基于RBF神經網絡的PEMFC變換器控制策略研究

李龍剛

摘 要： 為實現對PEMFC前級升壓變換器非線性輸出電壓的穩定控制，改善系統輸出性能，根據PEMFC輸出特性將RBF神經網絡與傳統PID控制器結合，設計了一種基于RBF神經網絡PID自適應控制的Boost變換器。MATLAB/Simulink軟件仿真測試表明，當負載發生變化PEMFC電堆輸出電壓不穩定時，所設計的控制器能夠將變換器輸出電壓快速平滑地過渡到300 V設定值。通過與傳統PID控制器進行對比，自適應PID控制器能更好地抑制變換器輸出電壓的振蕩幅度，取得了更好的控制效果。

關鍵詞： 質子交換膜燃料電池; Boost變換器; RBF神經網絡; 控制策略

中圖分類號： TM911.4 ? ? ?文獻標志碼： A

Research on Control Strategy of PEMFC Converter

Based on RBF Neural Network

LI Longgang

（College of Electrical Engineering， Qingdao University， Qingdao 266071）

Abstract： In order to stabilize the nonlinear output voltage of PEMFC front-stage booster converter and improve the system output performance， according to PEMFC output characteristics，RBF neural network is combined with traditional PID controller to design a boost converter based on RBF neural network and PID adaptive control. MATLAB/Simulink software simulation test shows when the load changes and the output voltage of the stack is unstable， the PID adaptive controller can quickly and smoothly transfer the output voltage of the converter to the set value of 300V. Compared with the traditional PID controller， the adaptive PID controller can suppress the oscillation amplitude of the output voltage of the converter better and achieve better control effect.

Key words： Proton exchange membrane fuel cell; Boost converter; RBF neural network; Control strategy

0 引言

質子交換膜燃料電池（Proton exchange membrane fuel cell， PEMFC）作為新能源發電中一種典型的分布式電源，具有工作溫度低、對環境污染小、能量轉化率高等特點，同時適合于作為移動電源，是燃料電池電動汽車和無人機的理想能源之一，應用前景廣闊[1]。但燃料電池由于受到多種因素影響，使其成為一個高度非線性、強耦合的復雜系統。當負載、氫氧濃度以及溫度等影響因素發生變化時，電堆輸出電壓會產生波動，無法直接對負載供電，為了保證燃料電池供電系統穩定運行，因此合理地設計PEMFC前級DC/DC變換器就具有重要的意義。

目前，關于變換器控制策略方面的研究也已有許多文獻。文獻[2]提出了一種用于Buck變換器的自適應滯環滑?？刂品椒?，使變換器能夠在更大的工作范圍內獲得更好的調節性能。文獻[3]提出了一種輸出并聯雙有源全橋DC-DC變換器虛擬功率均衡控制方法，提高了變換器對于負載突變和輸入電壓突變時的響應速度。文獻[4]設計了一種基于李導數的自適應任意階滑?？刂破?，并通過仿真驗證了其有效性，但該任意階滑?？刂破鞅仨毚_定系統不確定函數的界，使系統最終完全收斂。以上文獻只是單一地針對具體的開關變換器進行研究?？紤]到PEMFC供電系統中變換器前級分布式電源具有隨機性、間接性等特點，因此在研究變換器控制策略時應考慮PEMFC本身輸出特性對系統控制的影響，將分布式電源和變換器結合起來進行研究。針對PEMFC電堆輸出電壓穩定性較差的特點，依據RBF神經網絡原理，設計了基于RBF神經網絡PID自適應控制的PEMFC-Boost變換器。通過仿真測試表明，在負載發生變化時所設計的變換器能夠將變換器輸出電壓快速平滑地過渡到300 V設定值。通過對比，自適應PID控制器比傳統PID控制器能更好地抑制變換器輸出電壓的振蕩幅度，取得了更好的控制效果。

1 RBF神經網絡結構

神經網絡擁有逼近任意非線性函數的能力，在控制領域得到越來越多的關注。目前應用比較普遍的神經網絡主要有BP神經網絡和RBF神經網絡[5]，BP神經網絡對于每一個輸入樣本要調整網絡全部權值，算法存在收斂速度緩慢，容易陷入局部極小等缺陷;而RBF網絡的每個隱含層神經元傳遞函數都構成了擬合平面的基函數，是一種局部逼近網絡，只有部分權值影響網絡輸出，提高了訓練速度，可以有效避免陷入局部極小值，具有更強的生命力。RBF神經網絡由輸入層、隱含層和輸出層組成，其中輸入層與隱含層之間無權值連接，能夠直接把輸入向量傳遞到隱含層;隱含層作用是對從輸入空間到隱空間進行非線性變換;對隱含層的輸出結果進行線性加權求和便得到神經網絡的輸出。