژی مدیریت انرژی مبتنی بر بهینه سازی برای سیستم تولید برق هیبریدی باتری یا پیل سوختی

Optimization-based energy management strategy for a fuel cell/battery hybrid power system

چکیده

در این مقاله استراتژی مدیریت انرژی EMS برای یک سلول سوختی هیبریدی در وسیله نقلیه الکتریکی (FC-HEV) مورد بررسی قرار گرفته است. هدف از این مقاله ایجاد اطمینان از تقسیم قدرت مطلوب بین سیستم پیل سوختی و باتری است که با توجه به شرایط عملیاتی FCS می باشد. FCS یک سیستم چند فازی است که اجرای پر انرژی را در شرایط عملیاتی به وجود می آورد. به عنوان مثال، دما، رطوبت نسبی گاز، استوکیومتری گاز، فشار. تکنیک های خاص باید رسیدن به بهترین عملکرد از FCS استفاده شود. در این کار، مدل آنلاین با استفاده از شناسایی روش تطبیقی بازگشتی حداقل مربعات ARLS به دنبال یک تغییر در اجرای FCS می باشد. سپس یک الگوریتم بهینه سازی بر اساس مدل به روز شده استفاده می شود که جهت پیدا کردن بهترین کارایی و قدرت است. این فرایند در EMS مطلوب جهت حداقل برگشت استفاده می شود. که برای یک FC-HEV می باشد. اثربخشی EMS ارائه شده توسط مطالعات انجام شده در دو FSC با سطح تخریب مختلف نشان داده می شود.

کلمات کلیدی:

پیل سوختی، کنترل تطبیقی، اصل حداقل برگشت، شناسایی آنلاین، وسیله نقلیه

مقدمه

راه حل امیدوار کننده در تولید برق در خودروهای هیبریدی یا سیستم ثابت سلول های سوختی است. FCS برای برنامه های کاربردی با پیل های سوختی با غشای پروتونی تبادل سوخت کننده می باشد که این نوع پیل از نوع پلیمری بوده و در دمای پایین کار کرده و فشار را تحمل می کند. علاوه بر این مصرف هیدورژن را می توان با انرژی های تجدید پذیر مانند الکترولیز کردن و فرایندهای زیست توده می توان برق منتشر شده در جهان را افزایش داد. در عمل دوام خوبی برای PM-FC تضمین شده است. زمانی که پویایی بار آهسته می باشد. به تبع آن یک بافر پر انرژی مانند باتری، ابرخازن، باید بین PEM-FC قرار می گیرد. و منجر به برآورد سریع بار دینامیک جهت ارائه یک قدرت کششی در یک خودروی DC می شود. به منزله انرژی بین دو منبع توزیع شده، استراتژی مدیریت انرژی EMS مورد نیاز است در تحقیقات دو کلاس از FC-HEV ها برای EMS تعریف شده است که مبتنی بر شرایط و کنترل های بهینه سازی می باشد. در حالت مبتنی بر شرایط و قوانین استفاده از تخصص قطعی به نظر می رسد و یا به صورت تطبیقی و یا پیش بینی اشکال بوده و می تواند در سیستم های سازگار باشد. روش دوم براساس بهینه سازی یک تابع هزینه است که اغلب معیار تعریف مصرف سوخت، بازده سیستم یا قدرت سیستم است. فرودی و همکارانش توسعه استراتژی های اتشافی و بهینه را براساس نقشه کارایی ایستا و اعتبار آنها در زمان واقعی دارند. نتایج نشان می دهد که کاهش تقسیم قدرت، مصرف هیدروژن افزایش یافته است. برنارد و همکارانش طراحی یک EMS را به منظور حداقل برگشت به منظور کاهش مصرف هیدروژن و انجام تحقیقات تجربی ارائه نموده اند که می تواند PNP براساس منطق فازی تقسیم قدرت را انجام دهد. در اغلب موارد اشکال این استراتژی این است که آنها در مدل های ثابت یه یک عامل بستگی دارند که با توجه به اعتبار انها می باشند. در واقع PEM-FC یک سیستم چند بعدی است و اجرای پر انرژی را در شرایط عملیاتی ارائه می کند که بستگی به درجه حرارت، رطوبت نسبی گاز، استوکیومتری گاز و فشار دارد. بنابراین لازم است که این تغییرات در شرایط عملیاتی در یک EMS کلی از سیستم ترکیبی باشد. دو راه برای شناسایی عملکرد یک FCS وجود دارد که در زمان واقعی می باشد. اولین استفاده از حداکثر استراتژی مانند حداکثر ردیابی نقطه توان MPPT می باشد. علاوه بر تحقیقات انجام شده، نتایج در این موضوع در مورد PEM-FC وجود دارد. بنزونگ و همکارانش یک الگوریتم MPPT را براساس افزایش آشفتگی طراحی نموده اند. بیزون تعریف MPPT را با یک الگوریتم اافی به منظور بهبود سرعت ردیابی ارائه کرده و آن را با یک نمایش شبیه سازی عددی ارائه می کند. گوا و رونگ و همکارانش یک الگوریتم MPPT را براساس تطبیق مقاومت و پیاده سازی آن بر روی یک سیستم انرژی هیبریدی طراحی نموده اند. روش دوم استفاده از شناسایی آنلاین پارامتریک در الگوریتم های بهینه سازی همراه است. با این حال این روش نیاز به یک مدل PEM-FC دارد. یک بار دیگر می گوییم که این دو راه حل امکان پذیر است. یک راه حل مستقیم که براساس رفتار PEM-FC در مدل های پیچیده نیز وجود دارد. با این حال،طراحی می تواند فرایندهای دشوار وقت گیر را داشته باشد. راه دیگر، استفاده از پارامترهای سازگاری آنلاین در مدل ها می باشد. پارامترها بدون در نظر گرفتن برآورد نوسانات فیزیکی می باشد. میلر و همکارانش مدل های ممکن برای شناسایی رفتار آنلاین یک FCS را بدست آوردند و نتیجه گرفتند که بهترین نتایج با داده های مدل اورسیوم بود است. یانگ و همکارانش استفاده زا یک مدل جهت تقلید از رفتار FCS را داشته اند و کنترل را با آن انجام داده اند.

در مطالعه ما، از روش دو مرحله ای استفاده می شود. شناسایی الگوریتم با یک مدل نیمه تجربی از PEM-FC اعمال می شود. سپس در این مدل برای بهینه سازی عملکرد از PEM-FC استفاده می شود. یک مدل نیمه تجربی استفاده شده است. چرا که ارائه دهنده یک ارتباط بین معنای فیزیکی و هزینه محاسبه است. روش دو مرحله ای انتخاب شده است تا فعال کردن و آثار آینده و شناسایی در مقابل چنین پارامترهای ورودی را داشته باشد. در این مطالعه تنها یک پارامتر بهینه سازی شده است. مطالعات مختلفی پیشنهاد کمک در مورد موضوع شناسایی آنلاین را با بهینه سازی FCS جهت پیدا کردن بهترین عملکرد ارائه نموده اند. متکار و همکاراش توسعه کنترل تطبیقی FCS را با یک مدل وینر و اعتبارسنجی عددی پیشنهاد نموده اند. دازی و همکارانش شبیه سازی پیش بینی کنترل را برای تعیین حداکثر عملیات FCS ارائه نموده است. راموس و همکارانش تعیین کنترل MPPT را در یک حلقه سخت افزاری بدست آورده است. ژن و همکارانش انجام یک آزمایش را جهت اعتبار زمانی واقعی بهینه سازی یک FCS اکسید جامد ارائه نموده اند. ...