一种固体氧化物燃料电池系统故障定位方法和诊断方法技术方案

本发明专利技术属于高温燃料电池技术领域，具体涉及一种固体氧化物燃料电池系统故障定位方法和诊断方法，包括采用长短期记忆人工神经网络方法对系统性能进行评估，判断实验过程中是否发生故障，并对发生的故障进行定位和标记。通过得到的故障数据，设计主成分分析与支持向量机相结合的故障诊断算法，以对故障进行识别和预防。本发明专利技术是一套完整的SOFC系统故障定位、故障标记及故障诊断方案，解决了SOFC系统原始数据量大以及系统机理复杂，导致的故障难分辨和难诊断等问题，为系统性能优化提供了新的思路。另外为了延长系统寿命，提高系统性能，满足外部负载需求，通过提前预知系统后续的性能，并提前做出相应的措施，可避免由于操作点改变导致的系统性能退化。导致的系统性能退化。导致的系统性能退化。

【技术实现步骤摘要】
一种固体氧化物燃料电池系统故障定位方法和诊断方法


[0001]本专利技术属于高温燃料电池
，更具体地，涉及一种固体氧化物燃料电池系统故障定位方法和诊断方法。

技术介绍

[0002]固体氧化物燃料电池系统(Solid Oxide Fuel Cell，SOFC)是将燃料的化学能直接转化为电能的能量转换装置，具有高效率、无污染、无噪声等优点。其应用场景广泛，功率等级从W级到MW级，主要涉及便携式发电、交通运输、分布式发电、固定式发电等领域。随着SOFC系统对可靠性和安全性下降的容忍度越来越低，其故障诊断正成为SOFC控制系统的一个组成部分，主要包括三个任务：1.检测：检测系统中出现的非期望状态；2.隔离：对不同的故障进行定位或分类；3.分析或识别：确定故障的类型、大小或可能的原因。
[0003]但是目前的故障诊断方案都不够完善，存在以下几种问题：1.基于模型的故障诊断方案，是通过建立SOFC系统的非线性物理模型，来判断系统是否出现故障。但是基于模型的方法有一些困难难以确保模型精度：(1)由于存在不确定的参数以及干扰，必须对模型进行相应的简化，这会导致模型的不确定性；(2)SOFC系统是一个复杂的非线性模型，系统中存在大量的耦合关系，模型很难准确的还原系统的性能；(3)实际系统变得越来越复杂，在模型运行过程中，往往需要相当长的处理时间，不适合于实时诊断。2.在大部分的研究中，基于数据的故障诊断，使用的数据都是通过模型产生的。这些研究会面临和基于模型方案同样的问题。产生的数据不够准确，得到的诊断结果也不够准确。只有通过使用实际系统运行过程中获得数据，才能得到最为准确的结论。3.目前的诊断方案，都只关注“诊断环节”，很少公开文献关注故障的定位和标记的问题：大部分研究都是直接通过模型产生健康数据和故障数据。但是在实际系统运行过程中，系统往往要一直运行到停机，才能去检查是否发生了故障以及故障的类型(例如，气体泄漏故障和碳沉积，会影响到系统的性能，但是不会导致系统的停机)。并且实际系统中故障是渐进的，不容易标记，需要设定正确的阈值。在庞大的数据集中，进行SOFC系统故障的定位和标记是一项很重要的过程，如果数据标记的不够准确，故障诊断结果也一定会受到影响。

