一种基于分布式边缘计算的燃料电池系统技术方案

本发明专利技术公开了一种基于分布式边缘计算的燃料电池系统，包括：燃料电池组、边缘燃料电池系统和中心计算系统；边缘燃料电池系统采集燃料电池组中若干燃料电池的运行数据，并将采集的运行数据上传至中心计算系统；中心计算系统实现对运行数据的整合、挖掘和学习，并将学习结果输送至边缘燃料电池系统，边缘燃料电池系统将燃料电池组运行状态和学习结果结合，实现对若干燃料电池的优化控制或干预调整；中心计算系统对边缘燃料电池系统进行版本优化升级。通过将靠近数据源头的边缘电池系统融合中心计算系统，实现最大限度利用数据，减小了整体算力的任务，以人工智能的学习拟合的方式替代繁重的算力，解决了燃料电池系统算力不够的问题。题。题。

【技术实现步骤摘要】
一种基于分布式边缘计算的燃料电池系统


[0001]本专利技术涉及燃料电池系统
，尤其涉及一种基于分布式边缘计算的燃料电池系统。

技术介绍

[0002]燃料电池系统控制复杂，在燃料电池输出电压的过程中，需要对燃料电池系统进行优化控制。
[0003]现有的燃料电池系统的优化控制的方法为：利用大数据和短时间高频采集数据对燃料电池组进行直接计算。这种优化控制的方式的问题在于：1、不对运行数据整合、挖掘和学习，导致算力不够，算力成本较大；2、无法最大限度利用运行数据，导致优化控制的精确性较低；3、算力任务繁重，优化控制时间存在时延，导致燃料电池组的安全性得不到保障；4、无法根据计算结果判断当前控制参数下的燃料电池在运行状态下的输出电压的一致性，导致燃料电池系统输出能力降低。
[0004]因此，有必要对现有技术中的燃料电池系统系统进行改进，以解决上述问题。

