故障诊断模型的训练方法、燃料电池故障诊断方法及装置与流程

本申请涉及燃料电池，特别涉及一种故障诊断模型的训练方法、燃料电池故障诊断方法及装置。

背景技术：

1、随着燃料电池技术逐渐成熟，燃料电池汽车数量激增，但由于燃料电池内部结构机理复杂，导致无法对燃料电池系统故障状态进行准确、迅速的诊断并做出相应的处理，极大的影响了现燃料电池系统的使用寿命与使用成本，是目前制约燃料电池快速发展的重要问题。

2、燃料电池电堆实际使用场景下产生的主要故障包括：1、由电堆内部产水过多的水淹故障；2、由电堆内部缺水导致的膜干故障；3、由空气供应量不足导致的氧饥饿故障。三种典型故障的诊断指标都尚未有统一的标准，常见的诊断指标有电压、压力降、电化学阻抗谱等，但是基于上述常见诊断指标对于燃料电池故障诊断存在较大误差，诊断结果不够精准等问题。

技术实现思路

1、本申请提供一种故障诊断模型的训练方法、燃料电池故障诊断方法及装置，以解决相关技术中对于燃料故障诊断存在较大误差，诊断结果不够精准等问题。

2、本申请第一方面实施例提供一种故障诊断模型的训练方法，包括以下步骤：获取燃料电池的历史电池数据；对历史电池数据进行变载波动去除的预处理得到稳态运行数据；基于稳态运行数据评估燃料电池电堆内部的单体电压故障聚集状态，根据单体电压故障聚集状态的评估结果生成训练数据集；利用训练数据集训练故障诊断模型。

3、可选地，历史电池数据包括电流、电压、温度、压力、电化学阻抗、单片电压巡检电压分布、单片电压巡检一致性和单片电压巡检平均单体电压的至少一种。

4、可选地，对历史电池数据进行变载波动去除的预处理得到稳态运行数据，包括：从历史电池数据中筛选电流满足预设筛选条件的运行状态数据；清洗掉运行状态数据中连续运行时长小于第一预设时长的数据，并限制连续运行时的变载电流小于或等于第一预设电流，得到清洗后的连续稳定数据集；从连续稳定数据集中选取目标区域的数据作为稳态运行数据。

5、可选地，预设筛选条件包括在第二预设时长内电流大于第二预设电流。

6、可选地，基于稳态运行数据评估燃料电池电堆内部的单体电压故障聚集状态，包括：识别稳态运行数据的单片电压巡检一致性；获取上一时刻的故障诊断结果，根据单片电压巡检一致性与上一时刻的诊断结果确定当前聚集数量；根据单片电压巡检电压分布和单片电压巡检平均单体电压确定第一故障聚类中心，根据第一故障聚类中心和当前聚集数量确定多个水淹故障聚集区域；计算每个水淹故障聚集区域的第二聚类中心，基于第二聚类中心进行故障距离得到单体电压故障聚集状态，若第二聚类中心产生偏移，则重新确定多个水淹故障聚集区域和第二聚类中心；评估单体电压故障聚集状态的聚集误差平方偏差。

7、本申请第二方面实施例提供一种燃料电池故障诊断方法，包括以下步骤：获取燃料电池的当前电池数据；将当前电池数据输入故障诊断模型，故障诊断模型输出故障诊断结果，其中，故障诊断模型利用上述实施例的故障诊断模型的训练方法训练得到。

8、本申请第三方面实施例提供一种故障诊断模型的训练装置，包括：第一获取模块，用于获取燃料电池的历史电池数据；处理模块，用于对历史电池数据进行变载波动去除的预处理得到稳态运行数据；生成模块，用于基于稳态运行数据评估燃料电池电堆内部的单体电压故障聚集状态，根据单体电压故障聚集状态的评估结果生成训练数据集；训练模块，用于利用训练数据集训练故障诊断模型。

9、可选地，历史电池数据包括电流、电压、温度、压力、电化学阻抗、单片电压巡检电压分布、单片电压巡检一致性和单片电压巡检平均单体电压的至少一种。

10、可选地，处理模块进一步用于：从历史电池数据中筛选电流满足预设筛选条件的运行状态数据；清洗掉运行状态数据中连续运行时长小于第一预设时长的数据，并限制连续运行时的变载电流小于或等于第一预设电流，得到清洗后的连续稳定数据集；从连续稳定数据集中选取目标区域的数据作为稳态运行数据。

