[发明专利]一种氢燃料电池温度自学习冷却方法、装置和系统

权利要求书

1.一种氢燃料电池温度自学习冷却方法，其特征在于，包括以下步骤：

获取氢燃料电池在历史时间段中的样本数据集；其中，所述样本数据集包括多个电堆输出电流样本，以及在每个电堆输出电流样本下的水泵转速比样本和风扇转速比样本；

设定第一输入变量、第一输出变量、第二输入变量和第二输出变量；采用支持向量机训练方法，根据所述样本数据集、所述第一输入变量和所述第一输出变量构建第一支持向量机训练模型；采用所述支持向量机训练方法，根据所述样本数据集、所述第二输入变量和所述第二输出变量构建第二支持向量机训练模型；

利用所述样本数据集，对所述第一支持向量机训练模型进行参数寻优，得到第一温度控制模型；利用所述样本数据集，对所述第二支持向量机训练模型进行参数寻优，得到第二温度控制模型；并根据所述第一温度控制模型和所述第二温度控制模型得到目标温度冷却控制模型；

获取所述氢燃料电池在当前时刻下的实时电堆输出电流，将所述实时电堆输出电流输入所述目标温度冷却控制模型，得到实时水泵转速比和实时风扇转速比；

根据所述实时水泵转速比和所述实时风扇转速比对所述氢燃料电池进行温度冷却，完成温度自学习冷却；

所述第一输入变量和所述第二输入变量均具体为电堆输出电流变量，所述第一输出变量具体为水泵转速比变量，所述第二输出变量具体为风扇转速比变量；

采用支持向量机训练方法，根据所述样本数据集、所述第一输入变量和所述第一输出变量构建第一支持向量机训练模型；采用所述支持向量机训练方法，根据所述样本数据集、所述第二输入变量和所述第二输出变量构建第二支持向量机训练模型，具体包括以下步骤：

根据所述电堆输出电流变量和所述水泵转速比变量，构建第一支持向量机原始模型；根据所述电堆输出电流变量和所述风扇转速比变量，构建第二支持向量机原始模型；

采用SPXY样本划分方法，将所述样本数据集划分为训练集和测试集；

采用所述支持向量机训练方法，利用所述训练集对所述第一支持向量机原始模型进行训练，得到所述第一支持向量机训练模型；采用所述支持向量机训练方法，利用所述训练集对所述第二支持向量机原始模型进行训练，得到所述第二支持向量机训练模型。

2.根据权利要求1所述的氢燃料电池温度自学习冷却方法，其特征在于，利用所述样本数据集，对所述第一支持向量机训练模型进行参数寻优，得到第一温度控制模型；利用所述样本数据集，对所述第二支持向量机训练模型进行参数寻优，得到第二温度控制模型，具体包括以下步骤：

采用交叉验证方法，根据所述训练集和所述测试集对所述第一支持向量机训练模型进行参数寻优，得到第一优化惩罚因子和第一优化核函数；采用遗传方法，根据所述训练集和所述测试集对所述第二支持向量机训练模型进行参数寻优，得到第二优化惩罚因子和第二优化核函数；

利用所述第一优化惩罚因子和所述第一优化核函数对所述第一支持向量机训练模型进行优化，得到所述第一温度控制模型；利用所述第二优化惩罚因子和所述第二优化核函数对所述第二支持向量机训练模型进行优化，得到所述第二温度控制模型。

3.根据权利要求2所述的氢燃料电池温度自学习冷却方法，其特征在于，在根据所述第一温度控制模型和所述第二温度控制模型得到目标温度冷却控制模型之后，还包括以下步骤：

根据所述目标温度冷却控制模型编制上位机。

4.根据权利要求3所述的氢燃料电池温度自学习冷却方法，其特征在于，获取所述氢燃料电池的实时电堆输出电流，将所述实时电堆输出电流输入所述目标温度冷却控制模型，得到实时水泵转速比和实时风扇转速比，具体包括以下步骤：

利用电流传感器获取所述实时电堆输出电流，并采用CAN通讯方式，将所述实时电堆输出电流发送至燃料电池控制器；

采用所述CAN通讯方式，利用所述燃料电池控制器将所述实时电堆输出电流发送至所述上位机；

利用所述上位机读取所述实时电堆输出电流，根据所述实时电堆输出电流输出所述实时水泵转速比和所述实时风扇转速比。