技术新讯 > 电气元件制品的制造及其应用技术 > 基于大数据的氢燃料电池性能衰减等级预警方法及系统与流程  >  正文

基于大数据的氢燃料电池性能衰减等级预警方法及系统与流程

  • 国知局
  • 2024-08-08 16:52:24

本发明涉及氢燃料电池,尤其是涉及一种基于大数据的氢燃料电池性能衰减等级预警方法及系统。

背景技术:

1、氢能作为用能终端实现绿色低碳转型的重要载体,其为最好的可再生能源之一的优势是显而易见的,氢燃料电池是燃料电池汽车的核心部件,以其转化效率高、无碳排放等特点受到广泛关注。

2、现如今,交通领域将成为氢能应用的重要场景,但是燃料电池系统复杂,对环境要求较高,且系统存在不稳定性,故对氢能燃料电池车辆发动机进行性能分析和进行性能预警是必要的。但如今市场缺乏对氢燃料电池的性能衰减情况的预警手段,无法对氢燃料电池进行更全面的了解。

技术实现思路

1、本发明旨在提供一种基于大数据的氢燃料电池性能衰减等级预警方法及系统,以解决上述技术问题,基于大数据对氢燃料电池性能衰减等级进行预警,从而对氢燃料电池性能情况和故障率的监控,有效保障氢燃料电池系统运行稳定。

2、为了解决上述技术问题,本发明提供了一种基于大数据的氢燃料电池性能衰减等级预警方法,包括以下步骤:获取氢燃料电池稳定状态下的功率数据;基于功率数据拟合标准电压值并计算实际电压值;基于标准电压值和实际电压值计算性能衰减度并划分性能衰减等级;确定相关控制特征,基于预设的时间周期获取相关控制特征及性能衰减等级,建立初始样本集;基于随机森林算法,以基决策树为基学习器构建bagging集成学习模型;基于初始样本集对bagging集成学习模型进行迭代学习,获取若干个基决策树;采用相对多数投票法对若干个基决策树进行投票,获取最终预测结果。

3、上述方案中,通过获取氢燃料电池稳定状态下的功率数据,以形成大数据对氢燃料电池性能衰减等级进行预警,可以对氢燃料电池性能情况和故障率的监控,实现对氢燃料电池更全面的了解,包括了解燃料电池的健康状态、剩余寿命等,监控保障燃料电池的稳定运行。

4、进一步地,所述获取氢燃料电池稳定状态下的功率数据,具体为:定义第一功率点为连续运行时间超过1分钟的最大功率点;定义第二功率点与第一功率点相差10kw,同时满足在规定范围内的连续运行时间超过1分钟的最大功率点;依次类推,定义若干个功率点且所有功率点取值需大于20kw;针对于某车辆某日运行的全天数据,包括时间、功率、电流、电压并对功率进行排序;获取若干个功率点对应的稳定数据片段作为氢燃料电池稳定状态下的功率数据,功率数据包含功率值、电流值和电压值。

5、上述方案中,通过定义第一功率点、第二功率点和第三功率点等若干个功率点的功率取值间隔,增加工况点样本集丰富度,提升后续预测的准确度。

6、需要说明的是,功率数据可以从预设数据库中获取,所述数据库通过数据采集器或数据采集终端将实时采集到的电堆电流电压参数、功率参数、压力温度参数、启停参数等上传至服务器,服务器对这些数据进行解析并实时存储至数据库。

7、进一步地,所述基于功率数据拟合标准电压值并计算实际电压值,具体为:计算稳定数据片段的实际电流值和实际电压值;将实际电流值代入根据燃料电池标定试验得到的标准电压拟合公式,获取标准电压值;所述标准电压拟合公式具体表示为:

8、标准电压值=a*实际电流值2+b*实际电流值+c

9、式中,a、b、c为根据台架实验拟合的系数,不同型号的系数取值不同。

10、进一步地,所述基于标准电压值和实际电压值计算性能衰减度并划分性能衰减等级,具体为:基于标准电压值和实际电压值计算性能衰减度,具体计算公式为:

