燃料電池溫度控制之介紹

燃料電池的電能轉換效率與操作條件息息相關，特別是電池堆的溫度[15]，太 高的操作溫度，會傷害燃料電池內的質子交換膜，也會造成發電效率降低；而太

低的操作溫度，則會使得燃料電池的轉換效率降低，所以溫度控制是操作燃料電 池的重點項目之一。圖 4 是質子交換膜燃料電池的溫度特性曲線[13]，圖中的曲線 描繪燃料電池在不同的溫度時的發電特性，由圖中曲線可知，當燃料電池溫度越 高時，其發電效率就會越高，但溫度不得高於 PEM 燃料電池可承受的溫度，否則 性能反而會下降。

圖 4 溫度特性曲線

燃料電池的溫度控制方法，已有多位學者運用不同的知識領域進行研究，下 面將針對已發表的溫度控制方法做簡單的介紹。

2.2.1 理想的溫度控制模型

有很多的燃料電池研究，都是使用數學模型進行研究，而這些數學模型，可 以很輕易的從文獻中取得[7, 8, 9]。其中，Luis A.M. Riascos 在發表的文獻裡[14]，

分別以電化學模型與熱力學模型來建立燃料電池的理想溫度控制模型，電化學模 型主要是在描述質子交換膜燃料電池的極化曲線，透過此理論模型，只要能取得 該燃料電池的相關參數，也能容易的取得燃料電池電器特性的理論值；而熱力學 模型則是要去計算燃料電池的相對溼度與操作溫度，再將電化學與熱力學模型結 合，即可模擬出燃料電池電器特性與放熱反應。而 Luis 的控制處理則是以增濕器 來實施，使用已知的燃料電池模型數學式，去計算燃料電池需要的濕度及溫度值，

透過增濕器把濕度與溫度控制住，以達到燃料電池的理想溫度控制。

然而上述的研究，在實際能利用的前提是，必頇取得數學模型內所需要的參

數值，而這些參數值的取得，將會影響到此模型的控制精準度。另外，燃料電池 隨著使用的時間的增長，其老化的現象對參數有很重大的影響，在這樣的情況下，

要如何更新這些參數則更顯得困難重重。更重要的是，燃料電池的應用通常不會 只有一個電池而已，而是多個電池所組成的電池堆，在這樣的情況下，其參數的 複雜度，以及電池堆在製程與組裝上的誤差，都會讓此方法難以實行。

2.2.2 模糊增量性 PID 溫度控制

傳統的 PID 控制適用在線性控制的領域，而燃料電池的溫度控制是屬於非線 性的控制領域，故 Binrui Wang 所提出的文獻[16]裡，使用 Fuzzy 結合 PID 完成非 線性的控制，以達到燃料電池溫度控制的目的。此文獻是以 PID 為基礎，透過 fuzzy 來調整控制中的比例(P)、積分(I)、微分(D)參數，以影響控制項的輸出結果，而此 輸出結果即風扇的電壓大小，由不同的電壓值來處理不同的散熱需求。而 fuzzy 系 統中使用到的輸入項，有電池堆輸出電流大小、希望的電池堆溫度與實際的電池 堆溫度差、希望的電池堆溫度與環境溫度差，透過上述三個輸入項來決定當時 PID 控制中的參數值。

由於 fuzzy 系統是在模仿人類的推論行為與決策，這需依賴專家的經驗，編 成模糊規則後才能使用，若無專家的經驗，則模糊規則難以建立，而專家的經驗，

需從長期的實驗過程一點一滴來累積。綜合上述的觀點，可以知道此系統的建立，

不僅需要花大量的時間進行實驗，且需要專家以過往的經驗來分析實驗數據，從 中建立 fuzzy 系統所需要的模糊規則。

2.2.3 類神經網路結合 PID 的溫度控制

由於燃料電池的溫度控制是屬於非線性、不確定性的問題，而類神經網路適 用在處理非線性及不確定的問題上，若要將其應用在燃料電池的溫度控制上，是 非 常 合 適 的 。 而 在 Yanjun Li 所 提 出 的 文 獻 [15] 裡 ， 是 以 類 神 經 網 路 結 合 PID(Proportional-Integral-Derivative)的控制方法來進行燃料電池溫度控制，其中 Yanjun Li 是把 P、I、D 視為類神經網路中的神經元，透過倒傳遞的方法訓練網路，

使得 PID 可以應用在非線性的場合裡，透過不同的輸入狀況與加權值，影響其 P、

I、D 神經元的輸出結果，而這樣的系統可以適用於處理非線性、不確定的問題，

比起僅能處理線性問題的線性 PID 控制來得強大。

上述的研究可以達到溫度控制的結果，但在完成前，需要花時間收集大量的 實驗數據，之後再進行訓練，完成上述的動作後，才能上機。若電池堆、風扇的

規格有所變動時，收集實驗數據的動作必需重來，且收集數據的過程需要有專業 (characteristic function)衍生出來的。傳統集合的特徵函數是用 0 與 1 這兩個值表示，

而模糊集合與傳統集合有所不同，模糊集合的表示值是在實軸閉區間[0,1]之間，而