[发明专利]一种燃料电池系统单片电压一致性和故障干预系统

说明书

本发明公开了一种燃料电池系统单片电压一致性和故障干预系统，包括：数据采集模组、数据学习模组、单片优化模组、故障干预模组以及燃料电池智能算法控制器；该系统采用人工智能的深度学习模型和递归算法得到计算燃料电池单片数据和电堆状态的神经网络结构，并利用神经网络建立电池控制参数和运行时间与多个单片的拟合关系，实现燃料电池单片一致性和电堆状态的预测，解决了现有技术中单体电压一致性预测结果片面性的问题，有效保证了单片一致性的预测准确性，提高了单体电压一致性预测结果的可靠性。

技术领域

本发明涉及燃料电池技术领域，尤其涉及一种燃料电池系统单片电压一致性和故障干预系统。

背景技术

燃料电池汽车技术迅速发展，燃料电池系统作为一种发电装置，将化学能转化成电能。氢燃料电池更是作为一种清洁能源，对环境友好，而受到广泛关注。

由于燃料电池系统控制复杂，燃料电池性能受到多种因素影响。一般燃料电池的内部包含有几百片的单电池，而每个单电池的好坏和单电池之间的一致性都决定着整个电堆的输出性能。单电池的一致性可以反应出电堆的工作状态，单电池的方差可以作为很重要的指标；单体间不一致性表现为输出电压的不一致，一方面影响了电堆的输出电压，另一方面对电堆的寿命也有影响。

现有技术中的智能燃料电池系统仅仅采集燃料电池电堆内每一片或每几片单体的电压，通过分析单体电压之间的关系来判断单体电压一致性的好坏。这种方式的预测方法不够全面，无法精确得到同一燃料电池单体电压一致性的结论。

发明内容

本发明克服了现有技术的不足，提供一种燃料电池系统单片电压一致性和故障干预系统。该系统通过人工智能的深度学习模型和递归算法得到计算燃料电池单片数据和电堆状态的神经网络结构，并利用神经网络建立电池控制参数和运行时间与多个单片的拟合关系，实现燃料电池单片一致性和电堆状态的预测，解决了现有技术中单体电压一致性预测结果片面性的问题。

为达到上述目的，本发明采用的技术方案为：一种燃料电池系统单片电压一致性和故障干预系统，包括：数据采集模组、数据学习模组、单片优化模组、故障干预模组以及燃料电池智能算法控制器，其特征在于，

所述数据采集模组采集燃料电池实时控制输入、CVM实时单片电压数据和电池运行状态，并根据电池运行状态，把数据传输至所述数据学习模组；

所述数据学习模组通过神经网络建立电池控制参数和运行时间与多个单片的拟合关系，所述拟合关系表现为单片一致性和电堆状态的预测；

所述单片优化模组根据所述数据学习模组的拟合结果来优化单片电压的一致性，并且把结果下发到燃料电池系统中，实时调整电池单片的一致性；

所述故障干预模组是根据数据学习模组的结果来实时预测燃料电池系统的安全性，当安全系数低于阈值，触发故障干预调整；

所述燃料电池智能算法控制器根据所述单片优化模组和所述故障干预模组的输出结果产生驱动信号，并驱动处理器控制所述燃料电池系统的工作状态。

本发明一个较佳实施例中，所述数据采集模组实时采集所述燃料电池的温度、压力、流量、电压、电流、转速、开度信号、CVM各个单片数据及电池运行状态。

本发明一个较佳实施例中，所述数据采集模组中设置有若干传感器单元，所述传感器单元包括温度测量单元、压力测量单元、流量测量单元、电压测量单元、电流测量单元、转速测量单元、开度测量单元、CVM单片数据收集单元和电堆状态计算单元。

本发明一个较佳实施例中，所述数据采集模组根据所述电池运行状态，将采集数据分成安全状态运行数据和故障状态运行数据。

本发明一个较佳实施例中，所述数据学习模组根据所述安全状态运行数据和所述故障状态运行数据，得到一个可以预测单片数据和电堆状态的数据学习模型。