Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 青岛大学赵运恒获国家专利权

青岛大学赵运恒获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉青岛大学申请的专利一种改进质子交换膜电解槽极化特性模型的参数辨识方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118609679B

龙图腾网通过国家知识产权局官网在2025-03-28发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410518346.4,技术领域涉及:G16C20/10;该发明授权一种改进质子交换膜电解槽极化特性模型的参数辨识方法是由赵运恒;彭飞;李彦杭设计研发完成,并于2024-04-28向国家知识产权局提交的专利申请。

一种改进质子交换膜电解槽极化特性模型的参数辨识方法在说明书摘要公布了:本发明公开了一种改进质子交换膜电解槽极化特性模型的参数辨识方法,属于系统建模与参数辨识领域,其步骤为:建立质子交换膜电解槽极化特性模型,确定待辨识模型参数;获取质子交换膜电解槽的可测运行变量数据集合,包括可测输入以及输出变量数据集合;基于自适应狩猎博弈策略,进行质子交换膜电解槽极化特性模型的参数辨识,进而得到最终的质子交换膜电解槽的极化特性模型。本发明结合电解槽的运行机理,对极化特性模型进行了改进,提升了建模精度;提出了基于自适应狩猎博弈策略的参数辨识方法,在保证了参数精确寻优的前提下,实现了参数辨识过程的快速收敛,减少了小规模种群下参数辨识所需的迭代次数。

