郑先娜 林瑞全

（福州大学电气工程与自动化学院，福州 350116）

质子交换膜燃料电池控制策略综述

郑先娜 林瑞全

（福州大学电气工程与自动化学院，福州 350116）

本文简单介绍了质子交换燃料电池的工作原理，分析了影响其工作性能的重要因素，对目前质子交换膜燃料电池控制方法的国内外研究现状进行综述，并结合当前研究现状，对质子交换膜燃料电池系统控制今后的发展方向进行了展望。

质子交换膜燃料电池；控制策略；综述

质子交换膜燃料电池也称作高分子电解质燃料电池（proton exchange membrane fuel cell, PEMFC），PEMFC是燃料电池中最典型的一种，具有工作温度低、启动迅速、过载能力大、能量转化效率高、环境友好、能量密度高、可靠性高等特点，是一种应用前景广阔的新能源发电装置。目前，PEMFC广泛应用于移动电源、家用电源、电动汽车等供应系统。PEMFC的数学模型是一个高度非线性、强耦合等特点的复杂模型，很难用精确的模型对其进行描述。同时PEMFC在正常运行时会受到进气压力、温度、湿度、电流密度等多种因素的影响。因此，为了提高系统的工作性能，保持良好的运行状态，采取恰当的控制策略对其进行设计，具有重要的学术意义和实用价值。目前，国内外对 PEMFC控制技术已经开展了一定研究，各种控制方法（如传统PI控制、神经网络控制、预测控制、模糊控制、自适应模糊控制、滑模控制、鲁棒控制等）均在 PEMFC系统的研究中得到了应用，并取得一定成果。本文基于多种控制策略 PEMFC的控制问题，对当前国内外研究现状进行综述，并对 PEMFC今后发展方向进行展望。

1 PEMFC工作原理

PEMFC基本结构主要包括阴极、阳极、电解质和外电路组成，其电解质是一种固态高分子聚合物，位于阴极阳极之间，将氢气和氧气的化学能通过电极反应直接转化成电能。PEMFC结构与反应原理如图1所示。反应过程实质上可以被看成是水电解的逆过程：①阳极，在催化剂作用下，氢气分子分解成质子和电子，质子穿过质子交换膜到达阴极，在阴极催化剂层和氧分子结合生成水，并产生电能；②阴极，空气经压缩装置进入，与电子、氢离子在催化剂的作用下结合生成水。

图1 PEMFC结构与反应原理

2 PEMFC性能影响因素

2.1 温度对PEMFC性能的影响

电堆能量转换率通常在 50%～60%之间，意味着电堆在反应过程中放出大量的热，而温度变化对电池放电性能和使用寿命有很大影响。PEMFC内部正常温度应维持在65℃～85℃，温度适当升高时，会加速反应速度，降低极化电压，同时质子交换膜燃料电池的电导率也会增加，通过减少膜的欧姆极化电压提高电堆转换效率[1-3]。但是温度过高会引起高分子膜失水，降低了高分子膜的H+传导能力和热稳定性，严重时导致膜收缩破损，缩短电池的使用寿命。

影响电堆温度主要有以下两个因素：①电堆内部化学反应放热，包括电化学反应热、欧姆极化热和活化极化热等；②系统对 PEMFC电堆温度的影响，电堆温度与电堆湿度密切相关，而电堆湿度与进气空气流量两者相互影响。此外，环境温度变化和电堆负载的大小对 PEMFC电堆温度也有一定的影响[3]。

2.2 压力对PEMFC性能的影响

在质子交换膜燃料电池系统中，当其他运行条件不变时，电极内反应气体的压力越大，电池的输出性能越好：①从动力学角度分析，增大气体压力对提高交换电流密度，降低活化过电位有很大帮助；②从热力学角度分析，增大气体压力对于增大电池可逆电势，改善电池性能有很大影响；③从扩散的角度分析，增加反应气体的压力，可以加快反应气体的传质速度，增大催化层内反应物的浓度，加快正向反应，进而提高燃料电池的工作特性[3]。

因此，要想获得较高的电池功率密度，可以适当提高反应气体的压力[4-5]。考虑到增大反应气体的压力会增加电堆的密闭难度以及增大压缩系统的功耗和成本等因素，在实际工作中，PEMFC反应气体的工作压力不宜过高，一般都控制在几个大气压以内。为了保持电解质膜最佳湿度以及对生成水的排放，要求阴极反应气体的压力要等于或者稍高于阳极反应气体，并且在调节两极压力时要确保同升同降，以减少对质子膜的损害。

