[發明專利]利用BP神經網絡模型預測鎂基固態儲氫材料性能的方法

在審

• 申請號: 202110923529.0
• 申請日: 2021-08-12
• 公開（公告）號: CN113488118A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 方沛軍;鄒建新;陳亞琴;張雷;伍遠安;曹俊
• 申請（專利權）人: 氫儲(上海)能源科技有限公司
• 主分類號: G16C20/70
• 分類號: G16C20/70;G16C60/00;G16C10/00;G06N3/08
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 金慧君

本發明提供了一種利用BP神經網絡模型預測鎂基固態儲氫材料性能的方法，首先，確定與鎂基固態儲氫材料吸/放氫性能直接相關的主要操作參數，利用這些主要操作參數建立樣本數據；然后，根據所述樣本數據，建立用于預測鎂基固態儲氫材料吸/放氫過程的BP神經網絡模型，并利用BP神經網絡算法，對該BP神經網絡模型進行訓練，得到訓練好的BP神經網絡模型。最后，使用訓練好的BP神經網絡模型對鎂基固態儲氫材料進行預測，得到該鎂基固態儲氫材料的吸/放氫性能。本發明的有益效果是：可以快速預測鎂基固態儲氫材料的吸/放氫速率，對于尋找使鎂基固態儲氫材料吸/放氫性能達到最優的系統狀態點即相對應的溫度和壓力條件具有重要的意義。

技術領域

本發明涉及加氫站領域，尤其涉及一種利用BP神經網絡模型預測鎂基固態儲氫材料性能的方法。

背景技術

氫能是全球最具發展前景的清潔無污染能源，但是高壓氣態儲氫存在儲氫密度小、安全隱患大的問題，而液態儲氫在氫氣液化過程中需消耗大量能量且液態儲氫對于儲氫罐體的絕熱性要求極高，從而限制了氫能的發展。鎂基固態儲氫材料由于其儲氫量高、安全性能好、原材料充足、成本低廉等原因，成為未來大規模儲運氫能的發展趨勢。鎂基固態儲氫材料的儲氫原理是：鎂合金材料在一定的溫度和壓力條件下能夠與氫氣發生可逆反應即吸氫-脫氫反應，從而實現氫氣的儲存與釋放。雖然，現階段已經有測試設備來測試鎂基固態儲氫材料的性質與特點，但是關于測試數據的處理還僅限于人工分析，同時也沒有關于鎂基固態儲氫材料吸/放氫性能的預測工作。鎂基固態儲氫材料吸/放氫性能的預測對于尋找使鎂基固態儲氫材料吸/放氫性能達到最優的系統狀態點即相對應的溫度和壓力條件具有重要的意義。

發明內容

為了解決上述問題，本發明提供了一種利用BP神經網絡模型預測鎂基固態儲氫材料性能的方法，用于檢測其吸/放氫的性能，測試系統包括：氫氣源、流量檢測構件、固態儲氫儲存腔、溫度檢測構件、壓力檢測構件、換熱構件、加熱構件和冷卻構件，主要包括以下步驟：

S1：確定與鎂基固態儲氫材料吸/放氫性能直接相關的主要操作參數，利用這些主要操作參數建立樣本數據；

S2：根據所述樣本數據，建立用于預測鎂基固態儲氫材料吸/放氫過程的BP神經網絡模型，并利用BP神經網絡算法，對該BP神經網絡模型進行訓練，得到訓練好的BP神經網絡模型；

S3：使用訓練好的BP神經網絡模型對鎂基固態儲氫材料進行預測，得到該鎂基固態儲氫材料的吸/放氫性能。

進一步地，所述主要參數包括：換熱構件的進氣/排氣的流量，換熱構件的進氣/排氣的壓力和換熱構件的儲存腔內的溫度。

進一步地，建立BP神經網絡模型的具體過程如下：

(1)確定輸入輸出變量

將在鎂基固態儲氫材料吸/放氫過程中的換熱構件進氣/排氣的壓力和換熱構件的儲存腔內的溫度作為所述BP神經網絡模型的輸入變量，將換熱構件的進氣/排氣的流量作為所述BP神經網絡的輸出變量；

(2)所述BP神經網絡模型的具體結構如下：

所述BP神經網絡模型是包括輸入層、隱含層和輸出層的三層神經網絡模型，BP神經網絡模型的輸入層所包含的神經元個數為2，分別對應鎂基固態儲氫材料吸/放氫過程中的換熱構件進氣/排氣的壓力和換熱構件的儲存腔內的溫度，BP神經網絡模型的輸出層所包含的神經元個數為1個，為換熱構件的進氣/排氣的流量；

(3)網絡初始化并進行網絡訓練

根據設定好的BP神經網絡的層數、輸入變量個數、隱含層神經元個數以及輸出變量個數，運用神經網絡工具箱進行網絡初始化和網絡訓練，然后，利用BP神經網絡算法或者誤差反向傳播算法，按照設定的網絡結構進行訓練，達到預設精度或者最大迭代次數后即得到訓練好的BP神經網絡模型。

進一步地，所述BP神經網絡模型的隱含層所包含的神經元個數采用經驗公式計算出估計值：