一种燃料电池的寿命预测方法技术

本发明专利技术公开了一种燃料电池的寿命预测方法，包括：S1、读取燃料电池的原始寿命退化数据，并对其进行预处理，得到预处理数据；S2、利用经验模态分解算法将所述预处理数据进行本征模态分解，得到一系列的本征模态分量；S3、随机初始化递归神经网络的权重参数；S4、确定训练的时长、储存池的大小以及谱半径；S5、将所述本征模态分量分别输入所述递归神经网络中进行训练，得到训练模型；S6、通过所述训练模型对所述本征模态分量进行预测步长的预测，得到对应所述预测步长的所述本征模态分量的预测数据；S7、将步骤S6中所有的预测数据进行融合，得到所述燃料电池的原始寿命的预测数据。本发明专利技术具有较高的预测精度，适合在线实时预测。适合在线实时预测。适合在线实时预测。

【技术实现步骤摘要】
一种燃料电池的寿命预测方法


[0001]本申请属于燃料电池
，特别是涉及一种燃料电池的寿命预测方法。

技术介绍

[0002]燃料电池是把燃料中的化学能通过电化学反应直接转换为电能的发电装置。相比于传统能源而言，燃料电池是一种高效、清洁的电化学发电装置，近年来得到了国内外的普遍重视。
[0003]其中，质子交换膜燃料电池发电技术是极具应用潜力和工业前景的技术，因其具有无污染、效率高、噪声低等特点，广泛应用于汽车动力、分布式发电与便携式电源等领域。目前，燃料电池的运行寿命是制约其进一步商业化发展的主要因素之一。因此，对燃料电池性能退化曲线进行准确的预测是其走向商业化推广应用的重要一环。PEMFC寿命预测的目的在于通过研究燃料电池的历史经验数据从而使系统学习到燃料电池的老化趋势(FDT)，进而预测得到其剩余寿命，起到预测与预防的作用。
[0004]目前，学术上和工业界对于燃料电池的寿命预测方法主要有基于模型的预测方法和基于数据的预测方法。基于模型的预测方法需要对燃料电池各组件进行准确的建模，其误差较大且难度较高，因此目前学术上大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种燃料电池的寿命预测方法，其特征在于，包括如下步骤：S1、读取燃料电池的原始寿命退化数据，并对所述原始寿命退化数据进行预处理，得到预处理数据；S2、利用经验模态分解算法将所述预处理数据进行本征模态分解，得到一系列的本征模态分量；S3、随机初始化递归神经网络的权重参数；S4、确定训练的时长、储存池的大小以及谱半径；S5、将步骤S2的一系列本征模态分量分别输入所述递归神经网络中进行训练，得到训练模型；S6、通过步骤S5的训练模型对步骤S2的一系列本征模态分量进行预测步长的预测，得到对应所述预测步长的所述本征模态分量的预测数据S7、将步骤S6中所有的预测数据进行融合，得到所述燃料电池的原始寿命的预测数据。2.根据权利要求1所述的燃料电池的寿命预测方法，其特征在于，步骤S1中，所述原始寿命退化数据是指在长期使用过程中，所述燃料电池的输出电压随使用时间变化的曲线数据；所述曲线数据通过如下方法采集绘制：在燃料电池的长期使用过程中，平均每隔0.5s测量一次所述燃料电池的输出电压值，然后以使用时间为横坐标、输出电压值为纵坐标绘制曲线，得到所述曲线数据。3.根据权利要求2所述的燃料电池的寿命预测方法，其特征在于，步骤S1中，所述预处理通过如下方法实现：从所述曲线数据中，每间隔30个数据点采样一个数据点，然后以采样的数据点为数据集，以使用时间为横坐标、输出电压值为纵坐标绘制曲线，得到预处理数据。4.根据权利要求1所述的燃料电池的寿命预测方法，其特征在于，步骤S2中，所述经验模态分解算法的具体计算过程如下所示：(1)找到所述预处理数据x(t)的所有极大值点，通过三次样条函数拟合出极大值包络线e
+
(t)；同理，找到所述预处理数据x(t)的所有极小值点，通过三次样条函数拟合出极小值包络线e
‑
(t)；以所述极大值包络线与所述极小值包络线之和的平均值作为所述预处理数据x(t)的均值包络m1(t)，满足：(2)将所述预处理数据x(t)减去m1(t)，得到一阶模态分量imf1(t)，满足：imf1(t)＝x(t)
‑
m1(t)；(3)假定imf1(t)满足IMF条件，则重复上述步骤(1)和步骤(2)，得到imf
n
(t)，其中，n＝1，2，3
…
；(4)通过上述分解，将所述预处理数据x(t)分解为一系列imf(t)和残差信号r(t)，满足：
5.根据权利要求4所述的燃料电池的寿命预测方法，其特征在于，步骤(1)中，所述三次样条函数S(x)满足：S(t
i
)＝x(t
i
)
ꢀꢀ
(式一)，其中，t
i
为所述极大值点或所述极小值点；根据连续性条件：S(t
i
‑
0)＝S(t
i
+0...

【专利技术属性】
技术研发人员：张华农，陈宏，高鹏然，杨骄，袁鹏，
申请(专利权)人：深圳市雄韬电源科技股份有限公司，
类型：发明
国别省市：