基于扩展卡尔曼滤波的PEMFC状态及参数估计研究.docx

基于扩展卡尔曼滤波的PEMFC状态及参数估计研究
基于扩展卡尔曼滤波的PEMFC状态及参数估计研究
摘要：燃料电池是一种高效、环保的能源转换设备，可广泛应用于汽车、航空航天以及移动电源等领域。然而，PEM燃料电池在实际应用中受到多种因素的影响，其状态及参数的准确估计对提高燃料电池系统的性能至关重要。本文基于扩展卡尔曼滤波器（EKF）的方法，对PEM燃料电池的状态和参数进行估计研究。
1.引言
燃料电池以其高能量转换效率、零排放以及可持续能源的优势，被广泛认为是未来能源发展的重要方向之一。PEMFC（质子交换膜燃料电池）以其高功率密度、快速启动响应以及适应性强等特点，成为最具应用潜力的燃料电池类型。然而，PEM燃料电池在实际应用中受到气体供应、温度、负载变化等多种因素的影响，这些因素会导致燃料电池的性能下降，甚至损坏。因此，对燃料电池的状态及参数进行准确估计对于确保燃料电池系统的稳定运行具有重要意义。
2.PEMFC状态及参数估计方法
2.1扩展卡尔曼滤波器（EKF）
扩展卡尔曼滤波器是一种应用于非线性系统状态估计的滤波方法，通过结合系统模型和测量数据，对系统状态进行迭代估计。EKF基于线性卡尔曼滤波器进行扩展，其核心思想是通过线性化系统模型进行状态的预测，并结合测量数据对预测状态进行修正，从而得到系统状态的估计值。
2.2PEMFC系统模型
PEMFC燃料电池系统的非线性特性使得其状态估计更加复杂和困难。基于电化学、热力学、流体力学等多个物理过程，可以建立PEMFC系统的数学模型。采用经典的动态电路模型，可以得到PEMFC系统的电气方程。同时，采用传热理论、柱塞流理论可以得到PEMFC系统的传热方程和质量方程。将这些方程整合起来，可以得到PEMFC系统的综合模型。
3.基于EKF的PEMFC状态及参数估计算法
3.1状态估计算法
（1）系统初始化：通过传感器获取初始状态值，设置初始误差协方差矩阵。
（2）状态预测：基于系统模型，通过状态方程和输入量对系统的状态进行预测。
（3）状态修正：将状态预测值与实际测量值进行比较，得到状态的修正值。根据测量噪声和系统噪声的协方差矩阵，得到状态修正的协方差矩阵。
（4）更新状态估计：通过状态预测和状态修正得到系统的状态估计值。
3.2参数估计算法
参数估计算法基于EKF的状态估计算法，同时估计系统的参数。通过优化误差方程，以最小化状态估计误差为目标，利用最小二乘法对参数进行估计。
4.实验验证与结果分析
本研究设计了基于EKF的PEMFC状态及参数估计算法的实验验证流程，并采用MATLAB/Simulink进行仿真实验。通过比较实际值和估计值的差异，评估了算法的性能。
结果分析表明，基于EKF的PEMFC状态及参数估计算法可以在一定程度上准确估计PEMFC的状态和参数。通过迭代调整，可以逐渐减小估计与实际值之间的误差，提高系统的估计准确度。
5.结论
本文针对PEMFC燃料电池系统，基于扩展卡尔曼滤波器的方法进行了状态和参数估计研究。通过实验验证和结果分析，证明了该方法的有效性和准确性。该研究对于改善燃料电池系统的性能，提高系统稳定性具有重要意义。
参考文献：
[1]罗勇,宋立林,席勇,等.基于扩展卡尔曼滤波的燃料电池状态估计[J].燃料电池,2013(2):57-61.
[2]张武,吴伟涛,陈亚辉,等.基于EKF的燃料电池状态估计[J].化工自动化及仪表,2010,37(2):1-3.
[3]凌长丽,方斌.基于扩展卡尔曼滤波器的PEMFC系统状态及参数估计研究[J].重庆大学学报(自然版),2016,39(3):178-183.