11、

12、基于性能衰减度划分性能衰减等级,将性能衰减度为5%以下不报预警、5-10%为一级性能预警、10-15%为二级性能预警和15%以上为三级性能预警。

13、上述方案中,通过定义并计算氢燃料电池在第一功率点、第二功率点、第三功率点等若干个功率点下的实际电流值和实际电压值,进而实现性能衰减度的计算,大大增加了性能衰减度在不同功率场景下计算的精确度和可信度,增加在实际运行状态下的可延展度。

14、进一步地,所述确定相关控制特征,基于预设的时间周期获取相关控制特征及性能衰减等级,建立初始样本集,具体为:根据氢燃料电池的汽车发动机的控制原理,选择三个气液回路上的相关控制特征,包括:温度特征、压力特征和其它特征;基于预设的时间周期获取相关控制特征及性能衰减等级,建立初始样本集。

15、进一步地,所述温度特征包括电堆入口空气温度inat、电堆入口氢气温度inht、电堆入口冷却液温度inct和环境温度ainat;所述压力特征包括电堆入口空气压力inap、电堆入口氢气压inhp、电堆入口冷却液压力incp和环境压力ainap;所述其它特征包括空气流量af和氢泵转速spd。

16、进一步地,所述基于预设的时间周期获取相关控制特征及性能衰减等级,建立初始样本集,具体为:对不同日期的每一个需求功率s,获取相关控制特征作为自变量x(s),并将该日期对应的性能衰减程度为因变量y(s),建立初始样本集[x,y];其中:y(s)=[y1,…,ys],因变量的取值为[不报预警,一级性能预警,二级性能预警,三级性能预警],对应y=[0,1,2,3]。

17、上述方案选取了可能影响氢燃料电池性能的特征变量,在找到差异化平稳功率点运行状态后,根据此状态时间段扩展其他变量,并求取每个变量的平均值并将其作为初始样本集的数据,以提高数据的准确性。所述差异化平稳功率点即为定义的第一功率点、第二功率点等若干个功率点。

18、进一步地,所述基于初始样本集对bagging集成学习模型进行迭代学习,获取若干个基决策树,具体为:对初始样本集进行采样,获取训练集;基于训练集对bagging集成学习模型进行迭代学习,并在训练过程中引入随机属性选择,每个基决策树不包含所有相关控制特征;通过计算每个相关控制特征的信息增益划分基决策树的节点,得到完整的若干个基决策树。

19、进一步地,所述采用相对多数投票法对若干个基决策树进行投票,获取最终预测结果,具体表示为:

20、

21、式中,h(x)表示最终预测结果,ht(x)表示第t个基决策树,n表示第n个基决策树。

22、本发明还提供一种基于大数据的氢燃料电池性能衰减等级预警系统,包括:数据采集终端,用于获取氢燃料电池稳定状态下的功率数据;拟合计算模块,用于基于功率数据拟合标准电压值并计算实际电压值;性能衰减等级划分模块,用于基于标准电压值和实际电压值计算性能衰减度并划分性能衰减等级;初始样本集构建模块,用于确定相关控制特征并基于预设的时间周期获取相关控制特征及性能衰减等级,建立初始样本集;模型构建模块,用于基于随机森林算法,以基决策树为基学习器构建bagging集成学习模型;迭代学习模块,用于基于初始样本集对bagging集成学习模型进行迭代学习,获取若干个基决策树;预测模块,用于采用相对多数投票法对若干个基决策树进行投票,获取最终预测结果。

23、上述方案提供的系统构建简单,实现方便,其通过获取氢燃料电池稳定状态下的功率数据,以形成大数据对氢燃料电池性能衰减等级进行预警,可以对氢燃料电池性能情况和故障率的监控,实现对氢燃料电池更全面的了解,包括了解燃料电池的健康状态、剩余寿命等,监控保障燃料电池的稳定运行。

本文地址:https://www.jishuxx.com/zhuanli/20240808/270914.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。