本发明专利技术公开了一种燃料电池的测试数据预测方法、装置、设备及介质。包括：获取燃料电池的样本测试数据，根据所述样本测试数据构建初始燃料电池模型；确定待测燃料电池对应的设备关键信息，根据所述设备关键信息和所述初始燃料电池模型生成最终燃料电池模型；基于所述最终燃料电池模型确定所述待测燃料电池的预测数据。通过利用神经网络来代替数学模型，通过设备在测试台架测试产生的数据来训练神经网络，可以更加准确的模拟燃料电池系统的状态。通过待测燃料电池的设备关键信息对初始燃料电池模型进行针对性训练，提高了预测效率。通过准确率调整模型的网络结构，保证了模型的预测真实性。测真实性。测真实性。
【技术实现步骤摘要】
一种燃料电池的测试数据预测方法、装置、设备及介质
[0001]本专利技术涉及数据预测领域，尤其是涉及一种燃料电池的测试数据预测方法、装置、设备及介质。
技术介绍
[0002]数字孪生是指通过真实物理设备的各种参数和运行环境，在电脑里面建立一个数字模型，与设备在相同的运行条件下运行，对设备故障和寿命进行预测和模拟，比如可以提前预测零部件失效，在造成大的问题之前把零部件更换掉。但是目前建立的数学模型无法将变量全部考虑到，所以很难准确地进行预测。
[0003]目前有基于BP神经网络的燃料电池建模方法，BP神经网络是线性权重的激活函数模型，即输入一个向量，对向量进行加权处理后输入到隐含层神经元的激活函数当中去，再将函数的输出值进行加权处理最后得到输出层的值。BP神经网络本质上线性权函数的逼近，指的是利用函数中的一些线性参数的变动来对要识别的模式或者函数进行某种逼近。该种方法在识别前后没有关联的数据时方可奏效，但是在识别前后有关联的时序数据时，比如持续运行的设备或系统的各类参数，如果不把前一时刻产生的数据作为后一时刻数据的输入的话，本质上该算法无法挖掘到数据产生的模式，也无法准确的进行预测和模拟。
技术实现思路
[0004]本专利技术的目的在于克服现有技术方案无法挖掘到数据产生的模式、无法准确的进行预测和模拟的问题，提供了一种燃料电池的测试数据预测方法、装置、设备及介质，利用神经网络来代替数学模型，通过设备在测试台架测试产生的数据来训练神经网络，使这个神经网络和其训练后的参数产生的模型作为真实设备的数字孪生，利用大数据和数据驱动的方法，解决数学模型不准确的问题。
[0005]第一方面，本公开实施例提供了一种燃料电池的测试数据预测方法，该方法包括：获取燃料电池的样本测试数据，根据样本测试数据构建初始燃料电池模型；确定待测燃料电池对应的设备关键信息，根据设备关键信息和初始燃料电池模型生成最终燃料电池模型；基于最终燃料电池模型确定待测燃料电池的预测数据。
[0006]可选的，获取燃料电池的样本测试数据，包括：采集燃料电池的历史测试数据；对各历史测试数据进行预处理以生成样本测试数据，其中，预处理包括数据对齐、数据相关性分析和数据重采样。
[0007]可选的，根据样本测试数据构建初始燃料电池模型，包括：搭建初始燃料电池模型的网络结构，并确定网络结构的初始模型参数，其中，网络结构为RNN神经网络，初始模型参数包括神经网络结构层数、神经网络隐藏层数、单次训练样本数、训练次数、学习率、丢弃率、丢弃层的数量以及激活函数的类型；根据样本测试数据和初始模型参数确定最终模型参数，并将最终模型参数对应的网络结构作为初始燃料电池模型。
[0008]可选的，根据样本测试数据和初始模型参数确定最终模型参数，包括：按照采集时间将各样本测试数据进行升序排序生成样本序列；根据样本序列生成测试分组，并确定测试分组对应的目标时刻，其中，测试分组中包括指定数量的相邻样本测试数据；将测试分组的样本测试数据输入初始燃料电池模型以获取对应的目标时刻的预测数据；确定目标时刻的真实数据，并基于预测数据和真实数据确定准确率，根据准确率确定最终模型参数。
[0009]可选的，根据准确率确定最终模型参数，包括：判断准确率是否小于预设阈值，若是，将初始模型参数作为最终模型参数；否则，基于准确率对初始模型参数进行调整以获取调整模型参数，将调整模型参数作为最终模型参数。
[0010]可选的，根据设备关键信息和初始燃料电池模型生成最终燃料电池模型，包括：根据设备关键信息对样本测试数据进行筛选，以获取与待测燃料电池匹配的目标样本数据；基于目标样本数据对初始燃料电池模型进行针对性训练以生成最终燃料电池模型。
[0011]可选的，基于最终燃料电池模型确定待测燃料电池的预测数据，包括：获取用户输入的指定时间范围；将指定时间范围输入最终燃料电池模型以确定待测燃料电池的预测数据。
