[發明專利]一種氫燃料電池溫度自學習冷卻方法、裝置和系統

有效

• 申請號: 202010973098.4
• 申請日: 2020-09-16
• 公開（公告）號: CN112201822B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 俞雅茹;全琎;肖慧鵬;熊熒;胡雄暉;全睿;全書海
• 申請（專利權）人: 武漢海億新能源科技有限公司
• 主分類號: H01M8/04992
• 分類號: H01M8/04992;H01M8/04701;H01M8/04014;H01M8/04029;H01M8/04298
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 姜展志

1.一種氫燃料電池溫度自學習冷卻方法，其特征在于，包括以下步驟：

獲取氫燃料電池在歷史時間段中的樣本數據集；其中，所述樣本數據集包括多個電堆輸出電流樣本，以及在每個電堆輸出電流樣本下的水泵轉速比樣本和風扇轉速比樣本；

設定第一輸入變量、第一輸出變量、第二輸入變量和第二輸出變量；采用支持向量機訓練方法，根據所述樣本數據集、所述第一輸入變量和所述第一輸出變量構建第一支持向量機訓練模型；采用所述支持向量機訓練方法，根據所述樣本數據集、所述第二輸入變量和所述第二輸出變量構建第二支持向量機訓練模型；

利用所述樣本數據集，對所述第一支持向量機訓練模型進行參數尋優，得到第一溫度控制模型；利用所述樣本數據集，對所述第二支持向量機訓練模型進行參數尋優，得到第二溫度控制模型；并根據所述第一溫度控制模型和所述第二溫度控制模型得到目標溫度冷卻控制模型；

獲取所述氫燃料電池在當前時刻下的實時電堆輸出電流，將所述實時電堆輸出電流輸入所述目標溫度冷卻控制模型，得到實時水泵轉速比和實時風扇轉速比；

根據所述實時水泵轉速比和所述實時風扇轉速比對所述氫燃料電池進行溫度冷卻，完成溫度自學習冷卻；

所述第一輸入變量和所述第二輸入變量均具體為電堆輸出電流變量，所述第一輸出變量具體為水泵轉速比變量，所述第二輸出變量具體為風扇轉速比變量；

采用支持向量機訓練方法，根據所述樣本數據集、所述第一輸入變量和所述第一輸出變量構建第一支持向量機訓練模型；采用所述支持向量機訓練方法，根據所述樣本數據集、所述第二輸入變量和所述第二輸出變量構建第二支持向量機訓練模型，具體包括以下步驟：

根據所述電堆輸出電流變量和所述水泵轉速比變量，構建第一支持向量機原始模型；根據所述電堆輸出電流變量和所述風扇轉速比變量，構建第二支持向量機原始模型；

采用SPXY樣本劃分方法，將所述樣本數據集劃分為訓練集和測試集；

采用所述支持向量機訓練方法，利用所述訓練集對所述第一支持向量機原始模型進行訓練，得到所述第一支持向量機訓練模型；采用所述支持向量機訓練方法，利用所述訓練集對所述第二支持向量機原始模型進行訓練，得到所述第二支持向量機訓練模型。

2.根據權利要求1所述的氫燃料電池溫度自學習冷卻方法，其特征在于，利用所述樣本數據集，對所述第一支持向量機訓練模型進行參數尋優，得到第一溫度控制模型；利用所述樣本數據集，對所述第二支持向量機訓練模型進行參數尋優，得到第二溫度控制模型，具體包括以下步驟：

采用交叉驗證方法，根據所述訓練集和所述測試集對所述第一支持向量機訓練模型進行參數尋優，得到第一優化懲罰因子和第一優化核函數；采用遺傳方法，根據所述訓練集和所述測試集對所述第二支持向量機訓練模型進行參數尋優，得到第二優化懲罰因子和第二優化核函數；

利用所述第一優化懲罰因子和所述第一優化核函數對所述第一支持向量機訓練模型進行優化，得到所述第一溫度控制模型；利用所述第二優化懲罰因子和所述第二優化核函數對所述第二支持向量機訓練模型進行優化，得到所述第二溫度控制模型。

3.根據權利要求2所述的氫燃料電池溫度自學習冷卻方法，其特征在于，在根據所述第一溫度控制模型和所述第二溫度控制模型得到目標溫度冷卻控制模型之后，還包括以下步驟：

根據所述目標溫度冷卻控制模型編制上位機。

4.根據權利要求3所述的氫燃料電池溫度自學習冷卻方法，其特征在于，獲取所述氫燃料電池的實時電堆輸出電流，將所述實時電堆輸出電流輸入所述目標溫度冷卻控制模型，得到實時水泵轉速比和實時風扇轉速比，具體包括以下步驟：

利用電流傳感器獲取所述實時電堆輸出電流，并采用CAN通訊方式，將所述實時電堆輸出電流發送至燃料電池控制器；

采用所述CAN通訊方式，利用所述燃料電池控制器將所述實時電堆輸出電流發送至所述上位機；

利用所述上位機讀取所述實時電堆輸出電流，根據所述實時電堆輸出電流輸出所述實時水泵轉速比和所述實時風扇轉速比。