NEURAL NETWORK SYSTEM FOR RELAXATION DIAGNOSTICS OF HYDROGEN FUEL CELLS

Abstract

Развитие автономных электронных систем и устройств различного назначения приводит к возрастанию требований к удельным энергетическим и надежностным характеристикам источников электропитания. Одними из наиболее перспективных автономных источников энергии являются водородные топливные элементы (ТЭ) с твердым полимерным электролитом. Такие элементы имеют сложные адаптивные алгоритмы управления, например, водным балансом мембранно-электродных блоков, и подвержены различным деградационным процессам, что обуславливает потребность в надежных средствах диагностики для коррекции режимов и обнаружения деградации на начальных этапах. Существующие методы оценки технического состояния топливных элементов имеют те или иные недостатки, касающиеся невозможности использования в процессе функционирования ТЭ, ограниченной информативности, высокой стоимости и т.д. В последнее время начал развиваться метод диагностики на основе модуляции сопротивления нагрузки, который позволяет получить существенный выигрыш по стоимости оборудования и получить информационные свойства сопоставимые с импедансной спектроскопией. Недостатком этого метода является сложная функциональная связь между измеряемыми релаксационными процессами и диагностическими признаками – параметрами эквивалентной схемы. Для решения задачи идентификации параметров электрической модели в данной статье предложено использовать нейронные сети. На модельных примерах получена погрешность восстановления параметров 0,02% при использовании шестислойной нейронной сети. Полученные результаты показывают достижимость высокой точность идентификации, могут применяться при разработке перспективных средств исследования и диагностики ТЭ с твердым полимерным электролитом, а также в системах управления энергетическими установками на их основе для повышения стабильности, эффективности и надежности. Кроме того, предложенные подходы могут быть адаптированы для других типов электрохимических источников энергии, например, литиевых аккумуляторов. The development of autonomous electronic systems and devices for various purposes leads to increasing requirements for specific energy and reliability characteristics of power sources. One of the most promising autonomous power sources are hydrogen fuel cells (FC) with solid polymer electrolyte. Such cells have complex adaptive control algorithms, such as the water balance of membrane-electrode units, and are subject to various degradation processes, which necessitates reliable diagnostic tools for mode correction and detection of degradation at the initial stages. The existing methods of assessing the technical condition of fuel cells have some or other drawbacks concerning the impossibility of use in the process of FC functioning, limited informativeness, high cost, etc. Recently, the method of diagnostics based on load resistance modulation, which allows obtaining a significant gain in the cost of equipment and obtaining information properties comparable with impedance spectroscopy, has begun to develop. The disadvantage of this method is a complex functional link between the measured relaxation processes and diagnostic attributes - parameters of the equivalent circuit. To solve the problem of identification of electric model parameters in this article it is proposed to use artificial neural networks. On the model examples the parameter recovery error of 0,02% was obtained using a six-layers deep neural network. The obtained results show the achievability of high identification accuracy, can be used in the development of promising research and diagnostic tools of FC with solid polymer electrolyte, as well as in control systems of power plants based on them to improve stability, efficiency and reliability. In addition, the proposed approaches can be adapted to other types of electrochemical energy sources, such as lithium batteries.