技术实现思路

[0004]针对现有技术的缺陷和改进需求，本专利技术提供了一种固体氧化物燃料电池系统故障定位方法和诊断方法，其目的在于对SOFC系统内可能发生的故障进行准确定位以及诊断。
[0005]为实现上述目的，按照本专利技术的一个方面，提供了一种固体氧化物燃料电池系统故障定位方法，包括：
[0006]将待故障定位固体氧化物燃料电池系统的某一时间段多个状态参数数据输入到基于长短期记忆人工神经网络的故障定位模型中，得到所述时间段的后续的多个固体氧化物燃料电池系统预测状态参数数据，其中，每个状态参数数据包括时间信息；
[0007]采集所述多个固体氧化物燃料电池系统预测状态参数数据在时间上一一对应的多个固体氧化物燃料电池系统实际状态参数数据，比较每个时间对应的预测状态参数数据和实际状态参数数据，当两者差值大于阈值时，则固体氧化物燃料电池系统在该时间发生故障，完成时间维度的故障定位。
[0008]进一步，所述故障定位模型的训练数据选自固体氧化物燃料电池系统健康运行下的若干状态参数数据。
[0009]进一步，所述健康运行的阶段选自固体氧化物燃料电池系统全工况的由系统启动到进入一个放电高峰的相对稳定状态的阶段。
[0010]进一步，所述状态参数数据包括：固体氧化物燃料电池系统的输出电压、输出电流、输出功率、燃料输入流量、燃烧室的燃料输入流量、重整器的空气输入流量、旁路空气流量、去离子水输入流量、重整器温度、热交换器温度和燃烧室温度。
[0011]进一步，所述方法还包括：
[0012]获取多个预估故障类型，采集每个故障时间下的对每个预估故障类型进行故障位置定位所需的其它参数信息，以分别对每个预估故障类型进行位置定位或类型排除，得到该故障时间下的故障类型以及故障发生位置，完成故障位置维度的固体氧化物燃料电池系统故障定位。
[0013]本专利技术还提供一种固体氧化物燃料电池系统故障诊断方法，包括：
[0014]采用多分类的支持向量机，基于固体氧化物燃料电池系统的状态参数数据，得到固体氧化物燃料电池系统故障类型，完成故障诊断；
[0015]其中，用于训练所述支持向量机的训练数据采用以下方法得到：
[0016]采用如上所述的一种固体氧化物燃料电池系统故障定位方法，得到多个状态参数数据以及每个状态参数数据所对应的故障类型；
[0017]由每个状态参数数据及其对应的故障类型作为一个训练样本，构建得到所述训练数据。
[0018]进一步，用于训练支持向量机和用于故障诊断的状态参数数据均进行异常值预处理以及主成分分析降维处理。
[0019]进一步，采用查准率和查全率对所述支持向量机器的预测质量进行评价。
[0020]本专利技术还提供一种如上所述的一种固体氧化物燃料电池系统故障定位方法的应用，用于根据如上所述的一种固体氧化物燃料电池系统故障定位方法所提取预测的系统后续的状态参数数据，确定防止退化的措施，以避免由于操作点改变导致的系统性能退化。
[0021]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如上所述的一种固体氧化物燃料电池系统故障定位方法和/或如上所述的一种固体氧化物燃料电池系统故障诊断方法。
[0022]总体而言，通过本专利技术所构思的以上技术方案，能够取得以下有益效果：
[0023](1)本专利技术方法首先收集SOFC系统的实验数据，并采用长短期记忆人工神经网络(LSTM)方法对系统性能进行评估，判断实验过程中是否发生故障，并对发生的故障进行定位和标记。然后，通过得到的故障数据，设计主成分分析(PCA)与支持向量机(SVM)相结合的故障诊断算法，以对故障进行识别和预防。
[0024](2)本专利技术提出了一套完整的SOFC系统故障定位、故障标记以及故障诊断方案。此专利技术解决了SOFC系统原始数据量大以及系统机理复杂，导致的故障难分辨和难诊断等问题，为系统性能优化提供了新的思路。并且本专利技术不依赖复杂的系统机理模型，仅通过实验数据即可对故障进行定位、标记和诊断，它不仅仅能用于SOFC系统，还适用于众多的故障难以直接诊断的系统，如质子交换膜燃料电池系统、滚动轴承系统、齿轮箱系统等。该专利技术为SOFC系统的改进、控制器设计提供了指导。
[0025](3)为了延长系统寿命，提高系统性能，满足外部负载需求，如果能提前预知系统后续的性能，并提前做出相应的措施，可以很好的避免由于操作点改变导致的系统性能退化。
附图说明
[0026]图1为本专利技术实施例提供的一种固体氧化物燃料电池系统故障定位方法流程框图；
[0027]图2为本专利技术实施例提供的故障定位与标记的具体流程框图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种固体氧化物燃料电池系统故障定位方法，其特征在于，包括：将待故障定位固体氧化物燃料电池系统的某一时间段多个状态参数数据输入到基于长短期记忆人工神经网络的故障定位模型中，得到所述时间段的后续的多个固体氧化物燃料电池系统预测状态参数数据，其中，每个状态参数数据包括时间信息；采集所述多个固体氧化物燃料电池系统预测状态参数数据在时间上一一对应的多个固体氧化物燃料电池系统实际状态参数数据，比较每个时间对应的预测状态参数数据和实际状态参数数据，当两者差值大于阈值时，则固体氧化物燃料电池系统在该时间发生故障，完成时间维度的故障定位。2.根据权利要求1所述的一种固体氧化物燃料电池系统故障定位方法，其特征在于，所述故障定位模型的训练数据选自固体氧化物燃料电池系统健康运行下的若干状态参数数据。3.根据权利要求2所述的一种固体氧化物燃料电池系统故障定位方法，其特征在于，所述健康运行的阶段选自固体氧化物燃料电池系统全工况的由系统启动到进入一个放电高峰的相对稳定状态的阶段。4.根据权利要求3所述的一种固体氧化物燃料电池系统故障定位方法，其特征在于，所述状态参数数据包括：固体氧化物燃料电池系统的输出电压、输出电流、输出功率、燃料输入流量、燃烧室的燃料输入流量、重整器的空气输入流量、旁路空气流量、去离子水输入流量、重整器温度、热交换器温度和燃烧室温度。5.根据权利要求1至4任一项所述的一种固体氧化物燃料电池系统故障定位方法，其特征在于，所述方法还包括：获取多个预估故障类型，采集每个故障时间下的对每个预估故障类型进行故障位置定位所需的其它参数信息，以分别对每个预估故障类型进行位置定位或类型排除，得到...

【专利技术属性】
技术研发人员：李曦，彭靖轩，王李，王贝贝，许元武，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：