Modelização por Redes Neuronais de uma Pilha de Combustível do tipo PEM

Transcrição

1 Universidade Nova de Lisboa Faculdade de Ciências e Tecnologia Modelização por Redes Neuronais de uma Pilha de Combustível do tipo PEM INÊS Gonçalves dos SANTOS Dissertação apresentada à Universidade Nova de Lisboa, Faculdade de Ciências e Tecnologia, para a obtenção do grau de Mestre em Energia e Bio-energia Lisboa 2010

2 FICHA TÉCNICA Título: Modelização por Redes Neuronais de uma Pilha de Combustível do tipo PEM Autor: Inês Gonçalves dos Santos Objectivo do presente trabalho: Dissertação apresentada à Universidade Nova de Lisboa, Faculdade de Ciências e Tecnologia para obtenção do grau de Mestre em Energia e Bio-energia Âmbito do estudo: Trabalho de investigação destinado à caracterização de uma pilha de combustível de forma a avaliar a sua produção e funcionamento. Estabelecer modelos físico-químicos e eléctricos do funcionamento da pilha e do conversor electrónico de potência associado. Utilização de modelos de aprendizagem do tipo rede neuronal Orientação Científica do trabalho: Professor Doutor Amadeu Leão Rodrigues Co-orientação Científica do trabalho: Professor Doutor João Martins Contactos do autor: inesgoncalvessantos@gmail.com Local: Monte de Caparica Ano: 2010 O conteúdo da presente dissertação é da inteira responsabilidade do autor. Não é autorizada a reprodução, total ou parcial, do conteúdo da presente dissertação, sem a autorização prévia do autor, por escrito. É autorizada a citação do conteúdo da presente dissertação, desde que acompanhada da respectiva referência bibliográfica, de acordo com as normas internacionais e de citação de trabalhos científicos.

3 AGRADECIMENTOS Ao Professor Amadeu leão Rodrigues, Professor Catedrático da UNL-FCT, pela orientação no presente trabalho, pelo incentivo na realização deste projecto. Ao Professor João Martins, Professor auxiliar da UNL-FCT, pela co-orientação do presente trabalho, pela disponibilidade, motivação e paciência. À Professora Benilde Mendes, Professora Associada da UNL-FCT, pelo incentivo, motivação e apoio em momentos de desânimo. Ao Professor Nuno Lapa, Professor Auxiliar da UNL-FCT, pelo rigor. Ao Doutor Norman Siehl, Doutor Thomas Pohe e Doutor Jens Gilmer, da Heliocentris, pelos esclarecimentos prestados. Aos meus pais pelo carinho, compreensão e apoio. À minha irmã Susana pela paciência, incentivo, motivação, disponibilidade, carinho e amizade. À minha irmã Sara pela ajuda nos s em inglês, e pelo carinho e amizade. Aos meus amigos André Alexandre, Marta Pereira, Tânia Teixeira, Cristina Pereira pelo apoio e sincera amizade. Ao Vasco Gomes pela ajuda durante a realização dos últimos ensaios. Ao Fernando pelo incentivo, motivação e carinho.

4 À Rita, ao Miguel, à Sofia e à Mariana

5 RESUMO Este trabalho centrou-se na modelização por redes neuronais de uma pilha de combustível do tipo PEM, de forma a prever os valores de tensão e corrente à saída da pilha, com o intuito de comprovar a previsibilidade e fiabilidade desta tecnologia. Nesta perspectiva, após uma apresentação teórica do hidrogénio e das pilhas de combustível, faz-se a descrição da pilha modelizada, e através da técnica estatística de ACP, seleccionam-se 9 das 14 variáveis que traduzem o funcionamento da pilha. Seguidamente, procedeu-se à modelização por redes neuronais da pilha de forma a prever o desempenho desta. A ACP e as RNA são desenvolvidas através do MatLab. A ACP permitiu a redução da dimensionalidade do conjunto de dados, facilitando o desenvolvimento e interpretação das RNA. A RNA foi aplicada para os dois casos, ou seja, foram criadas redes neuronais artificiais com 14 e 9 variáveis. Verificou-se que a diferença entre o valor de tensão/corrente real e estimado, para 14 variáveis, é de 0,0070 e 0,0267, respectivamente. Para 9 variáveis, a diferença entre o valor de tensão/corrente real e estimado é de 0,0055 e 0,0049, respectivamente. Para 14 variáveis a rede torna-se mais complexa e perde capacidade de generalização, o que justifica a diferença de valores de tensão/corrente para 14 e 9 variáveis. A modelização da rede permitiu estimar os valores de tensão e corrente à saída da pilha com um erro reduzido, e também, evidenciar a capacidade de generalização da rede para um domínio bem definido dentro dos parâmetros de funcionamento da pilha. Palavras-Chave: Redes Neuronais Artificiais (RNA); Análise de Componentes Principais (ACP); Pilha de Combustível de Membrana de Permuta Protónica (PEM); Modelização

