JOURNAL OF KONES 2006 NO 4
Transkrypt
JOURNAL OF KONES 2006 NO 4
Journal of KONES Powertrain and Transport, Vol. 13, No. 4 EXTREMUM AIR FLOW CONTROL FOR PEM FUEL CELL SYSTEM Arkadiusz Maáek, Mirosáaw Wendeker Lublin University of Technology Department of Internal Combustion Engines and Transport 36 Nadbystrzycka St., 20-618 Lublin, Poland phone/fax: +48 53 81 258 e-mail: [email protected] Abstract The air supply method of the cathode side of the fuel cell can contribute to improvement of the system performance. A fuel cell is a stochastic object. Application an adaptive extremum control with bi-parameter identification provides to automatical adjusting the parameters of a controller to actual characteristics of an object. In this paper was described air flow control of the fuel cell in order to determine and hold the maximal value of net power produced by the fuel cell stack, regardless of changes of the parameters of the object of control and its outer environment. The presented control algorithm can be used for other types of fuel cells systems of both high and low power. Proposed algorithm control can be used in other systems of fuel cells , both small as and high-power. Research confirmed the possibility of the use of the extreme control for finding of points work of fuel cell with the maximum power net. The algorithm containing the function of the adaptation was in a position to realize put aim control. If the adaptive algorithm in its basic form is in a position to learn and realize put aim control then the further heuristic extension of the algorithm can only improve it activity. Further possibilities of the development stand before the adaptive algorithm which uses the information aƍpriori on the characterization of the control object . Keywords: fuel cell, adaptive control, extremum control, control algorithm STEROWANIE EKSTREMALNE PRZEPàYWEM POWIETRZA W SYSTEMIE OGNIW PALIWOWYCH TYPU PEM Streszczenie Sposób zasilania w tlen strony katodowej ogniwa paliwowego istotnie wpáywa na jego ĪywotnoĞü i efektywnoĞü wykorzystania energii chemicznej wodoru. Ogniwo paliwowe jest obiektem stochastycznym. Zastosowanie adaptacyjnego sterowania ekstremalnego z identyfikacją dwuparametryczną umoĪliwia dostosowanie siĊ algorytmu sterowania do aktualnej charakterystyki ogniwa paliwowego. W referacie opisano sterowanie powietrzem zasilającym ogniwo w celu okreĞlenia i stabilizacji pracy systemu w punkcie maksymalnej mocy netto bez wzglĊdu na zmieniające siĊ wáaĞciwoĞci ogniwa paliwowego i jego otoczenia. Zaproponowany algorytm sterowania moĪe byü zastosowany w innych systemach ogniw paliwowych, zarówno maáej jak i duĪej mocy. Badania potwierdziáy moĪliwoĞü zastosowania sterowania ekstremalnego do odnajdywania punktów pracy ogniwa paliwowego z maksymalną mocą netto. Algorytm zawierający funkcjĊ adaptacji byá w stanie zrealizowaü postawiony cel sterowania. JeĪeli algorytm adaptacyjny w swojej podstawowej formie jest w stanie uczyü siĊ i realizowaü postawiony cel sterowania to dalsza heurystyczna rozbudowa algorytmu moĪe tylko poprawiü jego dziaáanie. Dalsze moĪliwoĞci rozwoju stoją przed algorytmem adaptacyjnym, który wykorzystuje informacje a’priori o charakterystyce obiektu sterowania. Sáowa kluczowe: ogniwo paliwowe, sterowanie ekstremalne, sterowanie adaptacyjne, algorytm