2.3 湿度对PEMFC性能的影响

电解质膜是 PEMFC中最关键的元件，用于传递H+，隔离电子。电解质膜中必须有足够的水分才能更好工作。当电解质膜缺水湿度下降时会减少膜的电导率，降低 PEMFC的性能，严重时将停止工作[6-7]；而水分过多时会发生水淹电极现象。因此，膜中水的含量对电池的性能有很大影响，为了保证电解质膜有一定的湿度，最常用的办法是外升温增湿的方法，利用增湿系统控制电解质膜水含量，保证PEMFC正常工作。

电解质膜湿度主要取决于反应气体带进来的水以及反应生成的水，同时，PEMFC工作温度、反应气体湿度、流量、压力、外界温度等对膜湿度都有影响。

3 PEMFC控制策略

质子交换膜燃料电池是一个多输入、多输出、不确定的非线性时变系统，受多参数的影响导致其输出特性很难控制。国内外学者，针对这一特性进行了大量研究，提出多种控制方法，从不同角度对PEMFC进行控制，以提高净输出功率。下面介绍近年来的研究进展。

3.1 传统PID控制

PID控制器是工业控制中最广泛的控制规律，因其简单易懂的特点广泛应用于控制系统。PEMFC系统的压力、温度、湿度等同样采用了PID算法进行控制。程站立[8]等采用 PID算法控制器控制电堆的输出电流。通过分析了电堆输出电流出现阶跃变化时，对电堆输出电压、输出功率以及电堆效率的影响，证明所设计的算法具有较好的鲁棒性，对改善PEMFC控制系统的性能有很大提高。Swain P[9]等，利用Matlab工具箱得到可控可观的线性化系统的状态空间矩阵，进而采用PID控制器对氢气氧气压力差进行控制，仿真实验证实所设计控制器可以使氢气氧气压力差维持在一定范围，达到控制效果。但是由于控制器的适应能力和抗干扰能力都较差，采用PID算法控制的系统容易受干扰的影响，因此不适于大扰动和对控制性能要求很高的复杂系统。由此，智能控制被逐渐广泛应用。

3.2 神经网络控制

神经网络是一个高度非线性系统，神经网络控制是一种智能控制方法，因其具有自组织、自学习、自适应能力而广泛应用于控制系统。适用于对PEMFC这种复杂系统控制分析。葛福臻[10]等针对PEMFC的湿度特性，采用模糊神经网络控制算法对加湿系统进行控制，根据进口区、中间区和出口区3个部分平均单片电压间的关系建立模糊规则，将该规则运用到神经网络结构中，通过对阳极加湿温度的控制来提高工作性能。实验数据分析表明，所设计的湿度控制系统具有较好的控制效果。R Vinu[11]等设计了电压输出反馈控制器，该控制器运用了和谐搜索算法的优化技术的神经网络前馈控制器来控制输出电压，通过比较所设计的控制器与神经网络前馈控制器的效果表明，该控制器输出结果更接近参考电压。通过评估积分平方误差，积分绝对误差和积分时间加权绝对误差来比较所设计的控制器的性能，结果表明，该控制器的系统误差值最小，性能最优。Guo Li[12]等针对温度特性，设计了一个 BP神经网络温度控制器，该控制器具有良好的控制性能，同时对模型精度要求不高，仿真结果表明该 BP神经网络温度控制系统有很好的鲁棒性和温度控制性能。

3.3 预测控制

模型预测控制采用一种择优思想，采用多步测试、滚动优化和反校正控制策略，有较好的控制效果，因此适用于复杂的且不易建立精确数学模型的系统。罗超[13]采用一种基于T-S模糊模型的预测控制算法对PEMFC的温度进行控制，运用T-S模糊建模方法把非线性系统转化成线性时变系统，实验结果证明了模糊预测控制在 PEMFC的温度控制系统中可以较好地满足系统的控制要求，证实了该算法的有效性。陈雪兰[14]从机理出发推导建立了电堆电压的半经验的稳态模型。考虑燃料电池空气进气系统的非线性和约束，提出了基于线性变参数模型的预测控制（LPV-MPC）算法。针对状态不可测问题，在LPV-MPC算法中加入Kalman滤波，并通过可观性分析确定了需要测量的变量。通过与线性MPC和基于机理模型的非线性预测控制（NMPC）对比，验证了在燃料电池负载大范围变化时该算法的有效性和可行性。简弃非[15]等针对一辆小型燃料电池电动车的2kW质子交换膜燃料电池动力系统，利用遗传算法优化的 BP神经网络建立其电压输出特性模型，将 PEMFC部分实测数据作为遗传算法优化的 BP神经网络的训练样本对其进行训练，利用训练好的神经网络对电堆电压输出特性进行预测，并与实验数据进行对比，结果显示：网络预测的输出电压与实测输出电压之间的最大相对误差均保持在4%之内。

