【】本发明涉及电池管理，尤其涉及一种燃料电池的参数辨识方法及相关设备。
背景技术
0、
背景技术：
1、随着全球高速发展，大量消耗化石能源造成的环境污染问题日趋严重。近年来，以风、光和燃料电池为代表的新能源发电技术得到世界各国政府及研究学者的广泛关注。其中，固体氧化物燃料电池(solid oxide fuel cell，sofc)由于转换效率高、运行可靠、无污染物排放、模块化、低噪声等特点成为具有广阔前景的绿色发电技术之一。当前，sofc模型已经被应用在船舶、电动汽车、便携式电源、分布式发电等领域，促进sofc模型的系统建模、参数辨识、故障诊断等相关研究的迅速发展。精确可靠的sofc模型对仿真分析、优化控制以及行为预测具有重要意义，同时能够减少研究成本、改善研究手段、缩短研究周期。
2、然而，由于sofc模型参数辨识问题的复杂性，现有算法并未能稳定、精确、的获得局部最优解，因此往往需要耗费大量的时间和计算成本进行多次的计算，才能获得较合适的参数。
技术实现思路
0、
技术实现要素：
1、有鉴于此，本发明提供一种燃料电池的参数辨识方法及相关设备。
2、本发明第一实施例的具体技术方案为：一种燃料电池的参数辨识方法，所述方法包括：根据燃料电池的可逆电动势、活性极化电压损耗、电阻电压损耗和浓差极化电压损耗构建所述燃料电池输出电压的电化学模型；利用预设的适应度函数和蛇优化算法对所述电化学模型的参数进行辨识，获得所述燃料电池的目标参数；所述目标参数包括目标可逆电动势、目标塔菲尔曲线斜率、目标比例系数、目标阳极交换电流密度、目标阴极交换电流密度目标和极限电流密度。
3、优选的，所述利用预设的适应度函数和蛇优化算法对所述电化学模型的参数进行辨识，获得所述燃料电池的目标参数，包括：利用蛇优化算法对所述电化学模型的参数进行辨识，获得所述所述燃料电池的第一参数；所述第一参数包括第一可逆电动势、第一塔菲尔曲线斜率、第一极限电流密度、第一阳极交换电流密度、第一阴极交换电流密度和第一极限电流密度；利用所述第一参数、所述适应度函数和所述蛇优化算法获得所述燃料电池的目标参数。
4、优选的，所述利用所述第一参数、所述适应度函数和所述蛇优化算法获得所述燃料电池的目标参数，包括：利用所述第一参数和所述适应度函数获得适应度值；利用所述适应度值和所述蛇优化算法对所述电化学模型的参数进行迭代辨识，获得所述燃料电池的目标参数。
5、优选的，所述利用所述适应度值和所述蛇优化算法对所述电化学模型的参数进行迭代辨识，获得所述燃料电池的目标参数，包括：利用所述适应度值和所述蛇优化算法对所述电化学模型的参数进行辨识，获得第二参数；所述第二参数包括第二可逆电动势、第二塔菲尔曲线斜率、第二极限电流密度、第二阳极交换电流密度、第二阴极交换电流密度和第二极限电流密度；获取当前所述电化学模型利用蛇优化算法进行参数辨识的次数；若所述参数辨识的次数小于预设迭代次数，则将所述第二参数作为所述第一参数，返回所述利用所述第一参数和所述适应度函数获得适应度值的步骤，直至所述辨识的次数等于所述预设迭代次数，获得所述燃料电池的目标参数。
6、优选的，所述电化学模型采用如下公式获得：
7、ucell＝ncell(eo-uact-uohm-ucon)
8、其中，ucell为所述输出电压，ncell为单体燃料电池串联个数，eo为所述可逆电动势，uact为所述活性极化电压损耗，uohm为所述电阻电压损耗，ucon为所述浓差极化电压损耗。
9、优选的，所述活性极化电压损耗、所述电阻电压损耗、所述浓差极化电压损耗采用如下公式获得：
10、
11、uohm＝riload
12、
13、其中，uact为所述活性极化电压损耗，a为塔菲尔曲线斜率，iload为负载电流密度，ia0为阳极交换电流密度，ico为阴极交换电流密度，uohm为所述电阻电压损耗，r为燃料电池的等效内阻，ucon为所述浓差极化电压损耗，b为比例系数，il为极限电流密度；
14、则所述电化学模型采用如下公式获得：
15、
16、优选的，所述预设的适应度函数采用如下公式获得：
17、
18、其中，ermse(x)为所述预设的适应度函数，x为目标参数中任意一个参数，k为实验室中燃料电池在不同电流密度条件下的输出电压的实验数据集的大小；ik是实验数据集中第k个电流密度；ve，k为实验数据集中第k个输出电压，vm，k为ik对应的模型电压。
19、本发明第二实施例的具体技术方案为：一种燃料电池的参数辨识系统，所述系统包括：模型构建模块和参数输出模块；所述模型构建模块用于根据燃料电池的可逆电动势、活性极化电压损耗、电阻电压损耗和浓差极化电压损耗构建所述燃料电池输出电压的电化学模型；所述参数输出模块用于利用预设的适应度函数和蛇优化算法对所述电化学模型的参数进行辨识，获得所述燃料电池的目标参数；所述目标参数包括目标可逆电动势、目标塔菲尔曲线斜率、目标比例系数、目标阳极交换电流密度、目标阴极交换电流密度目标和极限电流密度。
20、本发明第三实施例的具体技术方案为：一种燃料电池的参数辨识设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如本申请第一实施例中任一项所述方法的步骤。
21、本发明第四实施例的具体技术方案为：一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如本申请第一实施例中任一项所述方法的步骤。
22、实施本发明实施例，将具有如下有益效果：
23、本发明根据燃料电池的可逆电动势、活性极化电压损耗、电阻电压损耗和浓差极化电压损耗构建燃料电池输出电压的电化学模型；利用预设的适应度函数和蛇优化算法对电化学模型的参数进行辨识，获得燃料电池的目标参数。蛇优化算法具备具有较强的鲁棒性和全局优化搜索能力，能有效提高参数辨识的稳定性和可靠性，同时设置适应度函数对参数进行优化，从而提高参数辨识的准确性，以降低计算时所耗费的时间和成本。
1.一种燃料电池的参数辨识方法，其特征在于，所述方法包括：
2.如权利要求1所述的燃料电池的参数辨识方法，其特征在于，所述利用预设的适应度函数和蛇优化算法对所述电化学模型的参数进行辨识，获得所述燃料电池的目标参数，包括：
3.如权利要求2所述的燃料电池的参数辨识方法，其特征在于，所述利用所述第一参数、所述适应度函数和所述蛇优化算法获得所述燃料电池的目标参数，包括：
4.如权利要求3所述的燃料电池的参数辨识方法，其特征在于，所述利用所述适应度值和所述蛇优化算法对所述电化学模型的参数进行迭代辨识，获得所述燃料电池的目标参数，包括：
5.如权利要求1所述的燃料电池的参数辨识方法，其特征在于，所述电化学模型采用如下公式获得：
6.如权利要求1所述的燃料电池的参数辨识方法，其特征在于，所述活性极化电压损耗、所述电阻电压损耗、所述浓差极化电压损耗采用如下公式获得：
7.如权利要求1所述的燃料电池的参数辨识方法，其特征在于，所述预设的适应度函数采用如下公式获得：
8.一种燃料电池的参数辨识系统，其特征在于，所述系统包括：模型构建模块和参数输出模块；
9.一种燃料电池的参数辨识设备，包括存储器和处理器，其特征在于，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
