地下工程PEMFC分布式发电系统运行稳态安全评估

李 集 谌 力

（1.解放军理工大学，江苏 南京 210007；2.海军指挥学院，南京 210016）

武器的高科技发展对地下指挥所、武器洞库、人防工程等地下工程的内部能源供给系统构成极大威胁，高科技尖端武器能极大地削弱地下工程功能作用的有效发挥，甚至破坏或推毁地下工程。地下工程电力能源供给普遍采用单一集中式柴油发电站，其高温烟气排放极易暴露目标，难免遭受高科技尖端武器精确制导打击，致使地下工程电力供给系统彻底瘫痪或损毁。即使地下工程电力能源供给系统在精确制导武器攻击之下尚未瘫痪，也会在巨大爆炸冲击波的冲击下极可能引起地下发电机电压骤然下降，引发柴油机突然熄火或致柴油机发电系统损毁，严重影响地下工程的电力能源供给。因此，目前的柴油机发电站很难适应未来高科技战争对地下工程的有效防护和电力能源供给保障以及内部环境的战时安全性要求，必须改革创新和转变发展方式。

1 地下工程供能需求及PEMFC 氢能发电机特点

地下工程内部能源供给系统必须满足五方面要求：一是安全性与稳定性。内部能源燃料的获得、储运及能源转换系统都必须符合安全性与稳定性要求；二是低污染、低排放、低能耗、低噪声及伪装性能优良。低污染、低排放、低能耗、低噪音可有效防止工程目标暴露和反空中侦察；三是满足地下工程对供电、供热、制冷、除湿等多种综合服务要求；四是运行调节能力强。可随着内部设备功能及运行状况的变化而调节[1]；五是注重经济性。既要考虑整个能源工程的整体效益，又要考虑能源工程总成本的经济性，虽然国防工程是允许在成本方面适度放宽，但工程的经济性仍须注重。

PEMFC 氢能发电机具备不受“卡诺”循环限制、能量转换效率高、洁净无污染、噪声低、模块化结构、比功率高、积木性强等特点与优点，完全能够适应地下工程内部能源供给系统的上述五方面的要求。PEMFC 氢能发电机既可以克服柴油发电机组不易伪装的缺点，又可以提高地下工程的伪装性能和战时生存能力，还可以按照防护分区的划分和根据防护功能的需要设置多电源分布式发电（Distributed Generation，DG）系统[2]。随着智能电网技术的推广应用，PEMFC 分布式发电系统将越来越实用。现在的大容量电力供给系统本质上是动态的，网络拓扑因负荷需求的变化而频繁改变。随着电网负载的不断增加，当电力系统网络的负荷达到自身极限时，即使是很小的扰动也会引发整个电力系统网络崩溃[3]。为保证PEMFC 分布式发电系统的安全稳定运行，需要每个PEMFC 电堆安全运行。因此，只有实时监控温度、压力及湿度等PEMFC运行参数，为电网管理员提供准确可靠的安全评估信息，从而确保PEMFC 分布式发电系统的运行状态与操作状态安全稳定。

2 PEMFC 发电系统

图1 PEMFC 工作原理图[2]

PEMFC 发电系统是燃料电池电堆及与其匹配的运行支持系统构成的发电装置。其核心是电堆，外围或辅助系统包含燃料（氢气）循环系统、氧气（或空气）给进系统、水热管理系统（或者空冷系统）、气体增湿系统、电能变换系统、监测控制系统和负载等系统单元组成。PEMFC 发电系统的运行过程是反应气体氢气和氧气分别通过调压阀、加湿器（加湿、升温）后进入电堆，发生电化学反应产生直流电，经稳压、变换后供给负载。PEMFC 电堆在一定的工作条件下可产生稳定可靠的直流电[1]。例如，电堆运行温度大约在80℃，质子交换膜还需保持一定的湿度，避免阳极失水和阴极“淹水”。可见，供气系统、水热管理等系统单元是PEMFC 发电系统稳定工作的重要环节，需要应用计算机进行调节控制，确保PEMFC 发电系统整体性能良好。

