一种车载燃料电池电堆衰减预测方法与流程

本发明涉及燃料电池电堆寿命测算，具体涉及一种车载燃料电池电堆衰减预测方法。

背景技术：

1、质子交换膜燃料电池（pemfc）凭借其无污染、比能高、噪音低、能量转化率高等优点，被广泛应用于燃料电池电动汽车等场景中，并且已经成为清洁能源领域的核心技术，被认为是最有前途的发动机。但是大规模商业化的燃料电池车载应用受到成本和使用寿命的严重限制，而实际使用中的pemfc的预期寿命与理论寿命随着工况和控制策略不同而显著差异，剩余使用寿命预测和健康管理是解决质子交换膜燃料电池pemfc的成本和耐久性问题的可行方法。

2、然而，目前业内已成熟使用的燃料电池剩余使用寿命的预测方法所使用的模型参数很多、结构复杂，而且对预测模型的更新和改进缓慢，不能随着燃料电池真实运行工况改变而不断地更新模型数据，使得目前预测出的剩余使用寿命存在较多误差，精度较低，为此，本技术提出一种车载燃料电池电堆衰减预测方法。

技术实现思路

1、针对现有技术中存在的缺陷，本发明的目的在于提供一种车载燃料电池电堆衰减预测方法，旨在一定程度上解决相关技术中的技术问题。

2、为达到以上目的，本发明采取的技术方案是：

3、一种车载燃料电池电堆衰减预测方法，该方法包括以下步骤：

4、s1、程序开始，获取所有待评估车辆的同型号燃料电池系统的运行数据，进入下一步；

5、s2、数据提取操作一：根据车辆运行状态提取车辆启动数据l1，并预先删除数据l1中缺失以及不正常数据，进入下一步；

6、s3、数据提取操作二：通过燃料电池堆启停标志位提取有效数据，进入下一步；

7、s4、启停标志位是否为设定值，如果不是，则删除非设定值对应的数据，如果是，则进行数据清洗，删除空白数据，并筛选运行时间最长的电流为参考电流irefer，进入下一步；

8、s5、获取参考电流irefer下的电压vrefer以及影响参数，影响参数包括功率p、温度t、湿度h，进入下一步；

9、s6、分别进行单调预测电压vpred1与影响参数的一元多次函数y1与一元一次函数y2的拟合，并将影响参数分别代入拟合后的函数模型y1与模型y2，获取单调预测电压vpred1=(y1+y2)/2，进入下一步；

10、s7、计算综合预测电压值vpred2，vpred2=(vpred1+vpred2+vpred3、…、vpredn)/n，n为正整数，进入下一步；

11、s8、判断提取的样本电压vsample连续三次小于综合预测电压值vpred2，如果不是，soh=100%，没有衰减，如果是，进入下一步；

12、s9、提取的样本电压vsample连续三次小于预设极化曲线电压，如果不是，soh=100%，没有衰减，如果是，代入综合预测电压值vpred2，获取预测寿命分布数据，进入下一步；

13、s10、计算衰减程度百分比s=[1-（vsample/vpred2）]x100%。

14、在上述技术方案的基础上，还包括以下数据提取步骤：

15、s101、读取多辆同型号燃料电池的车运营数据d1；

16、s102、删除包含空白数据的行，得到数据d2；

17、s103、根据数据d2中车辆启动与停车两种运行状态提取车辆启动状态下的数据d3；

18、s104、根据数据d3提取燃料电池启停位为启动的数据d4；

19、s105、根据数据d4删除运行时间不足200秒的数据，得到数据d5。

20、在上述技术方案的基础上，还包括以下影响参数提取步骤：

21、s201、根据数据d5进行数据分布提取；

22、s202、采用神经网络模型进行数据特征筛选，提取数据d5中电流分布数据并将分布最多的电流值作为运行时间最长的参考电流irefer；

23、s203、进一步提取数据d5，将电流值（irefer±5）安培范围内的数据全部提取并作为数据d6。

24、在上述技术方案的基础上，数据d6包括电压、电流、功率、温度、湿度、时间。

25、在上述技术方案的基础上，还包括以下模型建立步骤：

26、s301、根据数据d6建立多维模型；

27、s302、拟合模型，将提取的数据分为拆分为训练集与测试集；

28、s303、提取电压、功率、温度、湿度分别搭建电压-功率模型、电压-温度模型、电压-湿度模型，求出电压-功率模型电压v1、电压-温度模型电压v2、电压-湿度模型电压v3；

29、s304、计算单调预测电压vpred1，设定一元多次函数y1=a0+a1x+a2x2+a3x3，其中a0、a1、a2、a3为拟合参数并在实数范围内取值，x为功率或温度或湿度值；以及设定一元一次模型y2=ax+b其中，a、b均为拟合参数并在实数范围内取值，x为功率或温度或湿度；对应单调预测电压vpred1=(y1+y2)/2；

30、s305、计算综合预测电压值vpred2，将电压-功率模型电压v1、电压-温度模型电压v2、电压-湿度模型电压v3进行取均值处理，为综合预测电压值vpred2=(v1+v2+v3)/3。

