为保证燃料电池系统在负载工况变化条件下仍能无扰动地运行在最大效率点,提出一种基于遗忘因子递推最小二乘(forgetting factor recursive least square,FFRLS)在线辨识和Super-Twisting滑模算法的燃料电池系统实时最大效率跟踪方法。...为保证燃料电池系统在负载工况变化条件下仍能无扰动地运行在最大效率点,提出一种基于遗忘因子递推最小二乘(forgetting factor recursive least square,FFRLS)在线辨识和Super-Twisting滑模算法的燃料电池系统实时最大效率跟踪方法。该方法基于非线性曲线拟合原理,根据系统实时测量数据,在单位控制周期内实现对燃料电池最大效率点功率的实时估计。采用Super-Twisting滑模算法,保证燃料电池系统在负载工况变化情况下仍能运行在最大效率点。在搭建的测试平台上,开展了多指标性能测试与对比分析。实验结果表明,与扰动观测(perturb and observe,P&O)算法相比,所提出的方法优势更加明显。另外,针对燃料电池输出存在大扰动问题,与PID控制效果进行了对比实验。实验结果显示:Super-Twisting滑模控制变换器在输入电压大扰动下具有较强的鲁棒性,有利于燃料电池系统长期稳定运行。展开更多
文摘为保证燃料电池系统在负载工况变化条件下仍能无扰动地运行在最大效率点,提出一种基于遗忘因子递推最小二乘(forgetting factor recursive least square,FFRLS)在线辨识和Super-Twisting滑模算法的燃料电池系统实时最大效率跟踪方法。该方法基于非线性曲线拟合原理,根据系统实时测量数据,在单位控制周期内实现对燃料电池最大效率点功率的实时估计。采用Super-Twisting滑模算法,保证燃料电池系统在负载工况变化情况下仍能运行在最大效率点。在搭建的测试平台上,开展了多指标性能测试与对比分析。实验结果表明,与扰动观测(perturb and observe,P&O)算法相比,所提出的方法优势更加明显。另外,针对燃料电池输出存在大扰动问题,与PID控制效果进行了对比实验。实验结果显示:Super-Twisting滑模控制变换器在输入电压大扰动下具有较强的鲁棒性,有利于燃料电池系统长期稳定运行。