Costa Lopes F D[16]等为了实现燃料电池最大效率运行，设计了一种预测电压控制器，采用了非线性自回归与外部输入和非线性输出误差神经网络的系统识别建模方法，获得面向预测控制系统的PEMFC堆栈的黑盒模型。实验数据表明，所设计的控制器能准确预测电压，并且可实现实时预测。

3.4 自适应控制

自适应控制与常规的反馈控制和最优控制区别在于自适应控制依据的先验知识比较少，而是依据从系统运行中提取出的不断更新的数据。吕学勤[17]等针对 PEMFC的时变、非线性及不确定性导致其输出动态特性难以控制的问题，设计了以 PEMFC系统的神经网络模型作为预测模型具有实时控制的自适应预测控制器。结果表明所设计的自适应控制器具有较强的鲁棒性，较强的学习能力，控制精度高，并具有自适应能力，对 PEMFC的输出动态特性的稳定性具有较好的控制效果。L Xueqin[18]等考虑 PEMFC的输出电压经常受时变性能、非线性性能和不确定性的影响。导致其动态输出无法控制。设计了基于自适应预测控制的控制器。在控制过程中，通过将负反馈控制引入自适应模型和预测控制的前端，提高系统的控制精度和响应速度。仿真结果表明，自适应预测控制器具有适应能力强，鲁棒性强，学习能力强，控制精度高，对质子交换膜燃料电池输出特性的动态稳定性具有完美的控制作用。M Karimi[19]等针对PEMFC的模型不确定的非线性和因变量问题，采用了自适应神经模糊推理系统对 PEMFC堆栈的动态电压进行建模，经过一系列实验数据的训练，结果表明，自适应神经模糊推理系统的输出与实际工厂以及物理模型之间达到很好的一致性，该模型可用于预测系统的动态行为。

3.5 滑模控制

滑模控制具有强鲁棒性、响应速度快、对系统的数学模型精度要求不高、对参数摄动及外部扰动不敏感、易于实现、计算机实现简单等优点。SM Rakhtala[20]设计了一个高阶滑模观测器，用来提供不可测状态下的过氧比，通过应用二阶滑模通过超扭转和次优控制器来控制质子交换膜燃料电池的呼吸。结果验证所设计的控制器有较好的跟踪性能。Z Baroud[21]等提出了一种质子交换膜燃料电池空气供应子系统的滑模控制器，以便在负载发生变化时调节和补充燃料电池阴极消耗的氧气量。根据电堆电流，通过氧过比稳态分析得到空气流量的参考值。为了确保系统工作在过氧比的参考值，提出了滑模控制通过调节空气压缩机电压控制空气流量。仿真结果表明，该控制方法有较好的抗干扰性动和抑制不确定性。A. Pilloni[22]等注意到氧气过量比不应简单地控制在 2，并基于观测器输出反馈控制，提出一种滑模控制方法来获取一个合适的氧气过量比常数，然而这个常数并非燃料电池系统净功率最高对应的值，因为他没有考虑空气压缩机等附属设备的耗能。S Laghrouche[23]等提出了高分子电解质膜燃料电池供气系统的基于 Lyapunov的鲁棒和自适应高阶滑模（HOSM）控制器，这是一种具有有界不确定性的非线性单输入单输出系统。首次提出了一个以 Lyapunov为基础比较完整的适应性任意的高阶滑模控制。通过比较证明该控制器有较好的性能。

3.6 鲁棒控制

鲁棒性是指控制系统的结构参数在一定范围内发生摄动，仍能满足某些性能指标。近年来设计鲁棒控制器成为国内外科研人员研究课题。Wang F C[24]等设计了质子交换膜燃料电池系统的鲁棒控制器，旨在将同一控制器用在不同模型中。实验结果证实，所设计的鲁棒控制器可以直接在不同的PEMFC模块上实现，同时可以将氢效率提高1.4%，并将PEMFC电压的均方根误差降低约93%，实现了在工业应用生产线上对所有 PEMFC模块应用一般控制器。Yang B[25]等期望以最佳氧过量比实现期望的净输出功率的精确跟踪，提出了一种用于质子交换膜燃料电池输出功率跟踪问题的级联控制器，该控制器由多输入多输出鲁棒非线性非交互（RNNI）控制器和非线性扰动解耦结构组成的控制结构。仿真结果表明，通过两个性能指标良好的解耦可以获得良好的跟踪性能，此外，可以通过非线性补偿器抵消参数不确定性的影响。A Mohammadi[26]等针对 PEMFC模型动态响应慢以及模型复杂问题提出了一种基于信号的 PEMFC鲁棒模型，将实验结果与不同种车型进行对比，验证该模型的可靠性同时具备很好的鲁棒性。

