[发明专利]基于大数据的氢燃料电池电堆输出性能分析方法

说明书

本发明提供了一种基于大数据的氢燃料电池电堆输出性能分析方法，其全面考虑了各种氢燃料车辆电堆与整车的实时运行数据对电堆性能与衰减程度所造成的影响，分别建立了反映电堆衰减的一元线性模型以及反映当前性能的多元线性预测模型，从而能够根据实车采集的运行大数据对采用同类电堆车型的电堆剩余寿命和当前性能实现预测。该方法有效克服了现有电堆性能分析方式中表征指标单一、不符合实际工况的弊端，利用相互耦合、相互影响的多种参数指标使方法的精确度与适用性显著提高。

技术领域

本发明属于燃料电池运行性能分析技术领域，具体涉及一种基于大数据的氢燃料电池电堆输出性能分析方法。

背景技术

现有技术中，针对燃料电池的电堆的性能主要是利用电堆电压参数来持续反映燃料电池整体的性能水平，并借助台架试验的方式实现电堆性能测试。然而，由于燃料电池电堆电压在动态工况下存在频繁的恢复和随机波动，具有很强的非线性和不确定性，使得仅考虑电压参数得到的测试结果准确性还不能满足要求。同时，试验台架与电堆在车上等实际使用场景的工况存在较大差异，无法全面衡量实际使用情况下的电堆性能。而在真实运行工况下，电堆性能受燃料电池的电堆温度、压力、氢气流量和空气流量等参数的影响均较为明显。并且，燃料电池系统经常处于动态运行情形下，频繁启停、怠速、变载和高负荷等工作状态都对燃料电池的寿命有很大影响。这些控制变量相互耦合、相互影响，使现有技术在评估电堆性能和获得最佳的输出性能的相关参数上面临巨大困难，因此本领域迫切需要一种更为科学有效的氢燃料电池电堆性能计算及分析方法，在准确且实时计算当前性能水平的同时，还可以分析影响燃料电池电堆性能的因素。

发明内容

有鉴于此，针对上述本领域中存在的技术问题，本发明提供了一种基于大数据的氢燃料电池电堆输出性能分析方法，具体包括以下步骤：

步骤一、氢燃料车辆车载终端实时采集氢燃料电池电堆离厂后全生命周期运行时的氢燃料管路参数、空气管路参数、电堆功率输出参数、电堆启停状态与车辆运行状态参数，并将这些运行参数上传至云端平台；

步骤二、云端平台获取车载终端上传的运行参数后，针对某个目标电堆定义其额定电流的50％为稳态电流值，并得到与稳态电流值对应的稳态电压值；

步骤三、设定一定长度的计算周期，并采集计算周期内目标电堆运行参数中所有的稳态电压值以及相应时间，建立时间-稳态电压值序列；对序列中的稳态电压值通过滑动时间窗口进行平滑滤波；利用滤波后得到的电压数据应用一元线性回归方程拟合电堆性能衰减模型函数，并定义函数斜率作为电堆性能衰减率；

步骤四、选取氢燃料管路参数、空气管路参数、电堆启停状态与车辆运行状态参数作为电堆性能影响因素以及模型输入，电堆稳态电压值作为模型输出，构造基于多元线性回归的氢燃料电池电堆性能预测模型；使用同类电堆的相同车型在稳态下行驶工况的氢燃料管路参数、空气管路参数、电堆启停状态与车辆运行状态参数对所述模型进行训练，得到同类电堆的各性能影响因素权重。

将车载终端实时采集的氢燃料管路参数、空气管路参数、电堆功率输出参数、电堆启停状态与车辆运行状态参数输入所述电堆性能衰减模型与电堆性能预测模型，即可分别得到相应的电堆当前性能衰减程度以及当前预测性能。

进一步地，步骤一所采集的氢燃料管路参数具体包括：入堆氢压InHP、出堆氢压OutHP以及氢气温度HT；空气管路参数具体包括：空气湿度AH、入堆空压InAT、出堆空压OutAT、入堆空温InAT、出堆空温OutAT、空气流量AF以及空气过量系数EAC；电堆功率输出参数具体包括：电堆输出电压U和电堆输出电流I；车辆运行状态参数具体包括：报文时间t、车速v、加速踏板值AP以及制动踏板值BP；云端平台接收这些参数后，由前置机向Kafka写入数据，采用Flink把离线数据写入HDFS，采用Storm对Kafka的数据进行实时处理，从而把氢燃料车辆的实时动态数据写入Redis，并把车辆的最新的动态数据和静态数据写入Elasticsearch集群。

进一步地，步骤二中得到稳态电压值的具体过程包括：