[发明专利]一种对PEMFC剩余使用寿命进行预测的方法及装置

说明书

本发明涉及燃料电池技术领域，特别是指一种对PEMFC剩余使用寿命进行预测的方法及装置，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。采用本发明，可以提高寿命预测准确率。

技术领域

本发明涉及燃料电池技术领域，特别是指一种对PEMFC剩余使用寿命进行预测的方法及装置。

背景技术

质子交换膜燃料电池(PEMFC，Proton Exchange Membrane Fuel Cell)作为一种应用前景广阔的新型电力能源供给装置，由于具有高能量密度、高能量转化率、对环境友好、工作温度低等优势，被广泛应用于车辆交通、便携式设备和热电联产等领域，成为可替换能源装置的研究热点。然而，PEMFC在长期运行环境(如大负载、启停机等)中，催化剂、双极板和膜电极等内部关键部件会慢慢老化，从而导致PEMFC性能退化。同时，寿命短、维护成本高等问题也制约着PEMFC的发展。而RUL(Remaining Useful Life，剩余使用寿命)作为预测与健康管理的核心技术，可对PEMFC系统进行剩余寿命预测。根据预测结果，提前制定相应的维护策略，可最大限度的减少维修时间和降低维护成本，保证系统的健康持续运行。

目前对PEMFC进行剩余使用寿命预测的方法主要有基于机理模型的方法和基于数据驱动的方法。基于机理模型的方法需要知道PEMFC系统内部退化机理，但是内部变化往往不可测，且退化机理尚未完全理解，故难以从内部机理角度建立准确的退化模型。基于数据驱动的方法虽然无需清楚电池的退化机理，但需要通过数据对网络进行训练，对数据的依赖程度非常大。

专利号为CN113608137A、专利名称为《一种质子交换膜燃料电池电堆寿命预测方法》的专利公开了一种质子交换膜燃料电池堆寿命预测方法，对电池堆内部的质子膜、催化剂、气体扩散层等关键材料的水传输进行分析，将水含量作为依据来判定电池堆的性能的衰减，从而预估电池堆的寿命。专利号为CN111044926A、专利名称为《质子交换膜燃料电池寿命预测方法》的专利公开了质子交换膜燃料电池寿命预测方法，将输出电压作为退化指标，通过建立静态作用下电压衰退模型的线性状态方程，利用粒子滤波的方法在学习阶段对电压进行估计，在预测阶段对对电压值进行预测，从而预测剩余寿命。专利号为CN111339712A、专利名称为《质子交换膜燃料电池剩余寿命预测方法》、专利号为CN111310387A、专利名称为《一种燃料电池寿命预测方法》这两篇专利也将输出电压作为性能退化指标，分别通过构建深度置信网络与极限学习机融合而成的预测模型、基于变分模态分解与深度置信网络预测模型，从历史输出电压中提取电池退化的高质量特征，来学习退化趋势，从而对剩余寿命进行预测。

现有方法还存在以下不足：

1)针对难以对PEMFC建立准确的退化机理模型以及数据驱动的方法需要大量数据支撑这一问题，需要结合这两种方法的优点，寻找一种基于模型和数据混合驱动的方法来预测PEMFC系统的剩余寿命。

2)现有研究大多直接以输出电压作为性能退化指标进行RUL预测。但已有研究表明，真正引起系统退化的是两个内部关键参数：最大电流密度和总电阻，并不是输出电压，因此选择输出电压作为退化指标不足以准确描述系统的退化。

3)受外部环境和内部因素综合作用的影响，系统的退化存在随机性，三源不确定性即时间不确定性、个体差异性和测量不确定性普遍存在于系统的退化过程，而现有对PEMFC的研究大多没有考虑到这一问题。

发明内容

本发明实施例提供了一种对PEMFC剩余使用寿命进行预测的方法及装置。所述技术方案如下：