31、在上述技术方案的基础上，还包括以下预测结果输出步骤：

32、s401、根据燃料电池电堆寿命测试曲线，建立电压-时间模型y，y=ax+b，其中y为电压，x为时间，a、b为实数常量；

33、s402、提取样本电压vsample，进行燃料电池电堆预测；

34、s403、将提取的样本电压vsample、综合预测电压值vpred2、预设极化曲线电压相比较，当提取的样本电压vsample连续三次小于综合预测电压值vpred2，以及提取的样本电压vsample连续三次小于预设极化曲线电压，表示燃料电池电堆已衰减，可进行衰减程度预测；

35、s404、计算衰减程度百分比s=[1-（vsample/vpred2）]x100%，根据电压-时间的模型y，计算时间x=（y-b）a，x作为已消耗设计寿命的时间值。

36、在上述技术方案的基础上，影响参数还包括运行时间t、累计空气流量q、累计里程k、电流/电压比、发电量e。

37、在上述技术方案的基础上，一种车载燃料电池电堆衰减预测装置，包括依次连接的数据预处理模块、模型搭建模块、预测电压模块、计算衰减模块，并且数据预处理模块、模型搭建模块、预测电压模块、计算衰减模块集成设置于燃料电池控制器内并分别与燃料电池控制器的处理器电连接。

38、在上述技术方案的基础上，燃料电池车设有车载燃料电池电堆衰减预测装置，并利用车载燃料电池电堆衰减预测方法监测燃料电池电堆使用寿命。

39、与现有技术相比，本发明的优点在于：

40、（1）本发明中的一种车载燃料电池电堆衰减预测方法与现有技术相比，广泛适用于燃料电池各种应用场景，随着实际工况改变而不断地更新模型数据，使得预测出的剩余寿命具有较好精度和参考性。

41、（2）本发明中的一种车载燃料电池电堆衰减预测方法，具有实时更新、快速建模和较强的适应能力，并且使用了较少的影响参数，经过多次函数模型拟合后能选取适宜参数作为模型参数，得到性能可靠预测模型，使用该预测模型进行燃料电池剩余使用寿命的预测，有效提升了燃料电池剩余使用寿命的预测速度和预测精度，同时，在将采集到的待测燃料电池的输出电压数据输入至预测模型之前，还需要采用鲁棒局部加权平滑算法对输出电压数据进行重构，这一过程有效减少了计算量，能够很好地滤除干扰，从而进一步提升了燃料电池剩余使用寿命的预测速度和预测精度。

技术特征：

1.一种车载燃料电池电堆衰减预测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的一种车载燃料电池电堆衰减预测方法，其特征在于，还包括以下数据提取步骤：

3.根据权利要求2所述的一种车载燃料电池电堆衰减预测方法，其特征在于，还包括以下影响参数提取步骤：

4.根据权利要求3所述的一种车载燃料电池电堆衰减预测方法，其特征在于：所述数据d6包括电压、电流、功率、温度、湿度、时间。

5.根据权利要求1所述的一种车载燃料电池电堆衰减预测方法，其特征在于，还包括以下模型建立步骤：

6.根据权利要求1所述的一种车载燃料电池电堆衰减预测方法，其特征在于，还包括以下预测结果输出步骤：

7.根据权利要求1所述的一种车载燃料电池电堆衰减预测方法，其特征在于：所述影响参数还包括运行时间t、累计空气流量q、累计里程k、电流/电压比、发电量e。

8.一种车载燃料电池电堆衰减预测装置，包括权利要求 1-7 任一所述的一种车载燃料电池电堆衰减预测方法，其特征在于：包括依次连接的数据预处理模块、模型搭建模块、预测电压模块、计算衰减模块，并且数据预处理模块、模型搭建模块、预测电压模块、计算衰减模块集成设置于燃料电池控制器内并分别与燃料电池控制器的处理器电连接。

9.一种燃料电池车，包括权利要求 8 所述的一种车载燃料电池电堆衰减预测装置，其特征在于：所述燃料电池车设有所述车载燃料电池电堆衰减预测装置，并利用所述车载燃料电池电堆衰减预测方法监测燃料电池电堆使用寿命。

技术总结
本发明公开了一种车载燃料电池电堆衰减预测方法，涉及燃料电池电堆寿命测算技术领域，包括获取所有待评估车辆的同型号燃料电池系统的运行数据，提取有效数据和参考电流I<subgt;refer</subgt;下的电压V<subgt;refer</subgt;以及影响参数，单调预测电压V<subgt;pred1</subgt;与综合预测电压值V<subgt;pred2</subgt;，的计算和处理，根据提取的样本电压V<subgt;sample</subgt;与综合预测电压值V<subgt;pred2、</subgt;预设极化曲线电压的关系，得出燃料电池电堆衰减的衰减情况和预测寿命分布数据；本申请中的技术方案能够适用于燃料电池各种应用场景，随着实际工况改变而不断地更新模型数据，提高了预测剩余寿命放热准确性和可靠性。

技术研发人员：冯新超,全琎,彭文方,叶麦克,全书海
受保护的技术使用者：武汉海亿新能源科技有限公司
技术研发日：
技术公布日：2024/9/23