6 ABSTRACT The aim of this project was to create neural network model for a PEMFC system, in order to investigate the reliability of neural networks for prediction of both voltage and current output stack with the purpose of verifying the predictability and reliability of this technology. So, after a brief presentation on the theoretical technologies of hydrogen and fuel cells, it is provided the description of the PEMFC, and through the statistical technique of PCA, 9 of the 14 variables that reflect the most important operational parameters of the PEMFC were extracted. Subsequently, the neural cell network was developed to predict the performance of fuel cell. PCA and ANN were developed using MatLab. The PCA reduced the dimensionality of the data set, facilitating the development and interpretation of ANN. The ANN was applied in both cases. ANN was created with 14 and 9 variables. It was verified that the difference between the actual and estimated voltage/current for 14 variables was 0,0070 and 0,0267, respectively. For 9 variables, the difference between the actual and estimated voltage/current was 0,0055 and 0,0049, respectively. For 14 variables, the network becomes more complex and loses the ability of generalization, what explains the different values of voltage and current for 14 and 9 variables. The modelling by NN of a PEMFC allowed estimating the voltage and current of the fuel cell with a small error, and also demonstrating the generalization ability of the network to a well-defined domain within the operational parameters of the fuel cell. Keywords: Artificial Neural Networks (ANN); Principal Component Analysis (PCA); Proton Exchange Membrane Fuel Cell (PEMFC); Modelling

7 ÍNDICE 1. INTRODUÇÃO CONTEXTUALIZAÇÃO OBJECTIVO ESTRUTURA O COMBUSTÍVEL HIDROGÉNIO PROPRIEDADES DO HIDROGÉNIO PRODUÇÃO DE HIDROGÉNIO Tecnologias de produção de hidrogénio a partir de combustíveis Pirólise e gaseificação de Biomassa Electrólise Produção biológica de hidrogénio ARMAZENAMENTO E TRANSPORTE DE HIDROGÉNIO Armazenamento Transporte de hidrogénio CÉLULAS DE COMBUSTÍVEL EVOLUÇÃO HISTÓRICA DAS CÉLULAS DE COMBUSTÍVEL PRINCÍPIO DE FUNCIONAMENTO DAS CÉLULAS DE COMBUSTÍVEL TIPOS DE TECNOLOGIA DE PILHAS DE COMBUSTÍVEL Pilhas de Combustível Alcalinas Pilhas de Combustível de Carbonatos Fundidos Pilhas de Combustível de Ácido Fosfórico Pilhas de Combustível de Óxidos Sólidos Pilhas de Combustível de Membrana de Permuta Protónica NOVOS TIPOS DE TECNOLOGIA DE PILHAS DE COMBUSTÍVEL Pilhas de Combustível com Alimentação Directa de Metanol Pilhas de Combustível Zinco-Ar Pilhas de Combustível Regenerativas Pilhas de Combustível de Cerâmica Protónica Pilhas de Combustível Microbiana SÍNTESE DAS PILHAS DE COMBUSTÍVEL CARACTERIZAÇÃO DA PILHA DE COMBUSTÍVEL NEXA DESCRIÇÃO DO SISTEMA NEXA Subsistema Hidrogénio - Ar Subsistema de refrigeração i

8 4.1.3 Subsistema de segurança Conversor DC/AC MONTAGEM EXPERIMENTAL RECOLHA DE DADOS MODELOS MATEMÁTICOS DA PILHA DE COMBUSTÍVEL ANÁLISE DE COMPONENTES PRINCIPAIS RESULTADOS INTRODUÇÃO ÀS REDES NEURONAIS ARTIFICIAIS NEURÓNIO ARTIFICIAL REDES NEURONAIS ARTIFICIAIS APRENDIZAGEM APRENDIZAGEM COM TOPOLOGIA FEEDFORWARD DESENVOLVIMENTO E TREINO DA RNA NO MATLAB METODOLOGIA ADOPTADA RESULTADOS EXPERIMENTAIS RNA para 14 variáveis RNA para 9 variáveis GENERALIZAÇÃO CONCLUSÃO E TRABALHO FUTURO CONCLUSÃO TRABALHO FUTURO ANEXOS ANEXO REFERÊNCIAS ii

