[发明专利]一种用于燃料电池系统的在线故障诊断方法

说明书

本发明公开了一种用于燃料电池系统的在线故障诊断方法，包括获取第一故障诊断模型，第一故障诊断模型是基于电堆的实时数据和机器学习方法获得，电堆的实时数据是通过电堆基准测试实验获得；燃料电池系统运行过程中，获取实时测量的电堆运行数据，将其作为第一故障诊断模型的输入参数，获得电堆的故障诊断结果；获取第二故障诊断模型，第二故障诊断模型中包含了与燃料电池系统中各辅助部件对应的标准数据；获取燃料电池系统中各辅助部件的实时运行数据，将其作为所述第二故障诊断模型的输入参数，获得各辅助部件的故障诊断结果；本发明以现有的燃料电池系统为基础，无需额外增加传感器以及测试设备，且不会对燃料电池系统运行造成干扰，实施成本低、易于推广。

技术领域

本发明属于燃料电池技术领域，具体涉及一种用于燃料电池系统的在线故障诊断方法。

背景技术

燃料电池是一种将燃料的化学能直接转化为电能的装置，具有运行效率高、清洁无污染、噪音低等优点，有望替代传统的热机以解决能源系统的环境污染问题。目前，燃料电池已经在汽车、无人机、固定式发电等领域开始推广应用，未来有广阔的应用前景。

燃料电池系统包含电堆、空气供给系统、氢气供给系统、热管理系统等，是一套复杂的非线性系统。运行过程中有可能出现水淹、膜干、缺气、短路、催化剂中毒等故障，对燃料电池性能和寿命都有很大影响。因此，在使用过程中对燃料电池系统进行在线检测，实时对其故障状态进行评估，对保障安全稳定运行至关重要。一方面，及时发现故障并采取相应的故障恢复措施，避免更严重的故障发生，减小故障造成的不可逆损伤，提高系统可靠性。另一方面，准确的定位故障发生的位置、确定故障类型和故障发生的原因，可以大大减少维修时的工作量。

现有技术中虽然已提出多种燃料电池系统故障诊断方法，但是还不能满足实际应用的需要，主要存在以下几个问题：1)大多只针对一种故障类型提出诊断方法，无法直接用于实际的燃料电池系统；2)大多是仅针对燃料电池电堆的故障诊断方法，但事实上空压机、氢气循环泵等关键部件的故障检测也是不可缺少的；3)诊断方法复杂，实施成本高，无法用于在线故障诊断。由于以上原因，燃料电池技术领域至今还未形成一种可以推广使用的、规范统一的故障诊断方法。

发明内容

针对上述问题，本发明提出一种用于燃料电池系统的在线故障诊断方法，能够对燃料电池电堆进行实时在线检测、准确评估其故障状态，诊断过程快速、高效，可用于燃料电池控制系统或者燃料电池测试设备。

为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种用于燃料电池系统的在线故障诊断方法，包括以下步骤：

获取第一故障诊断模型，所述第一故障诊断模型是基于电堆的实时数据和机器学习方法获得；所述电堆的实时数据是通过电堆基准测试实验获得；

燃料电池系统运行过程中，获取实时测量的电堆运行数据，将其作为所述第一故障诊断模型的输入参数，进而获得电堆的故障诊断结果。

优选地，所述第一故障诊断模型的获得步骤具体为：

获取电堆的实时正常放电工况数据和故障工况数据，形成数据集；

将所述数据集分为训练数据子集和验证数据子集；

选定机器学习模型；

使用所述训练数据子集对所述机器学习模型进行训练；

使用所述验证数据子集对机器学习模型的准确度进行验证；

根据验证结果调整机器学习模型的结构，反复进行训练和验证，最终得到准确度符合要求的第一故障诊断模型。

优选地，所述机器学习模型的学习方法为K近邻、贝叶斯网络、支持向量机、人工神经网络或深度学习中的任意一种。