本发明涉及能量管理，具体涉及一种基于蜣螂优化算法的燃料电池能量管理方法及其系统。
背景技术：
1、21世纪的环境和能源问题是世界面临的两大社会性问题。燃料电池用的是氢气和其他燃料，加氢时间短，续航里程长，燃料电池工作后所产生的反应物主要为水，几乎实现了“零污染”。由于燃料电池没有内燃机热能相关机械部件及中间环节，与传统内燃机的燃烧做功相比较，燃料电池能量转化过程中损失较小，能量转化效率更高。当前燃料电池及相关技术研究与开发已成为新能源行业研究的重点。但是，在复杂的工况下，燃料电池会发生供氧不足的情况，从而影响整个水下航行器系统的耐久性和可靠性。
2、对于水下航行器系统来说，解决经济性和燃料电池耐久性问题，需要设计合理的能量管理策略，协调功率输出，保证安全、稳定和节能。由于燃料电池对负载变化动态响应慢，无法回收制动能量，燃料电池水下航行器除了主要的燃料电池系统，一般还有其他能量源。对于多能量源，就会出现能量管理的问题，这对保证能量效率，维持电池的荷电状态（soc），提升整车的经济性、电池的耐久性有着重要作用，也已成为研究的重难点。国内外专家和学者在燃料电池汽车能量管理控制策略方面做了很多工作，大体可以分三种类型：规则型、优化型与学习型。
3、当前燃料电池能量管理策略一般为规则型能量管理控制策略，包括恒温器，功率跟随，状态机和模糊控制等。基于燃料电池和超级电容器设计的控制策略，通过控制跟踪超级电容器的电流，但难以维持燃料电池电流，容易出现燃料匮乏，动力性和稳定性不足。
技术实现思路
1、为了解决上述技术问题，本发明主要针对现有技术中燃料电池的氢耗量多，电池的耐久性差的问题。本发明提供一种基于蜣螂优化算法的燃料电池能量管理方法及其系统。该方法通过燃料电池堆的活化过电压所计算的燃料电池堆的工作效率以及输出功率来构建模糊控制，并通过模糊控制进行能量管理策略来对功率分配，使用蜣螂优化算法对模糊控制进行了优化，在满足水下航行器负载需求的前提下，优化的模糊控制策略氢耗量最低，有效提高了水下航行器的经济性。
2、本发明第一个目的是提供一种基于蜣螂优化算法的燃料电池能量管理方法，用于质子交换膜燃料电池管理，包括：
3、获取燃料电池堆的活化过电压；
4、根据燃料电池堆的活化过电压以及燃料电池堆的开路电压获取燃料电池堆的工作效率；
5、根据燃料电池堆的活化过电压以及燃料电池堆的输出电流获取燃料电池堆的输出功率；
6、构建模糊控制模型，以水下智能体的需求功率作为模糊输入量，以燃料电池堆的输出功率作为模糊输出量；
7、根据燃料电池堆的输出功率以及燃料电池堆的工作效率计算得到的燃料电池堆的氢耗量作为目标函数，采用蜣螂优化算法对模糊控制模型进行优化，获取优化后的模糊控制模型；
8、根据水下智能体的需求功率采用优化后的模糊控制模型获取优化后的输出功率；
9、根据优化后的输出功率以及燃料电池堆的工作效率获取优化后的燃料电池堆的氢耗量。
10、优选的，所述燃料电池堆的活化过电压是按照以下步骤获取：
11、获取单个燃料电池的活化过电压；
12、根据单个燃料电池的活化过电压以及燃料电池的数量获取燃料电池堆的活化过电压。
13、优选的，构建模糊控制模型时，还包括：根据模糊输入量的取值范围，进行模糊子集的划分；并根据模糊输出量的取值范围，进行模糊子集的划分；再根据模糊子集的划分，基于水下智能体的运动工况，建立模糊规则。
14、优选的，所述模糊输入量采用三角形与梯形隶属度函数相结合的方式进行模糊化；所述模糊输出量的模糊时采用三角形与梯形隶属度函数相结合的方式进行去模糊化。
15、优选的，对模糊控制模型进行优化时，根据模糊输入量和模糊输出量分别采用的隶属度函数，确定模糊控制模型的参数，通过蜣螂优化算法对模糊控制模型的参数进行优化，得到优化后的模糊控制模型的参数，从而得到优化后的模糊控制模型。
16、优选的，所述模糊控制模型的参数包括模糊输入量和模糊输出量分别采用的隶属度函数中交叉点、拐点和边界点的横坐标值。
