一种燃料电池电堆的预测性维护方法以及维护系统技术方案

本发明专利技术提供了一种燃料电池电堆的预测性维护方法以及维护系统，所述预测性维护方法包括如下步骤：建立ResNet残差神经网络结构，根据收集的数据训练出对应的状态估计模型；实现在线数据实时状态预测，根据所述状态估计模型，通过输入实时数据，输出预测的状态值；实现保养维护状态评估，先设定保养维护的阈值，根据所述实时状态预测的结果与所述阈值进行对比，判断是否需要发出保养维护的预警信号。本发明专利技术的预测性维护方法采用大数据和深度学习的手段，提出基于状态估计的燃料电池电堆预测性维护的方案。改善了现有技术中的区域差异性问题以及个列突变的响应不及时问题。问题以及个列突变的响应不及时问题。问题以及个列突变的响应不及时问题。

【技术实现步骤摘要】
一种燃料电池电堆的预测性维护方法以及维护系统


[0001]本专利技术涉及氢燃料电池发动机维护领域，具体而言，涉及一种燃料电池电堆的预测性维护方法以及维护系统。

技术介绍

[0002]氢燃料电池发动机是一个复杂的系统，而电堆则是该系统的核心，是整个系统动力输出的关键子系统零部件。在燃料电池发动机运行过程中，随着工况的不同，运行时间的不同，电堆的输出电压会有不同的变化及衰减，当电堆的单片电压衰减到一定的阈值，则认为电堆的寿命达到了尽头，需要进行更换。如何使电堆能稳定、长期的运行在理想状态，延缓电堆的电压衰减速率，延长电堆的使用寿命，是降低企业成本的一项有效措施。
[0003]目前对于电堆的预测性维护主要基于运行时间段和基于剩余寿命预估展开。
[0004]1)基于运行时间段的定时维护：以电堆出厂标定的生命周期为依据，按照阈值划分时间段，到时间点进行保养维护。此方案的保养维护具有一定的粗暴性，没有考虑地区性差异以及偶然性，会造成电堆性能的拐点提前或推后。
[0005]2)基于寿命预测的维护：依托数据指标的采集，纵向比较电堆出厂时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种燃料电池电堆的预测性维护方法，其特征在于，包括如下步骤：建立ResNet残差神经网络结构，根据收集的数据训练出对应的状态估计模型；实现在线数据实时状态预测，根据所述状态估计模型，通过输入实时数据，输出预测的状态值；实现保养维护状态评估，先设定保养维护的阈值，根据所述实时状态预测的结果与所述阈值进行对比，判断是否需要发出保养维护的预警信号。2.根据权利要求1所述的预测性维护方法，其特征在于，所述状态估计模型的训练方法包括：获取燃料电池电堆的各项数据，将获取到的所述各项数据根据GPS信息，采用KNN算法进行聚类；根据上述步骤的聚类结果分别将所述各项数据进行不同分类后分别输入ResNet进行迭代训练。3.根据权利要求2所述的预测性维护方法，其特征在于，所述迭代训练的方法包括：以燃料电池电堆输入端的的数据作为输入指标，以燃料电池电堆输出端的数据作为输出指标进行训练；当迭代训练过程达到最大迭代次数或者训练的均方误差小于预定值时退出迭代。4.根据权利要求2所述的预测性维护方法，其特征在于，所述实现在线数据实时状态预测的方法包括：导入实时数据，通过过KNN算法将数据以经纬度信息为维度进行聚类，获取数据类别；根据所述数据类别的不同与所述状态估计模型的模型做关联，加载对应类别的模型，然后进行ResNet回归预测。5.根据权利要求4所述的预测性维护方法，其特征在于，所述ResNet回归预测的方法包括：以燃料电池电堆输入端的的数据作为输入数据，通过所述状态估计模型计算得到状态估计值，将状态估...

【专利技术属性】
技术研发人员：郝磊，张璞，丁斌，
申请(专利权)人：北京博瑞华通科技有限公司，
类型：发明
国别省市：