技术实现思路

[0005]本专利技术克服了现有技术的不足，提供一种基于分布式边缘计算的燃料电池系统，旨在解决边缘燃料电池系统在计算燃料电池组时算力不够，且无法最大限度利用运行数据优化燃料电池组的问题，解决利用运行数据提高边缘燃料电池系统优化单体燃料电池的输出电压一致性的问题，以及解决边缘燃料电池系统如何保证燃料电池组安全性的问题。
[0006]为达到上述目的，本专利技术采用的技术方案为：一种基于分布式边缘计算的燃料电池系统，包括：燃料电池组、边缘燃料电池系统和中心计算系统，其特征在于，所述边缘燃料电池系统采集所述燃料电池组中若干燃料电池的运行数据，并将采集的所述运行数据上传至所述中心计算系统；所述中心计算系统实现对所述运行数据的整合、挖掘和学习，并将学习结果输送至所述所述边缘燃料电池系统，所述边缘燃料电池系统将所述燃料电池组运行状态和所述学习结果结合，实现对若干所述燃料电池的优化控制或干预调整；所述中心计算系统对所述边缘燃料电池系统进行版本优化升级。
[0007]本专利技术一个较佳实施例中，所述边缘燃料电池系统包括边缘计算处理机、数据采集模组、数据传输模组、系统优化模组和系统控制模组；所述边缘计算处理机具有下发采集数据、传输数据和对所述燃料电池控制指令的功能；所述数据采集模组接收所述边缘计算处理机的指令，并对所述燃料电池组中若干燃料电池的所述运行数据进行实时采集；所述数据传输模组接收所述边缘计算处理机的指令，所述数据采集模组采集的所述运行数据，并将所述运行数据上传至所述中心计算系统；所述数据传输模组接收所述中
心计算系统的所述学习结果和版本优化升级，并上传至所述边缘计算处理机；所述系统优化模组接收所述边缘计算处理机的指令，根据电池运行状态和所述学习结果，实现对若干所述燃料电池的优化，并将优化结果下发至所述系统控制模组；所述系统控制模组接收所述边缘计算处理机的指令和所述系统优化模组的所述优化结果，并下发至若干所述燃料电池的控制器。
[0008]本专利技术一个较佳实施例中，所述中心计算系统包括数据模组、智能学习模组和版本控制模组；所述数据模组实现对所述运行数据的接收和下发，所述数据模组对所述运行数据进行整合管理，并储存有所述边缘燃料电池的系统版本；所述智能学习模组接收所述数据模组的所述运行数据，并对所述运行数据进行学习，实现对所述燃料电池组的实时建模和仿真，得到拟合模型；所述版本控制模组接收所述智能学习模组的所述学习结果，根据所述学习结果将所述系统版本传送至所述边缘燃料电池系统，并进行优化升级。
[0009]本专利技术一个较佳实施例中，所述智能学习模组是结合人工智能算法进行的建模和仿真，利用神经网络工具进行回归学习，得到拟合模型。
[0010]本专利技术一个较佳实施例中，所述运行数据为当前控制参数下的所述燃料电池组的温度、进气流量或压力、开度信号以及单体燃料电池电压的数据。
[0011]本专利技术一个较佳实施例中，所述数据采集模组中设置有若干监测单元，所述监测单元为温度监测单元、节气门开度监测单元、流量监测单元、压力监测单元和单体燃料电池电压监测单元。
[0012]本专利技术一个较佳实施例中，所述系统优化模组将所述学习结果来优化单体所述燃料电池的电压一致性，并将优化结果通过所述系统控制模组下发至对应所述燃料电池。
[0013]本专利技术一个较佳实施例中，所述拟合模型是单体燃料电池和所述燃料电池组运行状态的拟合关系的模型。
[0014]本专利技术一个较佳实施例中，所述边缘计算处理机根据所述学习结果预测所述燃料电池组的安全性，当安全性系数小于阈值，所述边缘计算处理机下发指令至所述系统控制模组，实现对所述燃料电池组的故障干预调整。
[0015]本专利技术一个较佳实施例中，所述边缘燃料电池系统独立运行，且不与所述中心计算系统连接，所述边缘计算处理机计算当前控制参数下的燃料电池的特殊特征，并将所述特殊特征加入所述系统优化模组中优化控制，实现分布式边缘计算的个性化控制处理，其中特殊特征为所述中心计算系统学习的所述运行数据。
[0016]本专利技术解决了
技术介绍
中存在的缺陷，本专利技术具备以下有益效果：（1）本专利技术提供了一种基于分布式边缘计算的燃料电池系统，利用中心计算系统对运行数据的整合、挖掘和学习的能力，实现最大限度利用数据，减小了整体算力的任务，以人工智能的学习拟合的方式替代繁重的算力，解决了燃料电池系统算力不够的问题。
[0017]（2）本专利技术通过将靠近数据源头的边缘电池系统融合中心计算系统，实现整体分布和局部精准采集的目的，将对燃料电池组的运行数据计算、整理、学习、拟合预测和优化控制的应用处理能力均衡分发至每个功能模块，提高了燃料电池系统优化控制的响应速率和精准度，进一步保证了燃料电池系统的安全性。
[0018]（3）本专利技术中边缘燃料电池系统可以和中心计算系统不连接，即边缘燃料电池系统独立运行；在独立运行状态下，边缘计算处理机计算当前控制参数下的燃料电池的特殊特征，并将特殊特征加入系统优化模组中优化控制，实现分布式边缘计算的个性化控制处理。
[0019]（4）本专利技术利用中心计算系统中人工智能算法和神经网络工具的结合，进行回归学习，得到单体燃料电池和燃料电池组运行状态的拟合关系的模型，实现单体燃料电池一致性和当前控制参数下燃料电池组运行状态的预测，解决现有技术中无法根据计算结果判断当前控制参数下的燃料电池在运行状态下的输出电压的一致性，导致燃料电池系统输出能力降低的问题。
[0020]（5）本专利技术边缘计算处理机根据学习结果预测燃料电池组的安全性，当安全性系数小于阈值，边缘计算处理机下发指令至系统控制模组，实现对燃料电池组的故障干预调整，进一步提高燃料电池系统的安全性能。
附图说明
[0021]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；图1是本专利技术的优选实施例的一种基于分布式边缘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分布式边缘计算的燃料电池系统，包括：燃料电池组、边缘燃料电池系统和中心计算系统，其特征在于，所述边缘燃料电池系统采集所述燃料电池组中若干燃料电池的运行数据，并将采集的所述运行数据上传至所述中心计算系统；所述中心计算系统实现对所述运行数据的整合、挖掘和学习，并将学习结果输送至所述边缘燃料电池系统，所述边缘燃料电池系统将所述燃料电池组运行状态和所述学习结果结合，实现对若干所述燃料电池的优化控制或干预调整；所述中心计算系统对所述边缘燃料电池系统进行版本优化升级。2.根据权利要求1所述的一种基于分布式边缘计算的燃料电池系统，其特征在于：所述边缘燃料电池系统包括边缘计算处理机、数据采集模组、数据传输模组、系统优化模组和系统控制模组；所述边缘计算处理机具有下发采集数据、传输数据和对所述燃料电池控制指令的功能；所述数据采集模组接收所述边缘计算处理机的指令，并对所述燃料电池组中若干燃料电池的所述运行数据进行实时采集；所述数据传输模组接收所述边缘计算处理机的指令，所述数据采集模组采集的所述运行数据，并将所述运行数据上传至所述中心计算系统；所述数据传输模组接收所述中心计算系统的所述学习结果和版本优化升级，并上传至所述边缘计算处理机；所述系统优化模组接收所述边缘计算处理机的指令，根据电池运行状态和所述学习结果，实现对若干所述燃料电池的优化，并将优化结果下发至所述系统控制模组；所述系统控制模组接收所述边缘计算处理机的指令和所述系统优化模组的所述优化结果，并下发至若干所述燃料电池的控制器。3.根据权利要求1所述的一种基于分布式边缘计算的燃料电池系统，其特征在于：所述中心计算系统包括数据模组、智能学习模组和版本控制模组；所述数据模组实现对所述运行数据的接收和下发，所述数据模组对所述运行数据进行整合管理，并储存有所述边缘燃料电池的系统版本；所述智能学习模组接收所述数据模组的所述运行数据，并对所述运行数据进行学习，实现对所述燃料电池组的实...

【专利技术属性】
技术研发人员：孙一堡，孙一焱，张帆，赵书飞，
申请(专利权)人：苏州氢澜科技有限公司，
类型：发明
国别省市：