http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
부분최소자승법과 인공신경망을 이용한 고분자전해질 연료전지 스택의 모델링
한인수 ( In Su Han ),신현길 ( Hyun Khil Shin ) 한국화학공학회 2015 Korean Chemical Engineering Research(HWAHAK KONGHA Vol.53 No.2
고분자전해질 연료전지 스택의 성능 및 주요 운전 변수를 예측하기 위해 부분최소자승법과 인공신경망의 두 가지 데이터 기반 모델링 기법을 제시한다. 30 kW급 고분자전해질 연료전지 스택 실험으로부터 확보한 데이터를 사용하여 부분최소자승 및 인공신경망 모델들을 구성한 후 각 모델의 예측 성능 및 계산 시간을 비교하였다. 모델의 복잡성을 줄이기위해 부분최소자승법에 기초한 VIP(Variable Importance on PLS Projections) 선정기준을 모델링 절차에 포함하여, 초기 입력변수의 집합으로부터 모델링에 필요한 입력변수들을 선정하였다. 모델링 결과, 인공신경망이 스택의 평균 셀전압과 캐소드(cathode) 출구 온도를 예측하는데 있어서, 부분최소자승법 보다 우수한 성능을 보였다. 그러나 부분최소자승법 또한 입력변수와 출력변수 간에 선형적 상관관계만을 모델링 할 수 있음에도 불구하고 비교적 만족할 만한 예측성능을 나타냈다. 모델의 정확도와 계산속도의 요구조건에 따라 두 모델링 기법은 고분자전해질 연료전지의 설계 및운전 분야의 성능 예측, 온라인 및 오프라인 최적화, 제어 및 이상 진단을 위해 적용될 수 있을 것으로 판단된다. We present two data-driven modeling methods, partial least square (PLS) and artificial neural network (ANN), to predict the major operating and performance variables of a polymer electrolyte membrane (PEM) fuel cell stack. PLS and ANN models were constructed using the experimental data obtained from the testing of a 30 kW-class PEM fuel cell stack, and then were compared with each other in terms of their prediction and computational performances. To reduce the complexity of the models, we combined a variables importance on PLS projection (VIP) as a variable selection method into the modeling procedure in which the predictor variables are selected from a set of input operation variables. The modeling results showed that the ANN models outperformed the PLS models in predicting the average cell voltage and cathode outlet temperature of the fuel cell stack. However, the PLS models also offered satisfactory prediction performances although they can only capture linear correlations between the predictor and output variables. Depending on the degree of modeling accuracy and speed, both ANN and PLS models can be employed for performance predictions, offline and online optimizations, controls, and fault diagnoses in the field of PEM fuel cell designs and operations.
일차계 모델을 이용한 고분자전해질 연료전지 스택의 CO Poisoning 및 Air Bleeding 효과 분석
한인수 ( In Su Han ),신현길 ( Hyun Khil Shin ) 한국화학공학회 2013 Korean Chemical Engineering Research(HWAHAK KONGHA Vol.51 No.3
상업용 막전극접합체를 사용하여 제작한 고분자전해질 연료전지의 CO poisoning 및 air bleeding 효과가 스택의 셀전압 성능에 미치는 영향을 분석하였다. 실험을 통해 확보한 동적 응답 데이터에 일차 미분방정식으로 표현되는 일차계 모델을 적용하여 정상상태 이득과 시간상수를 계산하는 방법으로 스택 셀전압의 응답 특성을 정량화하였다. 연료전지 개질기로부터 공급되는 개질 가스에 포함된 CO 농도가 1 ppm 증가할 때마다 셀전압은 1.3~1.6 mV 저하되고, CO 농도의 변화폭이 클수록 정상상태에 도달하기까지 걸리는 시간이 점점 짧아지는 것으로 분석되었다. CO poisoning에 의해 저하된 스택 성능을 회복시키기 위해 air bleeding을 수행할 경우, 주입하는 공기의 농도를 증가시킬수록 셀전압 상승폭(정상상태 이득)이 커지고 회복시간(시간상수)은 짧아지나, 1% 수준의 air bleeding만으로도 CO poisoning이 일어나기 전 셀전압의 87%~96%를 1~30 min 이내에 회복시킬 수 있는 것으로 분석되었다. We analyze the effects of CO poisoning and air bleeding on the performance of a PEM (polymer electrolyte membrane) fuel cell stack fabricated using commercial MEA (membrane electrode assembly). Dynamic response data from the experiments on the performance of a stack are identified by obtaining steady-state gains and time-constants of the first-order system model expressed as a first-order differential equation. It is found that the cell voltage of the stack decreases by 1.3-1.6 mV as the CO concentration rises by 1 ppm. The time elapsed to reach a new steady state after a change in the CO concentration is shortened as the magnitude of the change in the CO concentration increases. In general, the steady-state gain becomes bigger and the time-constant gets smaller with increasing the air concentration (air-bleeding level) in the reformate gas to restore the cell voltage. However, it is possible to recover 87%-96% of the original cell voltages, which are measured with free of CO, within 1-30 min by introducing the bleed air as much as 1% of the reformate gas into the stack.