sterowania 1. Wprowadzenie ZwiĊkszanie wydajnoĞci, sprawnoĞci to staáa tendencja obserwowalna w sektorze energetycznym. Na skutek kurczenia siĊ zasobów paliw kopalnianych ludzkoĞü zmuszona jest do oszczĊdnego korzystania z nich. Mimo nieustannych udoskonaleĔ wspóáczesne pojazdy z napĊdem benzynowym wykorzystują efektywnie zaledwie 20-25% zawartej w paliwie energii. Zostaną one A. Maáek, M. Wendeker w przyszáoĞci zastąpione ogniwami paliwowymi. Ogniwo paliwowe jest urządzeniem elektrochemicznym, w którym nastĊpuje áączenie wodoru z tlenem pochodzącym z powietrza. Produktami reakcji są: elektrycznoĞü, ciepáo i woda. W czasie pracy ogniwa paliwowego nie zachodzi spalanie w páomieniu, tak wiĊc nie wydzielają siĊ liczne, związane z takim procesem zanieczyszczenia. W ogniwie paliwowym nastĊpuje bezpoĞrednia zamiana energii chemicznej paliwa na energiĊ elektryczną. Taka zamiana pozwala na lepsze wykorzystanie energii chemicznej zawartej w paliwie. Systemy ogniw paliwowych optymalizuje siĊ w celu uzyskiwania jak najwiĊkszej sprawnoĞci. MoĪna to czyniü na wiele sposobów, przede wszystkim poprzez odpowiedni dobór komponentów do budowy takiego systemu oraz efektywne sterowanie nimi. W artykule przedstawiono wyniki badaĔ wpáywu wydatku powietrza na moc generowaną przez ogniwo paliwowe typu PEM. Udowodniono równieĪ, Īe wprowadzenie do algorytmu sterowania ogniwem paliwowym funkcji adaptacji pozwala na odnalezienie punktu pracy z maksymalną mocą netto. Oznacza to moĪliwie efektywne wykorzystanie energii chemicznej zawartej w paliwie. 2. Idea sterowania powietrzem zasilającym ogniwo paliwowe Przedmiotem badaĔ byá moduá Nexa firmy Ballard, który jest pierwszym komercyjnym ogniwem paliwowym. Podczas poboru prądu elektrycznego z ogniwa paliwowego wykorzystywany jest tlen zasilający katodĊ. Wprowadzono pojĊcie chwilowego wspóáczynnika nadmiaru powietrza O , który jest definiowany jako: W pow, wlot O [ ] . (1) W pow,reakcji IloĞü powietrza na wlocie do katody W pow, wlot jest mierzona za pomocą objĊtoĞciowego przepáywomierza powietrza. IloĞü powietrza potrzebnego do reakcji W pow,reakcji jest obliczana z natĊĪenia prądu stosu I st z wykorzystaniem równania elektrochemicznego: M pow nI st kg [ ] W pow,reakcji qO2 F 4 s , (2) l ] W pow,reakcji, NEXA 0,86 I st [ min gdzie: n jest liczbą ogniw w stosie, F jest liczbą Faraday’a (96485 C), M pow jest masą molową powierza, zaĞ qO2 jest objĊtoĞciowym udziaáem tlenu w powietrzu. DuĪy wydatek powietrza, a co za tym idzie wysoka wartoĞü wspóáczynnika O , poprawia moc stosu ogniw N st i moc netto N net . Jednak po przekroczeniu optymalnej wartoĞci nastĊpuje bardzo szyki spadek N net spowodowany zwiĊkszonym zapotrzebowaniem mocy na napĊd sprĊĪarki N ss (rysunek 1). Zatem moc potrzebna do napĊdu sprĊĪarki jest stratą bierną dla systemu ogniw paliwowych. 3. Sformuáowanie problemu sterowania i stanowisko badawcze MoĪna stwierdziü, Īe ogniwo paliwowe jest obiektem zmieniającym w czasie swoje wáaĞciwoĞci. Szereg zjawisk fizycznych i chemicznych w nim zachodzących wiąĪe wiele sprzĊĪeĔ zwrotnych i zapĊtleĔ. Jego parametry pracy zaleĪą równieĪ od warunków otoczenia (temperatura, ciĞnienie i wilgotnoĞü powietrza). TakĪe kaĪde ogniwo paliwowe posiada inne wáaĞciwoĞci tuĪ po opuszczeniu taĞmy produkcyjnej. Do zjawisk mających najwiĊkszy wpáyw na niepowtarzalnoĞü pracy ogniwa paliwowego moĪna zaliczyü: 326 Extremum Air Flow Control for PEM Fuel Cell System naturalne starzenie siĊ materiaáów, z których zostaáo wykonane ogniwo, chwilowe „zatrucie” elektrod powodowane zanieczyszczeniami substratów reakcji, zjawisko zatapiania anody, róĪnice w wymiarach kolektorów zasilających powodowane rozrzutem wymiarów w zakresie tolerancji, a mające wpáyw na dynamikĊ przepáywu substratów. 