3 温度、气压、湿度对PEMFC 电堆性能影响分析

PEMFC 的控制是一个多输入多输出的系统，运行参数的调节对彼此以及性能都有极大的影响。文献[4]的正交实验表明：温度、压力、湿度以及温度与湿度之间的耦合作用对PEMFC 堆电效率的影响显著，温度与压力及压力与湿度之间的耦合作用的影响可以忽略；在影响程度上，温度的影响大。为此着重分析温度、压力和湿度的影响特性。

3.1 分析温度影响特性

温度的影响主要从两方面考虑，一是气体的扩散能力；二是膜电阻[5]。低温时，升高电池工作温度，会加速氢电化学氧化，增加质子交换膜的电导，减少膜的欧姆极化，加快反应气体向催化剂层的扩散，加速质子从阳极向阴极的运动以及生成水的排出，从而提高能量的转换效率。但随温度进一步升高，反应气体的相对湿度减少，加速膜干涸，膜电阻升高，影响逐渐减弱，甚至降低电池性能。电池堆工作温度如果过高就会导致质子交换膜的水分加速流失、水蒸气分压加大，严重时甚至引发膜收缩破裂。相反，电池堆的内部温度过低时，反应生成的水不能以气态形式排出，易引发电极“淹水”现象，电堆内传质受限和电化学反应速度降低[6]。实验研究[7]表明保持PEMFC 的操作温度在70～90℃之间可使其输出性能达到最佳。而且众多实验及模拟计算结果建议，PEMFC 内部正常温度应维持在65～85℃，运行温度一般不宜超过100℃。

3.2 分析压力影响特性

根据Nernst 方程，压力增加，开环电路电压升高。因此，压力增加，性能的提高可解释为：压力增加会使反应气体扩散性增加，从而降低物质传输阻力下降[8]。当电堆的其他运行条件不变时，气体工作压力的升高，能极大降低浓差极化，有利于电极反应进行，提高电池内部温度，提升PEMFC 电堆电效率[6，9]。但是继续增加气体工作压力，性能提升却不断降低。而且提高反应气体压力，不仅增加电堆密封难度和空压机能耗，降低PEMFC 发电系统的效率，还影响膜的寿命降低系统工作安全性。在实际操作中为保持膜的性能和电池的良好输出特性，一般控制气体的压力在0.2～0.3MPa[10]。为了保持质子交换膜一定的湿度以及生成水的排放，电堆的压力控制要求阴极压力比阳极压力略高（但须在0.05MPa 以内）且调节两极压力时要同升降。定期排出生成物水、部分惰性气体等“有害”气体，会导致PEMFC 反应气体的压力产生波动，对输出性能产生严重的影响[11]。由上述特性可知，对进入电堆的气体压力的控制精度要求高，不太适应过于频繁的大幅度改变阴阳两极气体压力。

3.3 分析湿度影响特性

质子必须和水结合才能到达阴极。因此，质子交换膜的导电性取决于膜中的含水量，即电堆的湿度。PEMFC 的输出电压随着阴极气体湿度的增加而增加[12]。但是气体湿度过高，易形成液态水，降低氧气通过气体扩散层的速度，而以空气作为氧化剂的PEMFC 该负面影响尤为严重。甚至因电堆湿度过大而导致电极被水淹，令电池失效。此外，电池工作在高温低压的情况下，水分以水蒸气的形式存在于电池内部，无形中稀释了反应气体，降低了电池的发电效率。如果电堆的湿度较低，此时反应气体的浓度相对增大，有利于气体的传质，但是湿度过低会造成质子交换膜脱水，降低膜的导电率，内部阻抗也随之增加，膜脱水严重时可直接导致电池损坏。文献[12]得出结论：一是燃料电池的进气均需要加湿，以保证电解质膜的湿润，使其具有很好的导电能力。二是阴极进气加湿在75%左右电池性能可以达到最佳。三是阳极进气干燥对电池的性能影响较大。