本发明授权一种改进质子交换膜电解槽极化特性模型的参数辨识方法在权利要求书中公布了:1.一种改进质子交换膜电解槽极化特性模型的参数辨识方法,其特征在于,包括以下步骤:S1、建立质子交换膜电解槽极化特性模型,确定待辨识模型参数;S2、获取质子交换膜电解槽的可测运行变量数据集合,包括可测输入以及输出变量数据集合;S3、基于自适应狩猎博弈策略,进行质子交换膜电解槽极化特性模型的参数辨识,进而得到最终的质子交换膜电解槽的极化特性模型;所述步骤S1中,建立的质子交换膜电解槽极化特性模型具体为:质子交换膜电解槽由若干个单元组成,每个单元的工作电压ucell表示为开路电压uocv、活化过电压ηact、欧姆过电压ηohm与浓差过电压ηconc四者之和,如下式所示:ucell=uocv+ηact+ηohm+ηconc1开路电压uocv表达式为: 其中,T为热力学温标,单位为K,由实验测得;R为气体常数;F为法拉第常数;kwo为修正系数;pH2为电解槽内氢气压力,pO2为电解槽内氧气压力,其表达式为:pH2=Pca-pH2O3pO2=Pan-pH2O4其中,Pca和Pan分别是氢气分离器和氧气分离器测得的绝对压力,pH2O为电解槽内的水分压力,其表达式为: 活化过电压ηact表达式为: 其中,αan为阳极电荷转移系数,i为流过每个电解单元的电流,i0,an为阳极电流密度,其表达式为: 其中,i0,an,std为标准状况下的阳极电流密度,Eexc为阳极电子传输所需活化能;欧姆过电压ηohm表达式为: 其中,σmem为质子交换膜的电导率,其表达式为: 其中,σmem,std为标准状况下的质子交换膜电导率,Epro为质子在膜中传输所需活化能;由于实验中额定工作电流密度不会高到足以产生浓差过电压ηconc,故取值为0;质子交换膜电解槽极化特性模型中需要辨识的6个模型参数是:修正系数kwo,阳极电荷转移系数αan,标准状况下的阳极电流密度i0,an,std,阳极电子传输所需活化能Eexc,标准状况下的膜电阻率σmem,std以及质子在膜中传输所需活化能Epro;所述步骤S3包括以下子步骤:S301、确定待辨识模型参数的合理范围,并在范围内随机生成初始种群个体,具体为:由已有的公开资料或根据经验取值,给出待辨识模型参数的范围,其表达式为: 其中,lb1、lb2、lb3、lb4、lb5和lb6代表待辨识参数的下界,ub1、ub2、ub3、ub4、ub5和ub6代表待辨识参数的上界;根据确定的待辨识模型参数的合理范围,随机生成初始种群个体,设定种群数为N,即种群中的个体数量,每个个体为一个候选解,包含6个维度的变量,代表需要进行辨识的6个参数;每个候选解第d个维度的变量表达式为:xd=lbd+ubd-lbd·rand,d=1,2,...,611其中,xd表示第d个维度的变量,rand表示一个[0,1]范围内的随机数,在生成所有个体的每一维度的变量时均随机确定;S302、评估个体危险强度与竞争强度,具体为:将实测输出与模型输出的均方根误差RMSE作为适应度函数ffitnessxk,计算每个个体的适应度,表达式为: 其中,xk代表第k个体的位置,xk=[x1,x2,x3,x4,x5,x6],h为实测数据序列中包含的样本点数,yi为第i个样本点的实测电压输出,为第i个样本点对应的模型电压输出;将适应度最小的个体作为猎物,种群中的其他个体作为捕猎者;对于猎物,DIprey定义为猎物个体感知到的危险强度,其表达式为: 其中,m表示猎物可感知到的捕猎者数量,通过轮盘赌确定;xprey和xhunter,m分别代表位于可感知边界的猎物和第m个捕猎者个体的位置;r1和r2为两个[0,1]范围内的随机数,D代表候选解的维度数,即参数的个数,为猎物第d个维度的变量,为猎物可感知到的第j个捕猎者在第d个维度的变量,α代表猎物的耐力性能,随着迭代次数的增加而降低,表达式为: 其中,C为耐力常数,t为当前的迭代次数,tmax为设置的最大迭代次数;对于捕猎者,DIhunter定义为捕猎者个体感知到的竞争强度,其表达式为: 其中,n表示捕猎者可感知到的周围捕猎者数量,通过轮盘赌确定;xhunter,n表示位于可感知边界的第n个捕猎者个体的位置;表示捕猎者可感知到的第r个捕猎者在第d个维度的变量,r3和r4为两个[0,1]范围内的随机数;S303、捕猎者自适应追踪猎物,进行捕猎者个体的位置更新,具体过程如下:捕猎者群体随机分为两类,普通捕猎者和精英捕猎者,普通捕猎者和精英捕猎者之间具有狩猎能力差异,对于第a个普通捕猎者,a=p+1,…,N,其中p∈[1,N],其位置更新过程如下式所示: 其中,代表第a个普通捕猎者的位置,Δda为猎物与第a个普通捕猎者的距离;F为表示搜索方向的符号,其值为±1;r5是一个[0,1]范围内的随机数;对于第b个精英捕猎者,b=1,...,p,其位置更新过程,即对猎物逃脱的主动响应如下式所示: 其中,代表第b个精英捕猎者的位置,F为表示搜索方向的符号,其值为±1;β是表示捕猎者竞争的熟练程度的常数,r6、r7和r8分别是[0,1]范围内的随机数,为第b个精英捕猎者的竞争强度,Δdb表示猎物与第b个精英捕猎者的距离;S304、猎物自适应逃脱追踪,进行猎物个体的位置更新,具体过程如下:首先使用下式进行猎物在空间中的位置更新:x'prey=xprey+FβDIpreyxprey+Fα·r9|1-cos2πr10|·Δdb|cos2πr11|19其中,x'prey为更新后的猎物位置,r9、r10和r11分别是[0,1]范围内的随机数;对于猎物,其要逃脱捕猎者的追捕,即向着空间中最安全,也就是适应度最小的地方移动,该过程是通过BFGS拟牛顿法实现的;BFGS拟牛顿法使用目标函数的一阶导数和近似海森矩阵信息,通过迭代求解实现空间中的寻优;S305、对猎物和捕猎者群体进行更新后,计算所有个体的适应度并比较,并将最佳适应度个体作为猎物个体,完成整个种群所有个体的更新;返回S302,继续进行基于自适应狩猎博弈策略的辨识参数过程的第t+1次迭代更新;当基于自适应狩猎博弈策略的参数辨识迭代过程达到迭代终止条件时,停止所述参数辨识更新迭代过程,并将猎物个体作为参数辨识结果输出;其中,迭代终止条件为至少满足以下迭代更新终止条件之一:条件一为参数更新迭代次数等于指定的最大迭代更新次数;条件二为猎物个体适应度小于指定阈值;S306、完成参数辨识并得到最终的质子交换膜电解槽极化特性模型,具体如下:将迭代终止时得到的参数辨识结果,带入到步骤S1建立的极化特性模型中,进而最终得到能够用于工业应用的质子交换膜电解槽极化特性模型;所述步骤S304中,通过BFGS拟牛顿法使用目标函数的一阶导数和近似海森矩阵信息,通过迭代求解实现空间中的寻优,具体过程如下:使用实测输出与模型输出的均方误差MSE作为拟牛顿法的目标函数,其表达式为: 目标函数的一阶导数为: 其中,xd为目标函数中的自变量,即各维度的变量,xd=xd;代表yi对xd的偏导,将记作g;近似的海森矩阵通过式22得到: 其中,B为海森矩阵的近似,k表示BFGS法的迭代次数,T代表矩阵的转置,sk与vk通过下式求得: 其中,xprey,k代表第k次迭代中猎物的位置,sk即为搜索步长向量,gk是由式21计算得到的第k次迭代中的一阶导数向量;为实现目标函数的充分减小,式23中的xprey,k使用Armijo线搜索确定,通过循环得到满足式25的w的最大值,即能够确定搜索的步长,得到xprey,k+1;Armijo线搜索循环形式如式24至式26所示: xprey,k+1=xprey,k+ρwdk25 其中,w代表线搜索的循环次数,在循环中不断增大w以获得满足式24的最大w值,即能够确定搜索的步长;其中,ρ与σ为常数,dk为搜索方向向量;BFGS法循环一次即可得到一个新的xprey,k取值,当其满足BFGS法的终止条件时,即完成BFGS法的迭代,同时得到一个空间中的新解,完成猎物位置的更新;其中,BFGS法的终止条件为满足以下条件之一:条件一为一阶导数的大小小于指定的阈值,条件二为BFGS法的循环次数达到设定的最大值;将BFGS法得到的新解与当前的最优解进行比较,如果新解优于最优解,则使用新解替换最优解,作为新的猎物个体,完成猎物个体的更新。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人青岛大学,其通讯地址为:266071 山东省青岛市崂山区香港东路7号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。