[發明專利]一種基于時空特征的燃料電池電壓預測系統

有效

• 申請號: 201911256579.7
• 申請日: 2019-12-10
• 公開（公告）號: CN111046550B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 吳小娟;張銘濤
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/04;G06N3/08;G01R31/392;G01R31/396;G01R31/367
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 鄒裕蓉

本發明提供一種基于電壓時空特征的燃料電池電壓預測系統，包括局部燃料電池電壓時空特征提取模塊、圖嵌入模塊與電壓預測網絡；局部燃料電池電壓時空特征提取模塊，用于提取待預測單電池臨近2r個電池在一段時內的時空特征；圖嵌入模塊，用于捕捉空間上距離較遠但是有相似電壓衰退曲線電池的特性；電壓預測網絡用于從局部燃料電池電壓時空特征與各單電池的圖嵌入特征得到未來時刻單電池的電壓值。本發明充分考慮了單電池不一致性，能更準確預測各個單電池的電壓衰退。

技術領域

本發明涉及燃料電池電壓預測技術。

背景技術

為了提升燃料電池系統的可靠性，學術界對燃料電池預測策略有極高的關注度，對燃料電池開展了大量的電壓衰退預測方法研究，包括基于模型的方法、基于數據的方法以及混合方法。基于模型的方法主要包括退化機理模型與經驗退化模型，退化機理模型從燃料電池電化學機理的角度分析電池運行過程中的性能老化規律，考慮各種老化因素對燃料電池內、外部狀態變量的影響，建立退化模型；經驗退化模型主要是依據燃料電池的退化機制進行燃料電池電壓預測，通過在燃料電池原理以及退化的電池外在特征基礎上機理相關的燃料電池退化模型。然而燃料電池是一個非線性、多物理量、多尺度的系統，退化機理尚不完全清楚，因此很難得到準確的模型以描述燃料電池系統的退化。所以，基于數據的方法得到越來越多學者的關注，當前常用的方法主要包括高斯過程的狀態空間算法、粒子濾波方法、長短時記憶網絡、回聲狀態網絡等。混合方法則是將基于數據和基于模型的方法相結合，包括基于模型和數據的混合方法與基于多種數據的混合方法。基于數據方法的預測精度在很大程度上取決于當前運行數據和訓練數據的相似程度，若電池當前運行數據和訓練數據相差較大時，則會降低預測精準度，而基于模型和數據的混合方法能夠將模型和數據相結合，減輕預測精度對數據的依賴程度。基于多種數據的混合方法能夠將多種不同基于數據的方法融合或加權，從而提高預測的精準度。現有的預測方法在執行的過程中，通常假設電堆與電堆、單電池與單電池之間是一致的，所以只考慮電堆與電池的平均退化，但是在實際操作中，由于流體、熱和濕度在空間上分布的不均勻性、各單電池單元MEA制造和組裝水平的不一致性等原因，電堆與電堆、單電池與單電池之間存在不一致性，不一致性如圖1所示。

發明內容

本發明所要解決的技術問題是，提供一種在時間上考慮電壓的歷史數據，在空間上考慮電堆與電堆之間，電池與電池之間的相互影響的電池電壓預測系統。本發明為解決上述技術問題所采用的技術方案是，一種基于電壓時空特征的燃料電池電壓預測系統，包括局部燃料電池電壓時空特征提取模塊、圖嵌入模塊與電壓預測網絡，如圖2所示；

局部燃料電池電壓時空特征提取模塊，用于提取待預測單電池臨近R個電池在一段時間內的電壓數據的時空特征作為該單電池的局部燃料電池電壓時空特征；

圖嵌入模塊，用于根據燃料電池中所有單電池的歷史電壓數據得到各單電池的圖嵌入特征，圖嵌入特征具有反映所有單電池間電壓衰退曲線相似性強弱的特性；

電壓預測網絡，用于根據待預測單電池的局部燃料電池電壓時空特征與各單電池的圖嵌入特征得到未來時刻該單電池的電壓值。

本發明基于時空特征的電壓衰退預測研究，相對現有的燃料電池故障預測系統增加了2點考慮：

1)考慮單電池電壓不僅受歷史電壓影響，而且還受周圍單電池信息的影響，因此提出了一種基于時空特征的電壓預測網絡。

2)不僅考慮了周圍單電池的影響，通過引用圖嵌入特征考慮了空間上距離較遠但有相似的電壓衰退曲線的單電池的影響，同時基于時空特征及圖嵌入特征來預測各單電池電壓衰退趨勢。

本發明的有益效果是，通過時空特征考慮了周圍單電池的影響，通過圖嵌入特征考慮整個燃料電池中所有有相似的電壓衰退曲線單電池間的影響，充分考慮了單電池不一致性，能更準確預測各個單電池的電壓衰退，從而能更準確地進行電池電壓預測，為之后電池性能判斷提供有效的表征。

附圖說明

圖1是燃料電池不一致性示意圖；