4 建立稳态安全评估BP 神经网络模型

地下工程中，PEMFC 分布式发电系统存在常停常用情况，为保持PEMFC 长期处于安全稳定工作状态，应实时调节PEMFC 性能控制参数发挥其潜能，使额定输出功率能实时满足负载需求。实施智能控制时，分布式发电系统需要一个快速、准确的在线安全评价方法对多个PEMFC 发电系统分析安全情况，预警电网管理员采取必要预防措施。BP 网络是一种多层前向型神经网络，可以实现从输入到输出的任意非线性映射。由于其结构简单、可塑性强，在分类、函数逼近、预测等方面都有非常明显的优势，适于解决复杂的非线性问题[14]。考虑PEMFC 输出性能评价通常是电池输出伏安特性曲线的感官判断，而且每个PEMFC 发电系统的非控制参数可能存在不一致情形，神经网络可针对每个发电系统学习分析其伏安特性。利用BP 神经网络逼近伏安特性曲线，辨识PEMFC 的温度、压力和湿度是否处于适宜取值范围，即处于稳态。

文献[11]通过仿真得出：

情形1：质子交换膜燃料电池输出性能随着可控制影响参数的增大而提升，输出性能提升的幅度与可控制参数的增加幅度呈非线性关系。膜的厚度对电池输出性能的影响最大，而氢气的压力对质子交换膜燃料电池输出性能的影响最小。

情形2：将PEMFC 的电流密度大小分为低电流密度区域（0～0.1A/cm2）、中电流密度区域（0.1～1.1 A/cm2）和高电流密度区域（l.1～ A/cm2）。（1）在低电流密度区域，PEMFC 的输出性能主要受到活化极化导致的影响。此时增加气体的反应面积、提升反应气体的压强、提高电池的操作温度、降低反应气体的湿度等都将有利于降低活化极化而提升电池的输出性能。（2）在中电流密度区域，主要为欧姆损失导致PEMFC 输出性能的降低。在此电流密度区域内减少反应气体的反应面积、减少质子交换膜的厚度、提高反应气体的压力、提高电池的操作温度等均会降低电池内阻而减少电阻极化，从而有利于提升电池的输出性能。（3）在高电流密度区域，PEMFC 的输出性能主要受到浓差极化导致的影响。较高的反应气体湿度、较高的电池运行温度、较薄的质子交换膜厚度、较大的反应膜面积等都有利于提升电池的输出性能。此时提高反应气体压力对电池输出性能的提升不明显。

如图2所示，结合上述结论建立一个稳态安全评估BP 神经网络模型。该模型由两个平行的BP 神经网络联合构成：网络图BP-1 用于判断温度适宜状态，网络图BP-2 用于判断湿度适宜状态。

图2 稳态安全评估BP 神经网络模型

因此，网络图BP-1 所选特征量是电流密度、电池温度、氢气入口压力、氧气入口压力和输出电压；网络图BP-2 所选特征量是电流密度、输出电压和阴极气体湿度（阳极易缺水，一般是100%加湿）。特征量归一化后的数值作为输入值，Oi(1≤i≤4)是BP神经网络的训练输出结果，在输出层为限制输出0/1神经元激活函数，故选择S 型函数。为保证精度隐藏层选取两层，隐藏层节点数Ln由经验公式(n+m)1/2+β决定（β取值：1～10），经过反复测试，第一隐藏层取7 个节点，第二隐藏层取9 个节点。

综合上述分析、结论以及控制的滞后性，在牺牲一定性能的前提下，设定如下：①当电流密度的稳态取值处在区间(250,900)，单位A/cm2，则O1，O4输出为1，否则为0；②当温度的稳态取值处在区间(65,80)，单位℃，则O2输出为1，否则为0；③当相对湿度的稳态取值处在区间[70%,90%]，则O3输出为1，否则为0。通过实时监测及时预警PEMFC 状态是否稳定。

针对评估状态，给出建议控制策略，见表1和表2。

网络图 BP-1 所用的训练样本数据18 组与测试样本数据12 组来自文献[13]，网络图BP-2 所用的训练样本数据50 组与测试样本数据45 组来自文献[12]。对所有样本数据进行归一化处理。