9 ÍNDICE DE FIGURAS Figura 1 - Comparação entre o peso de combustível e do recipiente para vários combustíveis. 11 Figura 2 - Perdas de energia na compressão de hidrogénio em processos adiabático e isotérmicos Figura 3 - Perdas energéticas na liquefacção de hidrogénio Figura 4 - Perda de volume para metano e hidrogénio, por quilómetro de conduta Figura 5 Primeira Célula de combustível Figura 6 Representação esquemática de uma pilha de combustível Figura 7 - Representação esquemática de uma célula de combustível alcalina Figura 8 - Representação esquemática de uma célula de combustível de carbonatos fundidos.. 20 Figura 9 - Representação esquemática de uma célula de combustível de ácido fosfórico Figura 10 - Representação esquemática de uma célula de combustível de óxidos sólidos Figura 11 - Representação esquemática de uma Pilha de Combustível de Membrana de Permuta Protónica Figura 12 - Pilha de combustível Nexa desenvolvida e comercializada pela Ballard Power System e Heliocentris Figura 13 - Esquema representativo do subsistema hidrogénio Ar Figura 14 - Pilha de combustível instalada no Departamento de Engenharia Electrotécnica da FCT-UNL Figura 15 - Curva de polarização Figura 16 - Relação tensão-corrente para a PEM estudada Figura 17 - Variância explicada por cada componente Figura 18 - Gráfico Componentes Principais vs Valores Próprios Figura 19 Estrutura de um neurónio Figura 20 Esquema de um neurónio artificial Figura 21 - Rede Feedforward de uma Única Camada Figura 22 - Rede Feedforward MultiCamada Figura 23 Rede Recorrente Figura 24 - Aprendizagem supervisionada Figura 25 - Aprendizagem por reforço Figura 26 - Aprendizagem Não Supervisionada Figura 27 - Performance do treino da rede Figura 28 - Valores de tensão fornecidos pela pilha e estimados pela rede, para 14 variáveis Figura 29 - Valores de corrente fornecidos pela pilha e estimados pela rede, para 14 variáveis 57 Figura 30- Performance da rede Figura 31 - Comparação entre a tensão fornecida pela pilha e a tensão estimada pela rede Figura 32 - Comparação entre a corrente fornecida pela pilha e a corrente estimada pela rede. 59 Figura 33 Erro para variáveis tensão e corrente para conjuntos de treino sucessivamente menores Figura 34 Valores de tensão reais e estimados para metade das observações Figura 35 - Valores de corrente reais e a estimada pela rede para metade das observações iii

10 ÍNDICE DE QUADROS Quadro 1 - Propriedades físico-químicas do hidrogénio molecular... 4 Quadro 2 - Poder Calorífico Superior e Inferior para diferentes combustíveis... 4 Quadro 3 - Tipos de tecnologia de pilhas de combustível Quadro 4 - Especificações da Nexa Quadro 5 - Parâmetros de estado e Controlo, e parâmetros de funcionamento/desempenho Quadro 6 - Parâmetros de desempenho seleccionados Quadro 7 - Escala de avaliação da ACP segundo teste KMO Quadro 8 - Valores próprios e respectiva variância Quadro 9 Correlação entre as variáveis e as duas componentes principais Quadro 10 - Correlação entre as variáveis e as componentes principais com rotação dos dados Quadro 11 - Variáveis iniciais e retidas Quadro 12 - Diferença entre os valores de tensão e corrente reais e os estimados Quadro 13 Diferença entre os valores reais e os valores estimados Quadro 14 - Erro médio, em valor absoluto, de tensão e corrente, para número decrescente de observações Quadro 15 - Matriz de correlação Quadro 16 - Correlação entre as variáveis e as duas componentes principais iv

11 LISTA DE ABREVIATURAS E SIMBOLOGIA AC do inglês Alternating Current, corrente alternada ACP Análise de Componentes Principais AFC do inglês Alkaline Fuel Cell, Pilha de Combustível Alcalina CGH 2 Compressão do hidrogénio gasoso CPs Componentes Principais DC do inglês Direct Current, Corrente Contínua DMFC - do inglês Direct Metanol Fule Cell, Pilha de Combustível com injecção directa de metanol E Potencial de Nernst E 0 - Potencial ideal F Constante de Faraday GDE do inglês Gas Diffusion Electrode, eléctrodo de difusão de gás GEE Gases de Efeito de Estufa I DC Corrente da pilha de combustível I lim Corrente limite KMO Kaiser-Meyer-Olkin KOH Hidróxido de potássio MATLAB do inglês MATrix LABoratory MCFC do inglês Molten Carbonate Fuel Cell, Pilha de Combustível de Carbonato Fundido MFC do inglês Microbial Fuel cell, Pilha de Combustível Microbiana NASA National Aeronautics and Space Administration N 0 Número de células de combustível de uma pilha PAFC do inglês Phosphoric Acid Fuel Cell, Pilha de Combustível de Ácido Fosfórico PCFC do inglês Protonic Ceramic Fuel Cell, Pilha de Combustível de Cerâmica Protónica PEM do inglês Proton Exchange Membrane, referente ao tipo de electrólito das Pilhas de Combustível de Membrana de Permuta Protónica v

12 PEMFC do inglês Proton Exchange Membrane Fuel Cell, de Pilha Combustível de Membrana de Permuta Protónica PIB Produto Interno Bruto PTN Pressão e Temperatura Normais R Constante universal dos gases RFC - do inglês Regenerative Fuel Cell, Pilha de Combustível Regenerativa R FC Resistência eléctrica RNA Rede Neuronal Artificial SOFC do inglês Solid Oxid Fuel Cell, Pilha de Combustível de Óxidos Sólidos T Temperatura da pilha V activação Polarização de Activação V concentração Polarização de Concentração V DC Tensão à saída da pilha V óhmica Polarização Óhmica ZAFC do inglês Zinc-Air Fuel Cell, Pilha de Combustível de Zinco-Ar vi