[發明專利]一種質子交換膜燃料電池的性能預測方法及性能預測系統

在審

• 申請號: 202010152580.1
• 申請日: 2020-03-06
• 公開（公告）號: CN111428913A
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 毛磊;何鍇;汪航;吳強
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張雪嬌

1.一種質子交換膜燃料電池的性能預測方法，其特征在于，包括：

獲取質子交換膜燃料電池的運行工況參數；

將所述運行工況參數輸入到預先經過訓練的神經網絡，以獲取所述預先經過訓練的神經網絡的輸出參數作為第一預測電壓；

獲取所述質子交換膜燃料電池的歷史電壓數據；

利用所述歷史電壓數據作為輸入數據輸入到自適應神經模糊推斷系統，以獲取所述自適應神經模糊推斷系統輸出的第二預測電壓；

將所述第一預測電壓和第二預測電壓進行融合，以獲得所述質子交換膜燃料電池的性能預測結果。

2.根據權利要求1所述的質子交換膜燃料電池的性能預測方法，其特征在于，所述預先經過訓練的神經網絡的訓練過程包括：

獲取訓練數據集；

將所述訓練數據集以預設窗口長度，按照先后順序劃分為多個按照時間先后順序編號的子集；

利用所述多個子集以移動窗口的方式對神經網絡進行預測和驗證，以獲取所述預先經過訓練的神經網絡。

3.根據權利要求2所述的質子交換膜燃料電池的性能預測方法，其特征在于，所述利用所述多個子集以移動窗口的方式對神經網絡進行預測和驗證包括：

對所述神經網絡進行N輪預測，N與所述多個子集的數量相同；

其中，第k輪預測包括：以編號為k的子集作為訓練集對所述神經網絡進行訓練，以編號為k+1的子集作為驗證集對所述神經網絡進行驗證，利用驗證通過的神經網絡預測第k+2個子集的數據；

k為大于0，且小于N的整數。

4.根據權利要求3所述的質子交換膜燃料電池的性能預測方法，其特征在于，所述將所述第一預測電壓和第二預測電壓進行融合包括：

將所述第一預測電壓和第二預測電壓輸入到第二預設公式中，以獲取所述質子交換膜燃料電池的性能預測結果；

所述第二預設公式包括：

其中，Y_fus表示性能預測結果；p＝1時，w_p,k表示所述自適應神經模糊推斷系統在第k輪預測階段的融合權重，y_eva,p,k表示所述自適應神經模糊推斷系統在第k輪驗證階段的輸出值，y_eva,k表示所述自適應神經模糊推斷系統在第k輪驗證階段的實際電壓值，y_pre,p,k表示所述自適應神經模糊推斷系統在第k輪預測階段的輸出值；p＝2時，w_p,k表示所述預先經過訓練的神經網絡在第k輪預測階段的融合權重，y_eva,p,k表示所述預先經過訓練的神經網絡在第k輪驗證階段的輸出值，y_eva,k表示所述預先經過訓練的神經網絡在第k輪驗證階段的實際電壓值，y_pre,p,k表示所述預先經過訓練的神經網絡在第k輪預測階段的輸出值。

5.根據權利要求1所述的質子交換膜燃料電池的性能預測方法，其特征在于，所述自適應神經模糊推斷系統的輸入數據與輸出的第二預測電壓的關系滿足第一預設公式；

所述第一預設公式包括：其中，u(t)表示所述歷史電壓數據中t時刻的電壓值，F[]表示所述自適應神經模糊推斷系統，表示所述自適應神經模糊推斷系統輸出的t+β時刻的第二預測電壓，α表示所述歷史電壓數據中相鄰電壓值之間的時間間隔，β表示所述第二預測電壓與u(t)的時間間隔。

6.一種質子交換膜燃料電池的性能預測系統，其特征在于，包括：

第一獲取模塊，用于獲取質子交換膜燃料電池的運行工況參數；

第一預測模塊，用于將所述運行工況參數輸入到預先經過訓練的神經網絡，以獲取所述預先經過訓練的神經網絡的輸出參數作為第一預測電壓；

第二獲取模塊，用于獲取所述質子交換膜燃料電池的歷史電壓數據；

第二預測模塊，用于利用所述歷史電壓數據作為輸入數據輸入到自適應神經模糊推斷系統，以獲取所述自適應神經模糊推斷系統輸出的第二預測電壓；

數據融合模塊，用于將所述第一預測電壓和第二預測電壓進行融合，以獲得所述質子交換膜燃料電池的性能預測結果。