[0012]第二方面，本公开实施例还提供了一种燃料电池的测试数据预测装置，该装置包括：初始燃料电池模型构建模块，用于获取燃料电池的样本测试数据，根据样本测试数据构建初始燃料电池模型；最终燃料电池模型生成模块，用于确定待测燃料电池对应的设备关键信息，根据设备关键信息和初始燃料电池模型生成最终燃料电池模型；预测数据确定模块，用于基于最终燃料电池模型确定待测燃料电池的预测数据。
[0013] 第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，当存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行如本公开任意实施例的一种燃料电池的测试数据预测方法。
[0014]第四方面，本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开任意实施例的一种燃料电池的测试数据预测方法。
[0015]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
[0016]因此，本专利技术有如下有益效果：1.通过利用神经网络来代替数学模型，通过设备在测试台架测试产生的数据来训练神经网络，可以更加准确的模拟燃料电池系统的状态。
[0017] 2.通过待测燃料电池的设备关键信息对初始燃料电池模型进行针对性训练，提高了预测效率。
[0018] 3.通过准确率调整模型的网络结构，保证了模型的预测真实性。
附图说明
[0019]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例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。
[0020]图1是根据本专利技术实施例一提供的一种燃料电池的测试数据预测方法的流程图；图2是根据本专利技术实施例一提供的另一种燃料电池的测试数据预测方法的流程图；图3是根据本专利技术实施例二提供的另一种燃料电池的测试数据预测方法的流程图；图4是根据本专利技术实施例三提供的种燃料电池的测试数据预测装置结构示意图；图5是根据本专利技术实施例四提供的一种电子设备的结构示意图。
具体实施方式
[0021]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0022] 需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种燃料电池的测试数据预测方法，其特征在于，包括：获取燃料电池的样本测试数据，根据所述样本测试数据构建初始燃料电池模型；确定待测燃料电池对应的设备关键信息，根据所述设备关键信息和所述初始燃料电池模型生成最终燃料电池模型；基于所述最终燃料电池模型确定所述待测燃料电池的预测数据。2.根据权利要求1所述的一种燃料电池的测试数据预测方法，其特征在于，所述获取燃料电池的样本测试数据，包括：采集燃料电池的历史测试数据；对各所述历史测试数据进行预处理以生成所述样本测试数据，其中，所述预处理包括数据对齐、数据相关性分析和数据重采样。3.根据权利要求1所述的一种燃料电池的测试数据预测方法，其特征在于，所述根据所述样本测试数据构建初始燃料电池模型，包括：搭建初始燃料电池模型的网络结构，并确定所述网络结构的初始模型参数，其中，所述网络结构为RNN神经网络，所述初始模型参数包括神经网络结构层数、神经网络隐藏层数、单次训练样本数、训练次数、学习率、丢弃率、丢弃层的数量以及激活函数的类型；根据所述样本测试数据和所述初始模型参数确定最终模型参数，并将所述最终模型参数对应的网络结构作为所述初始燃料电池模型。4.根据权利要求3所述的一种燃料电池的测试数据预测方法，其特征在于，所述根据所述样本测试数据和所述初始模型参数确定最终模型参数，包括：按照采集时间将各所述样本测试数据进行升序排序生成样本序列；根据所述样本序列生成测试分组，并确定所述测试分组对应的目标时刻，其中，所述测试分组中包括指定数量的相邻样本测试数据；将所述测试分组的样本测试数据输入所述初始燃料电池模型以获取对应的所述目标时刻的预测数据；确定所述目标时刻的真实数据，并基于所述预测数据和所述真实数据确定准确率，根据所述准确率确定所述最终模型参数。5.根据权利要求4所述的一种燃料电池的测试数据预测方法，其特征在于，所述根据所述准确率确定所述最终模型...
【专利技术属性】
技术研发人员：李治龙，明平文，潘相敏，侯峻，
申请(专利权)人：无锡市惠山区同惠新能源汽车创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。