400 400 Pst 350 Pnet 325 Pst 375 Moc [W] Moc [W] 375 300 350 Pnet 325 300 275 275 10 20 30 40 50 60 70 80 90 100 Wydatek powietrza, Wpow,wlot [l/min] 2 3 4 5 6 7 8 9 10 11 O [-] Rys. 1. ZaleĪnoĞü mocy stosu ogniw i mocy netto od wydatku powietrza i wspóáczynnika nadmiaru powietrza Ȝ dla obciąĪenia 10 A Fig. 1. The fuel cell stack power and net power at different air flow and air excess ratio Ȝ by stack current of 10A Badania wstĊpne wykazaáy, Īe dla poszczególnych obciąĪeĔ prądowych stosu ogniw, istnieje optymalna wartoĞü wspóáczynnika nadmiaru powietrza O , której odpowiada maksimum mocy netto N net (rysunek 2). Rys. 2. ZaleĪnoĞü mocy netto systemu ogniw paliwowych od wydatku powietrza i wspóáczynnika nadmiaru powietrza Ȝ Fig. 2. The fuel cell stack system net power at different stack current and different air flow and air excess ratio Ȝ Wprowadzając wskaĨnik jakoĞci oparty na maksymalizacji mocy netto produkowanej przez ogniwo oraz stosując algorytmy Ğledzące i utrzymujące pracĊ ogniwa w punkcie optymalnym moĪna liczyü na poprawĊ sprawnoĞci ogniwa. Celem sterowania jest odnalezienie i utrzymanie maksymalnej wartoĞci mocy netto produkowanej przez stos ogniw paliwowych w aktualnych warunkach pracy. W celu przejĊcia kontroli nad wydatkiem powietrza wytwarzanego przez sprĊĪarkĊ konieczne byáo stworzenie sterownika w ukáadzie master-slave (rysunek 3). Za funkcjĊ związane z 327 Extremum Air Flow Control for PEM Fuel Cell System y T1 x T 2 x 2 . (3) Zadaniem algorytmu sterowania jest wyznaczenie (estymacja) takich wartoĞci wspóáczynników T1 i T 2 , które odpowiadają maksymalnej mocy netto (rysunek 4): T xopt 1 . 2 T 2 (4) y ymax y T1 x T 2 x 2 xopt xopt T1 2 T2 x Rys. 4. Sposób wyznaczania maksimum funkcji wykáadniczej drugiego stopnia Fig. 4. Finding the maximum of exponential function of second order Na podstawie modelu obliczane jest sterowanie optymalne: T (i 1) x( i ) 1 ] RND 0.5 (5) 2 T 2 ( i 1 ) gdzie: RND – jest wartoĞcią losową z zakresu 0 – 1 o równym prawdopodobieĔstwie wystąpienia poszczególnych wartoĞci, zaĞ ] jest wspóáczynnikiem wielkoĞci zaburzania wielkoĞci sterującej x( t ) . W przypadku, gdy charakterystyka wáasnoĞci systemu jest modelowana poprzez równanie kwadratowe (3), bardzo pomocne jest skorzystanie z metody przyrostowej – rysunek 5. Zastosowanie jej pozwala na zmniejszenie iloĞci niewiadomych wystĊpujących w równaniach algorytmu w porównaniu z metodą opartą na obliczeniach wartoĞci absolutnych [2]. W ten sposób wyeliminowana zostaje wartoĞü absolutna mocy netto y (t ) . To pozostawia juĪ tylko dwa parametry do estymacji i sprawia, Īe rekursywna estymacja jest szybsza i bardziej skuteczna. ŷ( i ) y( i ) y( i 1 ) x( i ) x( i 1 ) 'x( i ) Rys. 5. Graficzne zobrazowanie metody przyrostowej Fig. 5. Graphical presentation of the incremental method W metodzie tej przyrosty poszczególnych wartoĞci moĪna zapisaü za pomocą nastĊpujących wzorów: 'ŷ( i ) ŷ( i ) y( i 1 ) , (6) 'x( i ) x( i ) x( i 1 ) , (7) 2 2 2 . 