首页 / 专利库 / 太阳能 / 最大功率点跟踪 / 一种微生物燃料电池的粒子群最大功率跟踪方法

一种生物燃料电池的粒子群最大功率跟踪方法

阅读:816发布:2020-05-08

专利汇可以提供一种生物燃料电池的粒子群最大功率跟踪方法专利检索,专利查询,专利分析的服务。并且一种 微 生物 燃料 电池 的粒子群最大功率 跟踪 方法,涉及一种 燃料电池 功率跟踪方法,所述方法包括以下过程:1)以双反应室 微 生物燃料 电池 作为控制对象,对象模型采用微生物燃料电池电化学模型,优化目标函数为燃料电池输出功率 密度 ,该功率密度受 阳极 室 和 阴极 室 污 水 流量Qa和Qc控制,将两者作为控制变量,负载 电阻 Rex为扰动变量;2)在负载 波动 的情况下,基于粒子群 算法 的最大功率跟踪程序,实现最优化运算,依据计算结果调整阳极室和阴极室污水流量Qa和Qc,保证燃料电池维持最大输出功率;通过该方法能够在负荷变化情况下实现微生物燃料电池最大功率跟踪。,下面是一种生物燃料电池的粒子群最大功率跟踪方法专利的具体信息内容。

1.一种生物燃料电池的粒子群最大功率跟踪方法,其特征在于,所述方法包括以下过程:
1)以双反应室生物燃料电池作为控制对象,对象模型采用微生物燃料电池电化学模型,优化目标函数为燃料电池输出功率密度,该功率密度受阳极室和阴极室污流量Qa和Qc控制,将两者作为控制变量,负载电阻Rex为扰动变量;
2)在负载波动的情况下,基于粒子群算法的最大功率跟踪程序,实现最优化运算,依据计算结果调整阳极室和阴极室污水流量Qa和Qc,保证燃料电池维持最大输出功率。
2.根据权利要求1所述的一种微生物燃料电池的粒子群最大功率跟踪方法,其特征在于,所述优化的目标函数为燃料电池的输出功率密度,在此目标函数中,电池的尺寸和参数均设定为常数,且由于微生物燃料电池作为原料的污水,需经过进水、混合、曝气、沉降、排放和空置等阶段的预处理,其成分在发电过程中基本保持固定,因此可以假定阳极和阴极的电荷转移系数、醋酸盐和气浓度、生物量浓度等均为定值。
3.根据权利要求1所述的一种微生物燃料电池的粒子群最大功率跟踪方法,其特征在于,所述方法采用粒子群算法作为优化方法,以阳极室和阴极室污水流量Qa和Qc作为自变量,即粒子,指定粒子群规模,在修正全部粒子速度与位置的同时,寻找并记录最大适应值所在位置,搜索实现最大功率输出的工作点,并计算最大输出功率。

说明书全文

一种生物燃料电池的粒子群最大功率跟踪方法

技术领域

[0001] 本发明涉及一种燃料电池功率跟踪方法,特别是涉及一种生物燃料电池的粒子群最大功率跟踪方法。

背景技术

[0002] 微生物燃料电池能够在实现污发电 ,实现清洁能源的同时,对污水中的微生物进行分解和净化,有较大的发展空间。但微生物燃料电池的输出电压和输出功率,受负载波动的影响都较大,为了充分利用电池系统的产电效能,将电池控制在最大功率输出状态具有实际意义。
[0003] 目前常用的最大功率跟踪算法包括扰动观察法、增量电导法、梯度法、多元优化法等多种方法。而粒子群算法是近年来广泛应用的优化方法,在新能源技术中,多用于光伏发电的功率优化。