5 仿真结果分析

网络图BP-1 仿真结果见表3。

网络图BP-2 仿真结果见表4和表5。

表1

表2

表3

表4

表5

基于收敛性与计算精度考虑，通过Matlab 建立采用LM（Levenberg-Marquardt）算法的BP 神经网络模型。经过训练后的稳态安全评估BP 神经网络模型，网络图BP-1 的辨识准确率为83.3%，网络图BP-2 的辨识准确率为91.1%，基本满足预警需求。由两个BP 网的精度存在差距可知训练样本数据越多，BP 网络辨识精度就越高。

6 结论

本文采用BP 神经网络方案对PEMFC 分布式发电系统的稳态进行预警，适宜实际在线操作，稳态辨识精度有利于保持PEMFC 电堆的性能，能满足分布式电力系统运行调度的需要。说明神经网络用于在线稳态检测是完全可行的，并且能够很好节约人力资源。在使用过程中仍可根据所采集数据对样本数据不断优化，提升辨识精度。而且智能电网[15]是优化现代大容量电力系统的和提高电力输送系统的可靠性，以满足未来增长的电力需求的一个重要概念。推广应用“智能”电网的潜在动力是为获取更容易理解的电网实时运行参数，从而提高控制、响应能力，形成一个具备更加准确预期的传输电网[16]。神经网络在PEMFC 分布式发电系统中的应用，将推动智能电网应用的普及。

当然，本文所述方法尚存两个辨识问题：一是目前只考虑影响稳态的主要运行参数，对其他运行参数尚欠缺综合分析，在受到其他参数干扰时，安全稳态辨识精度可能会受到影响，可能会出现误报的情况。此外，BP 神经网络不可避免地存在局部极小问题；二是所获取的样本数据数量及样本间距都需要进一步提升，运行参数的测量精度与实时性仍需做深入的改进。

[1] 肖永谦,何锐.燃料电池在地下工程中的应用[J].科技创新导报,2008,(22) :120.

[2] 陆洋,徐晔,等.PEMFC 分布式发电在地下工程中的应用研究[J].电气技术,2007(1):50-54.

[3] VERMA K,NΙAZΙ K R.Determination of vulnerable machines for online transient security assessment in smart grid using artificial neural network[C].ΙEEE,2011:1-5.

[4] 张连洪,揭伟平.温度、压力和湿度对PEMFC 堆电效率的影响[J].天津大学学报,2006,40(5):594-598.

[5] 徐腊梅.质子交换膜燃料电池模拟与优化[M].2012.

[6] 刘旭.质子交换膜燃料电池系统( PEMFC) 的控制策略综述[J].化工自动化及仪表,2012,39(4):439-443.

[7] 孙红,高晓佳,张珂,等.PEM 燃料电池的伏安特性及其影响因素[J].沈阳建筑大学学报,2006,22(5):867-871.

[8] 黄健.PEMFC 输出性能影响因素的仿真研究硕士论文[J].昆明理工大学,2010.

[9] 揭伟平.PEMFC 堆电效率与PEMFC 温差热机电热联供的实验研究硕士论文.天津大学机械工程学院,2007.

[10] 卫东,陆勇军,褚磊民.质子交换膜燃料电池发电系统控制策略研究[J].能源工程,2008(2):4-9.

[11] 黄健.PEMFC 输出性能影响因素的仿真研究硕士论文.昆明理工大学,2010.

[12] LATHA K,VΙDHYS S.Tuning of PEM fuel cell model parameters for prediction of steady state and dynamic performance under various operating conditions[J].Ιnternational Journal of Hydrogen Energy 2013,38: 2370-2386.

[13] 孙立萍.基于人工神经网络的质子交换膜燃料电池性能研究硕士论文.大连交通大学,2010.

[14] 张德丰.Matlab 神经网络应用设计[M].2版.北京:机械工业出版社,2012.

[15] AMΙN S M,WOLLENBERG B F.Toward a smart grid: power delivery for the 21st century.Power and Energy Magazine,ΙEEE,2005,3(5):34-41.

[16] LAUBY M G.Reliability considerations for application of smart grid technologies[J].ΙEEE Power and Energy Society General Meeting,Minneapolis,2010:25-29.