一种基于随机噪声增强和循环神经网络的燃料电池寿命预测方法技术

本发明专利技术公开了一种基于随机噪声增强和循环神经网络的燃料电池寿命预测方法。本发明专利技术利用相关性分析选取与燃料电池性能退化指标相关性最高的若干组数据并对数据进行预处理；然后对数据进行多批次划分，利用初始参数构建基于随机噪声增强和循环神经网络的燃料电池寿命预测模型；最后将数据输入至模型进行训练，得到燃料电池寿命的预测数据。本发明专利技术预测精度较好，能使用较少数据完成训练并进行燃料电池的寿命预测，便于工程实现。便于工程实现。便于工程实现。

【技术实现步骤摘要】
一种基于随机噪声增强和循环神经网络的燃料电池寿命预测方法


[0001]本专利技术涉及燃料电池领域，尤其是一种基于随机噪声增强和循环神经网络的燃料电池寿命预测方法。

技术介绍

[0002]氢能是一种清洁的二次能源，质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell，PEMFC)是一种以氢气为燃料的发电装置，具有能量效率高、零污染、快速启动、无电解液流失、水易排出、比功率与比能量高等优点，是未来绿色能源重点发展方向之一。
[0003]预测和健康管理(Prognostics and Health Management,PHM)技术本质上是一种预防性的维护策略，性能衰退预测是PHM中的重要内容。对燃料电池而言，性能衰退预测模型从燃料电池的历史数据中学习老化趋势，可以提供高质量的预测结果来优化燃料电池系统的健康管理，从而提高燃料电池耐久性。
[0004]实际测得的数据中含有许多噪声，可能来自于变化的环境，也可能来自于测量仪器，这可能导致训练好的预测模型在实际中表现偏差。当前相关技术方案在预测模型训练前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机噪声增强和循环神经网络的燃料电池寿命预测方法，其特征在于，所述方法包括：S1、获取实验测试数据；S2、选取燃料电池堆电压、输出功率作为性能退化指标，对各组数据与燃料电池堆电压或输出功率进行相关性分析，选取相关性最高的若干组数据和燃料电池堆电压与输出功率作为原始数据；S3、对原始数据进行预处理，在训练数据和测试数据中加入噪声，标签数据采用原始数据；S4、根据预处理后的数据提取样本数据，进行多批次划分，设置循环神经网络模型的参数，构建基于随机噪声增强和循环神经网络的燃料电池寿命预测模型；S5、将步骤S4多批次划分后的数据输入步骤S4中的燃料电池寿命预测模型进行训练，得到预测结果；S6、将步骤S5重复若干次，直至满足训练要求；S7、实时采集燃料电池的数据，输入至训练完成的预测模型中，得到预测结果。2.如权利要求1所述的方法，其特征在于：步骤S1具体是：在燃料电池老化测试实验中，每隔t小时采集一次数据，t为数据采样周期；采集的数据包括燃料电池电堆电流、燃料电池电堆进气口的氢气温度、燃料电池电堆出气口空气压力和流速、燃料电池电堆进出口冷却水流速。3.如权利要...

【专利技术属性】
技术研发人员：徐晓滨，董天航，张泽辉，高海波，罗洋，沈旭峰，侯平智，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：