17、优选的，基于水下智能体的运动工况，建立模糊规则时，包括：当水下智能体携带挂件在水下运作时，需求功率≥100kw；当水下智能体处于半航潜行状态时，需求功率60~100kw；当水下智能体处于返航状态时，燃料电池跟随需求功率＜60kw。
18、优选的，所述燃料电池堆的氢耗量，计算公式如下：
19、
20、式中，表示燃料电池堆的氢耗量，表示燃料电池堆的输出功率；表示燃料电池堆的工作效率；表示氢气的密度。
21、本发明第二个目的是提供一种基于蜣螂优化算法的燃料电池能量管理系统，其特征在于，包括：
22、数据采集模块，用于获取燃料电池堆的活化过电压；根据燃料电池堆的活化过电压以及燃料电池堆的开路电压获取燃料电池堆的工作效率；根据燃料电池堆的活化过电压以及燃料电池堆的输出电流获取燃料电池堆的输出功率；
23、模糊控制模块，用于构建模糊控制模型，以水下智能体的需求功率作为模糊输入量，以燃料电池堆的输出功率作为模糊输出量；根据燃料电池堆的输出功率以及燃料电池堆的工作效率计算得到的燃料电池堆的氢耗量作为目标函数，采用蜣螂优化算法对模糊控制模型进行优化，获取优化后的模糊控制模型；
24、能量管理模块，用于根据水下智能体的需求功率采用优化后的模糊控制模型获取优化后的输出功率；根据优化后的输出功率以及燃料电池堆的工作效率获取优化后的燃料电池堆的氢耗量。
25、本发明至少具有如下有益效果：
26、本发明提供了一种基于蜣螂优化算法的燃料电池能量管理方法及其系统，该方法针对质子交换膜燃料电池的能量管理，通过燃料电池堆的活化过电压所计算的燃料电池堆的工作效率以及输出功率来构建模糊控制，并通过模糊控制进行能量管理策略来对功率分配，再使用蜣螂优化算法对模糊控制进行了优化，在满足水下航行器负载需求的前提下，优化的模糊控制策略氢耗量最低，有效提高了水下航行器的经济性。
27、本发明通过优化后的模糊控制策略，以及动力需求分析和预测，智能调节能源输出，优化能源利用效率，提高水下航行器的续航里程，降低能源消耗，减少排放等，实现对水下航行器的有效控制和管理。
1.一种基于蜣螂优化算法的燃料电池能量管理方法，其特征在于，用于质子交换膜燃料电池管理，包括：
2.根据权利要求1所述的基于蜣螂优化算法的燃料电池能量管理方法，其特征在于，所述燃料电池堆的活化过电压是按照以下步骤获取：
3.根据权利要求1所述的基于蜣螂优化算法的燃料电池能量管理方法，其特征在于，构建模糊控制模型时，还包括：根据模糊输入量的取值范围，进行模糊子集的划分；并根据模糊输出量的取值范围，进行模糊子集的划分；再根据模糊子集的划分，基于水下智能体的运动工况，建立模糊规则。
4.根据权利要求3所述的基于蜣螂优化算法的燃料电池能量管理方法，其特征在于，所述模糊输入量采用三角形与梯形隶属度函数相结合的方式进行模糊化；所述模糊输出量的模糊时采用三角形与梯形隶属度函数相结合的方式进行去模糊化。
5.根据权利要求4所述的基于蜣螂优化算法的燃料电池能量管理方法，其特征在于，对模糊控制模型进行优化时，根据模糊输入量和模糊输出量分别采用的隶属度函数，确定模糊控制模型的参数，通过蜣螂优化算法对模糊控制模型的参数进行优化，得到优化后的模糊控制模型的参数，从而得到优化后的模糊控制模型。
6.根据权利要求5所述的基于蜣螂优化算法的燃料电池能量管理方法，其特征在于，所述模糊控制模型的参数包括模糊输入量和模糊输出量分别采用的隶属度函数中交叉点、拐点和边界点的横坐标值。
7.根据权利要求3所述的基于蜣螂优化算法的燃料电池能量管理方法，其特征在于，基于水下智能体的运动工况，建立模糊规则时，包括：当水下智能体携带挂件在水下运作时，需求功率≥100kw；当水下智能体处于半航潜行状态时，需求功率60~100kw；当水下智能体处于返航状态时，燃料电池跟随需求功率＜60kw。
8.根据权利要求1所述的基于蜣螂优化算法的燃料电池能量管理方法，其特征在于，所述燃料电池堆的氢耗量，计算公式如下：
9.一种基于蜣螂优化算法的燃料电池能量管理系统，其特征在于，包括：