发明内容

[0004] 本发明的目的在于提供一种微生物燃料电池的粒子群最大功率跟踪方法,该方法包括微生物燃料电池输出功率优化的目标函数建立,控制变量,状态变量设置,粒子群算法应用于最大功率优化的算法和流程设计。通过该算法能够在负荷变化情况下实现微生物燃料电池最大功率跟踪。
[0005] 本发明的目的是通过以下技术方案实现的:一种微生物燃料电池的粒子群最大功率跟踪方法,所述方法包括以下过程:
1)以双反应室微生物燃料电池作为控制对象,对象模型采用微生物燃料电池电化学模型,优化目标函数为燃料电池输出功率密度,该功率密度受阳极室和阴极室污水流量Qa和Qc控制,将两者作为控制变量,负载电阻Rex为扰动变量;
2)在负载波动的情况下,基于粒子群算法的最大功率跟踪程序,实现最优化运算,依据计算结果调整阳极室和阴极室污水流量Qa和Qc,保证燃料电池维持最大输出功率;
所述的一种微生物燃料电池的粒子群最大功率跟踪方法,所述优化的目标函数为燃料电池的输出功率密度,在此目标函数中,电池的尺寸和参数均设定为常数,且由于微生物燃料电池作为原料的污水,需经过进水、混合、曝气、沉降、排放和空置等阶段的预处理,其成分在发电过程中基本保持固定,因此可以假定阳极和阴极的电荷转移系数、醋酸盐和气浓度、生物量浓度等均为定值。
[0006] 所述的一种微生物燃料电池的粒子群最大功率跟踪方法,所述方法采用粒子群算法作为优化方法,以阳极室和阴极室污水流量Qa和Qc作为自变量,即粒子,指定粒子群规模,在修正全部粒子速度与位置的同时,寻找并记录最大适应值所在位置,搜索实现最大功率输出的工作点,并计算最大输出功率。
[0007] 本发明的优点与效果是:本发明基于粒子群算法的最大功率跟踪程序,实现最优化运算,依据计算结果调整阳极室和阴极室污水流量Qa和Qc,保证燃料电池维持最大输出功率;通过该方法能够在负荷变化情况下实现微生物燃料电池最大功率跟踪。
附图说明
[0008] 图1是该燃料电池粒子群算法最大功率跟踪方法的流程图

具体实施方式

[0009] 下面结合附图所示实施例对本发明进行详细说明。
[0010] 本发明以双反应室微生物燃料电池作为控制对象,对象模型采用微生物燃料电池的电化学模型。优化的目标函数为燃料电池的输出功率密度,在此目标函数中,电池的尺寸和参数均设定为常数,且由于微生物燃料电池作为原料的污水,需经过进水、混合、曝气、沉降、排放和空置等阶段的预处理,其成分在发电过程中基本保持固定,因此可以假定阳极和阴极的电荷转移系数、醋酸盐和氧气浓度、生物量浓度等均为定值。
[0011] 燃料电池的阳极室和阴极室污水流量Qa和Qc,作为可控参数,是电池发电过程中主要的控制变量。在负载波动的情况下,电池的输出功率会随负载波动,偏离最大输出功率状态。本方法采用粒子群算法作为优化方法,以阳极室和阴极室污水流量Qa和Qc作为自变量,即粒子,指定粒子群规模,在修正全部粒子速度与位置的同时,寻找并记录最大适应值所在位置,搜索实现最大功率输出的工作点,并计算最大输出功率。
[0012] 实施例1本发明的算法设粒子群的维数为2,分别为控制变量为Qa和Qc,粒子群规模为30,全部粒子的初始位置均为随机函数确定,并限制在该电池参数的合理范围之内。在对每个微粒位置计算适应值,即目标函数值后,和记录的最优适应值相比较,若该适应值优于最佳适应值,则用该微粒位置取代所记录的最佳位置。同时计算微粒的速度,并更新所有微粒的位置。运行速度和位置更新参见式1和式2。
[0013] (式1)(式2)
其中V表示速度,P表示位置,Pbest表示最佳位置,w为权值,c和r分别为学习因子,下标i,j分别表示维数和粒子标号。
[0014] 适应值,即目标函数由电压、电流计算所得,本实例中电压、电流采用了由微生物燃料电池电化学模型总结出的微分方程组所得。
[0015] 在经过反复迭代后,全部粒子群将集中到最优位置附近。优化流程见图1。
[0016] 。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