考虑故障退化影响的燃料电池传感器筛选建模方法技术

本发明专利技术公开了一种考虑故障退化影响的燃料电池传感器筛选建模方法。建模包括燃料电池传感器优化筛选以及燃料电池仿真，仿真模型用于计算模型输出参数的灵敏性，通过灵敏性分析耦合失效模式加权方法进行传感器优化选择，采用仿真模型和机器学习算法结合，实现对车载燃料电池中涉及的传感器进行筛选，适用于燃料电池性能预测以及故障诊断应用。通过有效的传感器优化筛选，使得燃料电池的性能预测结果以及状态分类结果均有非常大的提升。本发明专利技术不仅可以过滤无法有效表征系统性能及状态的传感器，从而提升预测以及诊断的准确度，还可以提升计算效率，从而解决高维复杂信息难以满足在线诊断要求的难点，整个优化筛选过程利用编写好的程序可自动实现。程序可自动实现。程序可自动实现。

【技术实现步骤摘要】
考虑故障退化影响的燃料电池传感器筛选建模方法


[0001]本专利技术属于燃料电池领域，具体涉及一种对燃料电池系统中的传感器进行优化筛选的建模方法。

技术介绍

[0002]燃料电池因其高功率密度和快速响应等优点在交通、储能领域展现出较大潜能。由于负载及运行环境的变化、部件磨损等，燃料电池在使用过程中会不可避免地出现许多故障，故障如果未能得到及时的识别和修复，就会加速设备的性能退化、致使燃料电池设备失效等，更有甚者可能会发生安全问题。为了保证燃料电池系统能够安全稳定的运行，在大面积商业化落地之前，配套发展完善的故障以及性能监测系统对其具有重要的意义和价值。
[0003]为了获得更精准的燃料电池性能预测以及故障诊断结果，需要基于大量传感器的历史工作状态数据，将数据模式化后通过模式识别的方式，逼近系统数据中所内含的映射机制及深层信息，从而达到故障检测、性能预测的目的。计算效率与精度平衡也是诊断方法要注意的重要因素，多传感器的使用为不同的系统故障提供了更多可区分的信息。但是高维数据集的分析复杂且耗时，难以在计算能力有限的嵌入式系统中实现。
...

【技术保护点】

【技术特征摘要】
1.考虑故障退化影响的燃料电池传感器筛选建模方法，其特征是：建模包括燃料电池传感器优化筛选模型、燃料电池仿真模型以及机器学习算法，燃料电池仿真模型用于计算模型输出参数的灵敏性，其中仿真模型所涉及的健康参数，电流密度、活化面积、液态水含量作为输入；仿真模型预测的传感器参数集合作为输出，燃料电池仿真模型的函数表达式为：α＝F(I,A
act
,s)
ꢀꢀꢀꢀ
(1)式中，I代表燃料电池电流密度，A
act
代表活化面积，s代表液态水含量；α表示传感器参数的集合，其中传感器参数包括V,T
a
,T
c
,RH
c
,q
a,in
,q
a,out
,q
c,in
,q
c,out
；其中V代表输出电压，T
a
代表阳极温度，T
c
代表阴极温度，RH
c
代表阴极湿度，q
a,in
代表阳极入口的流量；q
a,out
代表阳极出口的流量；q
c,in
代表阴极入口的流量；q
c,out
代表阴极出口的流量，燃料电池输出参数对电流密度、活化面积、液态水含量这三个健康参数的灵敏性集合的计算表达式为：对电流密度、活化面积、液态水含量这三个健康参数的灵敏性集合的计算表达式为：对电流密度、活化面积、液态水含量这三个健康参数的灵敏性集合的计算表达式为：式中，S
I
代表燃料电池传感器参数对电流密度的灵敏性集合；S
Aact
代表燃料电池传感器参数对活化面积的灵敏性集合；S
s
表燃料电池传感器参数对液态水含量的灵敏性集合；I1代表变化前电流密度的值；I2代表变化后电流密度的值；F(I1,A
act
,s)代表对应变化前电流密度的仿真模型输出；F(I2,A
act
,s)代表对应变化后电流密度的仿真模型输出；A
act1
代表变化前活化面积的值；A
act2
代表变化后活化面积的值；F(I,A

【专利技术属性】
技术研发人员：焦魁，宫智超，王博文，
申请(专利权)人：天津大学，
类型：发明
国别省市：