11、可选地，预设筛选条件包括在第二预设时长内电流大于第二预设电流。

12、可选地，生成模块进一步用于：识别稳态运行数据的单片电压巡检一致性；获取上一时刻的故障诊断结果，根据单片电压巡检一致性与上一时刻的诊断结果确定当前聚集数量；根据单片电压巡检电压分布和单片电压巡检平均单体电压确定第一故障聚类中心，根据第一故障聚类中心和当前聚集数量确定多个水淹故障聚集区域；计算每个水淹故障聚集区域的第二聚类中心，基于第二聚类中心进行故障距离得到单体电压故障聚集状态，若第二聚类中心产生偏移，则重新确定多个水淹故障聚集区域和第二聚类中心；评估单体电压故障聚集状态的聚集误差平方偏差。

13、本申请第四方面实施例提供一种燃料电池故障诊断装置，包括：第二获取模块，用于获取燃料电池的当前电池数据；输入模块，用于将当前电池数据输入故障诊断模型，故障诊断模型输出故障诊断结果，其中，故障诊断模型利用如上的故障诊断模型的训练装置训练得到。

14、本申请第五方面实施例提供一种车辆，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序，以实现如上述实施例的故障诊断模型的训练方法，或，燃料电池故障诊断方法。

15、本申请第六方面实施例提供一种计算机可读存储介质，其上存储有计算机程序或指令，计算机程序或指令被执行时，以用于实现如上述实施例的故障诊断模型的训练方法，或，燃料电池故障诊断方法。

16、由此，本申请包括如下有益效果：

17、本申请实施例可以对燃料电池的历史电池数据进行预处理，去除变载波动影响的数据得到稳态运行数据，提高故障诊断模型的精度，并基于稳态运行数据评估电堆内部的单体电压故障聚集状态，并根据单体电压故障聚集状态的评估结果生成训练数据集，基于训练数据集训练故障诊断模型，实现了根据单体电压故障聚集状态评估燃料电池故障，提高了故障诊断的准确度。由此，解决了相关技术中对于燃料故障诊断存在较大误差，诊断结果不够精准等技术问题。

18、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

技术特征：

1.一种故障诊断模型的训练方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的故障诊断模型的训练方法，其特征在于，所述历史电池数据包括电流、电压、温度、压力、电化学阻抗、单片电压巡检电压分布、单片电压巡检一致性和单片电压巡检平均单体电压的至少一种。

3.根据权利要求1所述的故障诊断模型的训练方法，其特征在于，所述对所述历史电池数据进行变载波动去除的预处理得到稳态运行数据，包括：

4.根据权利要求3所述的故障诊断模型的训练方法，其特征在于，所述预设筛选条件包括在第二预设时长内电流大于第二预设电流。

5.根据权利要求2所述的故障诊断模型的训练方法，其特征在于，所述基于所述稳态运行数据评估所述燃料电池电堆内部的单体电压故障聚集状态，包括：

6.一种燃料电池故障诊断方法，其特征在于，包括以下步骤：

7.一种故障诊断模型的训练装置，其特征在于，包括：

8.一种燃料电池故障诊断装置，其特征在于，包括：

9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现权利要求1-5任一项所述的故障诊断模型的训练方法，或，权利要求6所述的燃料电池故障诊断方法。

10.一种计算机可读存储介质，其上存储有计算机程序或指令，其特征在于，所述计算机程序或指令被执行时，以实现权利要求1-5任一项所述的故障诊断模型的训练方法，或，权利要求6所述的燃料电池故障诊断方法。

技术总结本申请涉及燃料电池技术领域，特别涉及一种故障诊断模型的训练方法、燃料电池故障诊断方法及装置，其中，方法包括：获取燃料电池的历史电池数据；对历史电池数据进行变载波动去除的预处理得到稳态运行数据；基于稳态运行数据评估燃料电池电堆内部的单体电压故障聚集状态，根据单体电压故障聚集状态的评估结果生成训练数据集；利用训练数据集训练故障诊断模型。由此，解决了相关技术中对于燃料故障诊断存在较大误差，诊断结果不够精准等问题。技术研发人员：李游,赵洪辉,王宇鹏,都京,王恺,江柯,张滢,刘华洋受保护的技术使用者：中国第一汽车股份有限公司技术研发日：技术公布日：2024/9/17