3.7 模糊控制

模糊控制属于智能控制，实质上是一种非线性控制。模糊控制最主要特点之一是将系统化理论与实际应用背景相结合。郑维[27]等在换热器的控制中引入模糊控制，并运用Matlab模糊逻辑工具箱对模糊推理系统进行设计。运用Simulink设计模糊PID控制器，并进行仿真，得出引入模糊控制后系统的阶跃响应曲线。结果表明模糊PID控制与传统PID控制相比，超调更小，精度更高，稳定速度更快，可以达到预期的恒温输出，有效提高换热率，减少能量损失。胡鹏[28]等建立了基于控制的 PEMFC的温度机理动态模型，并根据所建立的温度模型和控制经验规则设计带积分环节的 PEMFC温度二维增量模糊控制器。结果证明，该模型能模拟 PEMFC的动态特性，并且当 PEMFC温度控制在理想工作范围内，所设计的控制器可用于对 PEMFC进行温度实时控制，具有较强的鲁棒性。Li[29]等提出了模糊滑模控制器控制 PEMFC堆栈的供气流量，该控制器具有良好鲁棒性，模糊滑模控制器是在传统的滑模控制器中嵌入了一个模糊逻辑推理机制，产生了一个平滑控制。结果表明，该模糊滑膜控制器消除了传统滑膜控制器的抖动现象。通过比较证明，模糊滑膜控制器很好地提高了 PEMFC控制性能。樊立萍[30]等建立了质子交换膜燃料电池数学模型，针对恒功率燃料电池设计了自适应模糊控制器。实验证明，所设计的控制器可以实现 PEMFC恒功率输出。

4 结论

本文介绍了质子交换膜燃料电池系统的工作原理、结构，分析了影响性能几种重要因素，对当前国内外学者采用的控制策略进行综述。当前PEMFC的控制方法基本都是针对影响 PEMFC性能的单方面因素进行研究，虽然能达到相应的控制效果，但是在设计过程通常假设其他因素恒定或者进行了理想化假设，而忽略了变量间的相互耦合关系，所以，今后设计中应同时考虑多种因素对系统进行控制，实现整个系统的最优控制。

同时，大多数学者对 PEMFC的研究都是针对连续系统模型进行控制，很少考虑离散系统以及后期信号的采集问题。随着计算机技术的飞速发展，工业自动化领域对其需求日益增加，实现 PEMFC数字化控制将成为今后研究的一个热点，因此，有效解决快速采样时的 PEMFC数字化控制问题将是今后研究的一个方向。

[1] 王世学, 齐贺. 加湿温度对燃料电池性能影响的实验研究[J]. 浙江大学学报(工学版), 2015, 49(11):2193-2197, 2213.

[2] 冯飞, 宋凯, 逯仁贵, 等. 磷酸铁锂电池组均衡控制策略及荷电状态估计算法[J]. 电工技术学报, 2015,30(1): 22-29.

[3] 刘旭, 白焰, 刘鹤. 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.

[4] 刘鹤. 质子交换膜燃料电池的建模与仿真[D]. 北京:华北电力大学, 2012.

[5] 皇甫宜耿, 石麒, 李玉忍. 质子交换膜燃料电池系统建模仿真与控制[J]. 西北工业大学学报, 2015(4):682-687.

[6] 彭跃进, 张国瑞, 王勇, 等. 阴、阳极加湿对质子交换膜燃料电池性能影响的差异性[J]. 电工技术学报,2017, 32(4): 196-203.

[7] 王旭峰, 董旭, 杨振国, 等. 具有再生反馈能力的可控直流负载研究[J]. 电气技术, 2014, 15(1): 34-37.

[8] 程站立, 陈维荣, 邓美玉, 等. PEMFC的动态特性分析及其PID控制[J]. 电源技术, 2010, 34(4): 338-341.

[9] Swain P, Jena D. PID control design for the pressure regulation of PEM fuel cell[C]//International Conference on Recent Developments in Control,Automation and Power Engineering. IEEE, 2015:286-291.

[10] 葛福臻. 质子交换膜燃料电池湿度控制系统研究[D].武汉: 武汉理工大学, 2015.