'x ( i ) x ( i ) x ( i 1 ) (8) 329 A. Maáek, M. Wendeker Wykorzystując te zaleĪnoĞci szacowana jest moc efektywna: oraz wartoĞü efektywna: 'ŷ( i ) T 1 ( i 1 ) 'x( i ) T 2 ( i 1 ) 'x 2 ( i ) (9) , ŷ( i ) y( i 1 ) T 1 ( i 1 ) 'x( i ) T 2 ( i 1 ) 'x 2 ( i ) 0.01( RND 0.5 ) (10) gdzie: RND – sygnaá zaburzający, który jest wartoĞcią losową z zakresu 0 – 1 o równym prawdopodobieĔstwie wystąpienia poszczególnych wartoĞci. Z pomiaru otrzymywana jest rzeczywistą wartoĞü y( i ) . NastĊpnie obliczany jest báąd szacowania: e( i ) y( i ) ŷ( i ) (11) i przeskalowane są wartoĞci K, L, P i T wedáug wzorów: L1 P11 ( i 1 ) x( i ) P12 ( i 1 ) x 2 ( i ) L2 P21 ( i 1 ) x( i ) P22 ( i 1 ) x 2 ( i ) l , L1 x( i ) L2 x 2 ( i ) , K1 K2 (12) (13) L1 E l L2 E l , (14) T 1 ( i ) T 1 ( i 1 ) K 1 e( i ) , T 2 ( i ) T 2 ( i 1 ) K 2 e( i ) P11 ( i 1 ) P11 ( i ) (15) L21 E 1 E P12 ( i 1 ) P12 ( i ) L1 L2 E 1 E P21 ( i 1 ) P21 ( i ) L1 L2 E 1 . (16) E P22 ( i 1 ) P22 ( i ) L22 E 1 E Na podstawie modelu wyznacza siĊ sterowanie optymalne dla kolejnego kroku czasowego: x( i 1 ) T1( i ) ] RND 0.5 . 2 T 2 ( i ) 330 (17) A. Maáek, M. Wendeker Wydatek powietrza, Wpow, wlot [l/min] SzybkoĞü odnajdowania wartoĞci optymalnej wspóáczynnika O zaleĪy równieĪ od wspóáczynnika szybkoĞci uczenia siĊ E , który charakteryzuje pracĊ algorytmu adaptacyjnego – rysunek 8. WartoĞü wspóáczynnika E ma ogromny wpáyw na wáaĞciwoĞci regulatora a tym samym na jakoĞü regulacji. Dla maáej wartoĞci E algorytm regulacji dziaáa bardzo „nerwowo”, jednak czas potrzebny do odnalezienia optimum jest bardzo krótki. Praca ukáadu z wiĊkszymi wspóáczynnikami E charakteryzuje siĊ wiĊkszą stabilnoĞcią i odpornoĞcią na wszelkiego rodzaju zakáócenia w stanach ustalonym. W stanach dynamicznych algorytmy te są wolniejsze co skutkuje dáuĪszym okresem osiągania stabilizacji. 100 5A E=0.65 E=0.70 E=0.75 E=0.80 E=0.85 E=0.90 E=0.95 80 60 40 20 0 0 100 200 300 400 500 600 Czas [s] Rys. 8. Wpáyw wspóáczynnika E na szybkoĞü regulacji Fig. 8. Relationship between E and speed of the controller’s response 6. Wnioski Badania potwierdziáy moĪliwoĞü zastosowania sterowania ekstremalnego do odnajdywania punktów pracy ogniwa paliwowego z maksymalną mocą netto. Algorytm zawierający funkcjĊ adaptacji byá w stanie zrealizowaü postawiony cel sterowania. JeĪeli algorytm adaptacyjny w swojej podstawowej formie jest w stanie uczyü siĊ i realizowaü postawiony cel sterowania to dalsza heurystyczna rozbudowa algorytmu moĪe tylko poprawiü jego dziaáanie. Dalsze moĪliwoĞci rozwoju stoją przed algorytmem adaptacyjnym, który wykorzystuje informacje a’priori o charakterystyce obiektu sterowania. DziĊki temu w kaĪdej chwili aktualny punkt pracy moĪe byü szybko na niej zlokalizowany. MoĪe to byü wykorzystane przy zastosowaniu metodologii sterowania wykorzystującej charakterystyki startowe. Literatura: [1] Bubnicki, Z., Teoria i algorytmy sterowania, Wydawnictwo Naukowe PWN, Warszawa 2002. [2] Wellstead, P. E., Scotson, P .G., Self-tuning extremum control IEE Proceedings, Vol. 137, Pt. D, No. 3, MAY 1990. [3] Wendeker, M., Taccani, R., Maáek, A., Czarnigowski, J., Adaptive control of the fuel cell system, International Conference HYPOTHESIS V, Porto Conte, Sardynia, Wáochy 7-10 wrzeĞnia 2003. 332