[发明专利]诊断固体氧化物燃料电池系统故障的方法及设备

说明书

本发明实施例提供了一种诊断固体氧化物燃料电池系统故障的方法及设备。其中，所述方法包括：根据固体氧化物燃料电池系统模型，获取诊断样本集，针对所述诊断样本集，得到神经网络模型的系统参数，采用所述系统参数和诊断样本集，对所述神经网络模型进行训练，得到最终故障诊断模型；实时采集固体氧化物燃料电池系统的工作数据，输入至所述最终故障诊断模型，得到固体氧化物燃料电池系统的故障类型。本发明实施例提供的诊断固体氧化物燃料电池系统故障的方法及设备，通过采用神经网络模型的机器学习分类方法，针对带天然气或甲烷的固体氧化物燃料电池系统进行分类识别，可以有效诊断固体氧化物燃料电池系统的故障发生情况。

技术领域

本发明实施例涉及燃料电池技术领域，尤其涉及一种诊断固体氧化物燃料电池系统故障的方法及设备。

背景技术

固体氧化物燃料电池(SOFC)是一种通过电化学反应将储存在燃料和氧化剂中的化学能直接转化为电能的发电装置，由于它高效无污染的特点，因此成为当前最具发展前景的发电方式之一。然而，虽然国际上一些具有代表性的SOFC能源公司(主要为电力供应部门和大型的汽车制造商)以及科研机构的技术开发水平日趋完善，从单电池制备到电堆组装再到系统集成运行都取得了丰富的成果，国际上的电堆制作技术也已经非常成熟，有的能够运行上万个小时，同时系统功能未见明显衰退，不过这些数据都是在电堆处于最佳的工作条件，在恒温测试台上获得的。若想SOFC系统能够尽快投入商业化应用，必须脱离恒温测试台。因此，必须要重视对SOFC系统的故障损坏现象以及故障诊断的研究。

目前虽然已有针对SOFC系统开展的研究，但是针对SOFC的故障诊断方面的研究并不多，并且很多都是停留在电堆或者单电池片上的研究。此外，还有很多学者研究的系统是以纯氢气为燃料的系统，但由于纯氢气不易获得并且成本更高，实际未来更有应用前景的还是以甲烷、天然气等为燃料的带重整(用天然气、甲烷部分氧化重整制氢)的发电系统。因此，为了弥补上述不足，找到一种针对运行成本较低的甲烷重整SOFC系统展开研究，对其进行故障诊断的方法，就成为业界广泛关注的技术问题。

发明内容

针对现有技术存在的上述问题，本发明实施例提供了一种诊断固体氧化物燃料电池系统故障的方法及设备。

第一方面，本发明的实施例提供了一种诊断固体氧化物燃料电池系统故障的方法，包括：根据固体氧化物燃料电池系统模型，获取诊断样本集，针对所述诊断样本集，得到神经网络模型的系统参数，采用所述系统参数和诊断样本集，对所述神经网络模型进行训练，得到最终故障诊断模型；实时采集固体氧化物燃料电池系统的工作数据，输入至所述最终故障诊断模型，得到固体氧化物燃料电池系统的故障类型。

进一步地，所述根据固体氧化物燃料电池系统模型，获取诊断样本集，包括：对固体氧化物燃料电池系统模型的重整室燃料管道漏气故障，以及正常工作状态进行仿真模拟，将仿真数据和实验数据作为所述诊断样本集。

进一步地，所述针对所述诊断样本集，得到神经网络模型的系统参数，包括：根据所述诊断样本集的输入输出对应关系，设置神经网络模型的输入层、输出层、隐含层层数、隐含层神经元数和激活函数。

进一步地，所述设置神经网络模型的激活函数，包括：

其中，f为激活函数；z为f的输入变量。

进一步地，所述采用所述系统参数和诊断样本集，对所述神经网络模型进行训练，包括正则化所述神经网络模型：

F(w)＝αE_w+βE_d

其中，F为目标函数；E_w为连接权值的平方和；w_j为第j个连接权值；E_d为神经网络模型响应的均方差；α和β为目标函数F的参数。

进一步地，所述α和β，包括：