[11] Vinu R, Varghese P. Robust optimized artificial neural network based PEM fuelcell voltage tracking[J]. 2016.

[12] GuoL, Yang L. Temperature control of PEMFC stack based on BP neural network. 4th international conference on machinery[C]//Materials and Computing Technology. February 2016

[13] 罗超. 模糊预测控制在PEMFC温度控制系统中的应用研究[D]. 武汉: 武汉理工大学, 2011.

[14] 陈雪兰. 燃料电池系统建模与控制研究[D]. 杭州:浙江大学, 2013.

[15] 简弃非, 吴昊. 基于遗传算法优化的BP神经网络的PEMFC动态特性仿真研究[J]. 江西师范大学学报(自然科学版), 2015(3): 221-229.

[16] Costa L D, Watanabe E H, Rolim L B. A controloriented model of a PEM fuel cell stack based on NARX and NOE neural networks[J]. IEEE Transactions on Industrial Electronics, 2015, 62(8): 1-1.

[17] 吕学勤, 段利伟, 姜英杰. 基于自适应预测控制的PEMFC动态特性研究[J]. 农业机械学报, 2015,46(5): 350-356.

[18] Xueqin L, Duan L, Jiang Y. Dynamic behaviors of PEMFC based on adaptive prediction control[J].Transactions of the Chinese Society of Agricultural Machinery, 2015, 46(5): 350-356.

[19] Karimi, Milad, Rezazadeh, et al. Dynamic modelling of PEMFC by adaptive Neuro-Fuzzy inference system[Z]. 2016: 289-301.

[20] Rakhtala S M, Noei A R, Ghaderi R A. Control of Oxygen excess ratio in a PEM fuel cell system using high-order sliding-mode controller and observer[J].Turkish Journal of Electrical Engineering and Computer Sciences, 2015, 23(1): 255-278.

[21] Baroud Z, Benmiloud M, Benalia A. Sliding mode controller for breathing subsystem on a PEM fuel cell system[C]//International Conference on Control,Engineering & Information Technology. IEEE, 2015:1-6.

[22] A Pilloni A P, Usai E. Observer based air excess ratio control ofa PEM fuel cellsystem via high order sliding mode[J]. IEEE Transactions on Industrial Electronics,2015, 62(8): 5236-5246.

[23] Laghrouche S, Harmouche M, Ahmed F S. Control of PEMFC Air-Feed system using Lyapunov-Based robust and adaptive higher order sliding mode control[J]. IEEE Transactions on Control Systems Technology, 2015, 23(4): 1594-1601.

[24] Wang Fucheng, Guo Yifu. Robustness analyses of PEMFC systems on the production line[J]. International Journal of Hydrogen Energy, 2015, 40(4):1959-1966.

[25] Yang B, Rajashekara K, Li Y. Nonlinear tracking control of output power for PEMFC systems[C]//American Control Conference. IEEE, 2016: 6809-6814.

[26] Mohammadi A, Ibrahim M, Djerdir A. Robust model of PEMFC for mobypost electric vehicles[C]//Icrerga 2016, from-10 February 2016 Belfort, France, 2016.

[27] 郑维, 李松泽, 刘自然. 压缩空气储能发电回热系统的模糊控制研究[J]. 电气技术, 2016, 17(5):63-67.

[28] 胡鹏, 曹广益, 朱新坚, 等. 质子交换膜燃料电池温度模型与模糊控制[J]. 控制理论与应用, 2011, 28(10):1371-1376.

[29] Li C H, Sun Z H, Wang Y L, et al. Fuzzy sliding mode control of air supply flow of a PEM fuel cell system[J].Lecture Notes in Electrical Engineering, 2014, 238:933-942.

[30] 樊立萍, 李崇, 张君, 等. 质子交换膜燃料电池的自适应模糊恒功率控制[J]. 可再生能源, 2013, 31(2):75-79.

Summarization of Control Strategy for Proton Exchange Membrane Fuel Cell

Zheng Xianna Lin Ruiquan
(Electrical Engineering and Automation, Fuzhou University, Fuzhou 350116)

This paper briefly introduces the working principle of proton exchange membrane fuel cell (PEMFC), and analyzes the factors that effectits performance. Then sums upthe current study methods in domestic and foreign. Finally, the direction of PEMFC control strategy was prospect based on the research status in current.

proton exchange membrane fuel cell; control strategy; summary

福建省科技重点项目（2014H0022）

郑先娜（1991-），女，福州大学在读硕士研究生，研究方向为燃料电池建模与控制。