[發明專利]質子交換膜燃料電池壽命預測方法

在審

• 申請號: 201911291950.3
• 申請日: 2019-12-16
• 公開（公告）號: CN111044926A
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 柴旭東;張亞平;鄒萍;張琳;宮柏鈺
• 申請（專利權）人: 北京航天智造科技發展有限公司
• 主分類號: G01R31/392
• 分類號: G01R31/392;G01R31/367;G01R31/378
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 郝志亮

本發明涉及一種質子交換膜燃料電池壽命預測方法。該方法基于粒子濾波框架進行燃料電池壽命預測，包括學習階段和預測階段：在學習階段，依次進行初始化、更新粒子狀態、更新粒子權重、重采樣的步驟，直到到達t_p時刻；其中，粒子是指燃料電池的電壓的可能取值，t_p是指從該時刻起不再更新粒子權重，不再進行重采樣；在預測階段，從t_p時刻開始更新粒子狀態，根據粒子狀態得到燃料電池的電壓值，判斷電壓值是否達到電池失效閾值，若達到則得到燃料電池剩余使用壽命，否則迭代更新粒子狀態。本發明采用統計方法更新每次迭代的粒子數和老化參數，能準確預測燃料電池的老化趨勢，從而計算得到PEMFC電池的剩余使用壽命。

技術領域

本發明屬于燃料電池的壽命預測技術領域，具體涉及一種質子交換膜燃料電池壽命預測方法。

背景技術

質子交換膜燃料電池(Proton Exchange Membrane Fuel Cell，PEMFC)是最有前景的新型發電裝置之一，由于其功率密度高、環境友好、重量輕和資源豐富等特點，已經被廣泛應用于軍事、交通和熱電聯產等領域。

預測和健康管理(Prognostics and Health Management，PHM)包含著兩方面的內容：預測是指根據系統當前狀態或歷史狀態對部件或整體系統的未來健康狀態進行預測性的診斷，包括確定部件或系統的正常工作的時間長度或剩余使用壽命(Remaining UsefulLife，RUL)；健康管理是指根據診斷預測信息、可用的維修資源和使用需求對維修活動做出適當決策的能力。PHM利用實際監測數據得出反映PEMFC健康狀況的有關指標和趨勢，得到電池剩余使用壽命后，就可以調整系統所需的電源，使電池更耐用。目前電池壽命預測技術主要分為兩類：第一類是基于模型的預測方法，這類方法采用系統的物理模型或數學模型進行預測。第二類是基于數據驅動的預測方法，利用模式識別和機器學習基于測試或傳感器的數據進行預測。

模型驅動方法依托于燃料電池負載條件、材料屬性、退化機理和失效機制實現剩余使用壽命的預測。模型驅動方法主要包括粒子濾波、卡爾曼濾波、退化機理模型和經驗退化模型。PEMFC系統是具有多物理、多尺度和高不確定性的復雜系統。退化機理尚不完全清楚，因此很難得到準確的分析模型以描述燃料電池系統的退化，特別是在噪聲或不確定的環境下。數據驅動方法主要包括回聲狀態網絡、超限學習機、自適應神經–模糊推理系統、相關向量機和高斯過程狀態空間模型。

當前相關技術方案中僅有關于單個電池的壽命預測方案，還沒有在堆棧水平上進行壽命預測的方案。另外當前方案沒有考慮動態載荷的影響，有些方案雖然效果有所提升，但沒有得到明確的證明。如現有的基于無跡卡爾曼濾波的PEMFC剩余使用壽命預測方法，建立了燃料電池老化的物理模型，以及電池狀態與老化速率之間的關系。該方法沒有考慮動態載荷的影響，并且沒有經過實驗研究的驗證。基于回聲狀態網絡的PEMFC老化預測算法。將短時傅里葉變換預處理后的電堆電壓數據輸入網絡中，利用神經元池代替原來隱含層的神經網絡，采用PEMFC已有的電壓退化數據訓練網絡參數，使用迭代結構預測PEMFC電堆電壓，以此估計PEMFC的剩余使用壽命。雖然這種方法準確度有所提升，但還沒有得到明確的證明。燃料電池的壽命預測技術雖然已經取得了一些進展，但還需要進行更多的研究，以充分了解燃料電池的老化過程，并能夠在較小的誤差范圍內預測燃料電池的剩余使用壽命。

發明內容

本發明提出一種質子交換膜燃料電池壽命預測方法，基于粒子濾波方法預測燃料電池剩余壽命。該方案采用統計方法更新每次迭代的粒子數和老化參數，能準確預測燃料電池的老化趨勢，從而計算得到PEMFC的剩余使用壽命。

本發明采用的技術方案如下：

一種質子交換膜燃料電池壽命預測方法，其特征在于，基于粒子濾波框架進行燃料電池壽命預測，包括學習階段和預測階段：