一种多目标燃料电池冷却流道优化设计方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113946995A(43)申请公布日2022.01.18(21)申请号202111209562.3G06F111/06(2020.01)(22)申请日2021.10.18G06F111/10(2020.01)(71)申请人上海神力科技有限公司地址201401上海市奉贤区远东路777弄28号3幢(72)发明人甘全全娄轩宇李印实张翼翀王禹戴威(74)专利代理机构上海科盛知识产权代理有限公司31225代理人叶敏华(51)Int.Cl.G06F30/23(2020.01)G06F30/27(2020.01)G06F30/28(2020.01)G06N20/10(2019.01)权利要求书3页说明书10页附图6页(54)发明名称一种多目标燃料电池冷却流道优化设计方法(57)摘要本发明涉及一种多目标燃料电池冷却流道优化设计方法，包括：利用控制方程耦合搭建二维两相非等温燃料电池数理模型，完成模型验证后作为数据驱动源；提取冷却流道结构优化参数、优化目标、优化参数变化范围以及约束条件；根据优化参数变化范围以及约束条件，将变化的优化参数代入数理模型，以输出得到原始数据集；基于原始数据集，应用机器学习算法构建得到数据驱动多目标代理模型；采用遗传算法对多目标代理模型进行优化求解，得到最优的冷却流道结构参数。与现有技术相比，本发明能够多角度、快速、准确地对冷却流道结构参数进行综合优化，为实际燃料电池结构设计提供指导。CN113946995ACN113946995A权利要求书1/3页1.一种多目标燃料电池冷却流道优化设计方法，其特征在于，包括以下步骤：S1、搭建数理模型：利用控制方程耦合搭建二维两相非等温燃料电池模型，通过网格划分，并使用有限元分析法进行离散计算，完成数理模型搭建；S2、构建多目标代理模型：确定冷却流道结构优化参数、优化目标、优化参数变化范围以及约束条件；根据优化参数变化范围以及约束条件，将变化的优化参数代入数理模型，以输出得到原始数据集；基于原始数据集，通过机器学习训练的方式，构建得到多目标代理模型；S3、遗传算法优化：采用遗传算法对多目标代理模型进行优化求解，得到最优的冷却流道结构参数。2.根据权利要求1所述的一种多目标燃料电池冷却流道优化设计方法，其特征在于，所述步骤S1中控制方程包括质量守恒方程、动量守恒方程、能量守恒方程、物料守恒方程、电荷守恒方程、浓度依赖Butler‑Volmer方程和氧传输过程方程，其中，所述质量守恒方程包括气相、液相质量守恒方程，所述动量守恒方程包括气相、液相动量守恒方程。3.根据权利要求1所述的一种多目标燃料电池冷却流道优化设计方法，其特征在于，所述步骤S2具体包括以下步骤：S21、根据冷却流道的结构，选取以下结构参数作为优化参数：TX＝(Bias,WCH,w,HCH,w,HBP,a,HBP,c)其中，X为冷却流道结构参数集，Bias为燃料流道‑冷却水流道中心轴偏差，WCH,w为冷却水流道宽度，HCH,w为半冷却水流道高度，HBP,a为阳极燃料‑冷却水极板厚度，HBP,c为阴极燃料‑冷却水极板厚度；确定优化目标为电池额定点功率密度以及截面温差；确定优化参数变化范围具体为：{Bias|(0,0.6)}{WCH,w|(0.4,1)}{HCH,w|(0.1,0.5)}{HBP,a|(0.2,1)}{HBP,c|(0.2,1)}{Htotal|(1.2,1.6)}同时双极板厚度需满足以下约束条件：Htotal＝HBP,a+HBP,c+2HCH,w{Htotal|(1.2,1.6)}其中，Htotal为双极板厚度；S22、根据各优化参数变化范围，随机生成多组优化参数，以作为输入数据集，将输入数据集代入数理模型，得到输出数据集，将输入数据集与输出数据集对应组合得到原始数据集；S23、基于原始数据集，通过机器学习训练的方式，构建得到多目标代理模型。4.根据权利要求3所述的一种多目标燃料电池冷却流道优化设计方法，其特征在于，所述步骤S23具体包括以下步骤：2CN113946995A权利要求书2/3页S231、对原始数据集的输入和输出进行归一化预处理，并记录各参数归一化映射法则，将预处理后的原始数据集，按照设定比例划分训练集和测试集；S232、以支持向量机作为机器学习训练算法，使用支持向量机对训练集进行代理模型训练、并使用测试集进行代理模型准确性验证，得到关于不同优化目标的多目标代理模型，所述多目标代理模型包括电池额定点功率密度代理模型和截面温差代理模型。5.根据权利要求4所述的一种多目标燃料电池冷却流道优化设计方法，其特征在于，所述支持向量机的配置具体为：选择径向基函数作为核函数，并通过网格搜索法获得模型确定系数最高的正则化参数c与高斯核宽