[发明专利]一种对PEMFC剩余使用寿命进行预测的方法及装置

权利要求书

1.一种对PEMFC剩余使用寿命进行预测的方法，其特征在于，所述方法包括：

采集PEMFC在不同时刻的PEMFC的电流、电流密度、氢气空气进出口压强和输出电压数据，对采集的数据进行预处理；

通过引入半经验退化模型，选定能够表征PEMFC退化的健康状态SOH指标；

对SOH指标进行随机退化建模，得到性能退化状态空间模型；

根据所述PEMFC的电流、电流密度、氢气空气进出口压强和输出电压数据，采用UKF滤波算法在线估计SOH指标数据；

根据所述PEMFC的电流、电流密度、氢气空气进出口压强和输出电压数据，采用EM算法更新性能退化状态空间模型中的参数；

对初始的GRU网络模型进行训练，根据训练好的GRU网络模型进行剩余使用寿命预测。

2.根据权利要求1所述的方法，其特征在于，所述采集PEMFC在不同时刻的PEMFC的电流、电流密度、氢气空气进出口压强和输出电压数据，对采集的数据进行预处理，包括：

采集PEMFC在不同时刻的PEMFC的电流、电流密度、氢气空气进出口压强和输出电压数据，通过采用平均值±3倍标准偏差法查找数据中的异常值点，并将异常值点进行临近值替换；

对完成临近值替换后的数据，以小时为单位进行划分，取每小时内所有值的平均值作为当前时刻下的值，得到离散时间点t_k(k＝1,2,...,T)下的输出电压数据

3.根据权利要求1所述的方法，其特征在于，所述通过引入半经验退化模型，选定能够表征PEMFC退化的健康状态SOH指标，包括：

依据半经验退化模型，对于含有多个子单元电池的PEMFC电池堆，确定整体输出电压的表征方式；

通过所述整体输出电压的表征方式，确定其中未知等效电阻R以及最大电流密度J_max为影响PEMFC退化的主要影响因素；

通过引入变量α对R和J_max随时间的变化趋势进行表示，选定α作为表征系统健康状态的SOH指标。

4.根据权利要求1所述的方法，其特征在于，所述对SOH指标进行随机退化建模，得到性能退化状态空间模型，包括：

对SOH指标，建立由布朗运动驱动的维纳过程模型；对所述SOH指标的维纳过程模型中的随机漂移系数建立更新机制；

将能够反映PEMFC退化的SOH指标及其随机漂移系数一起看作系统状态变量；

基于半经验退化模型，在考虑测量误差的影响下，确立输出电压测量与SOH指标之间的关系，并将其作为测量方程；考虑三源不确定性，对上述系统状态变量，基于维纳过程模型、随机漂移系数的更新机制和测量方程构造性能退化状态空间模型。

5.根据权利要求1所述的方法，其特征在于，所述根据所述PEMFC的电流、电流密度、氢气空气进出口压强和输出电压数据，采用UKF滤波算法在线估计SOH指标数据，包括：

根据所述PEMFC的电流、电流密度、氢气空气进出口压强和输出电压数据，通过UKF算法对SOH指标及其随机漂移系数进行实时在线估计。

6.根据权利要求1所述的方法，其特征在于，所述根据所述PEMFC的电流、电流密度、氢气空气进出口压强和输出电压数据，采用EM算法更新性能退化状态空间模型中的参数，包括：

设定初始未知参数；

依据马尔可夫理论，计算含有未知参数的完全数据的对数似然函数；利用EM算法对未知参数进行估计，具体地：在E步中将状态变量看作隐含变量，计算对数似然函数的期望；在M步中最大化对数似然函数的期望得到未知参数的更新结果。

7.根据权利要求1所述的方法，其特征在于，所述对初始的GRU网络模型进行训练，包括：

将滤波后的SOH指标数据的估计值作为训练样本数据集，对所述训练样本数据集进行预处理；

将预处理后的训练样本数据集输入到初始的GRU网络模型中，通过损失函数，确定GRU网络模型的参数，得到训练好的GRU网络模型。