基于深度学习的SOFC系统工况辨识方法技术方案

本发明专利技术公开了一种基于深度学习的SOFC系统工况辨识方法，包括：步骤1，采集SOFC系统不同工况状态数据；步骤2，数据预处理；步骤3，构建深度神经网络；步骤4，训练网络；步骤5，利用遗传算法优化网络参数；步骤6，得到最终的网络模型；步骤7，SOFC系统工况辨识。本发明专利技术通过挖掘不同历史工况状态数据随时间变化的规律性，并对历史数据进行学习，得到以工况类型为输出变量的辨识结果，达到对SOFC系统工况类型进行辨识的效果，克服了传统学习方式辨识率不足的缺点。利用LSTM长短期记忆网络对工况数据特征进行学习，并利用遗传算法对参数进行优化，从而提升了对SOFC系统工况辨识模型的辨识准确性。

【技术实现步骤摘要】

本专利技术涉及高温燃料电池工况辨识领域，尤其是一种基于深度学习的sofc系统工况辨识方法。

技术介绍

1、sofc系统作为一种以氢气为原料的新型清洁能源,在包括交通、储能等多个领域已经开展大规模的应用。然而其存在负载跟踪能力弱以及可靠性差等问题,限制了其大规模产业化发展。在sofc系统运行过程中,水淹和膜干是经常发生的故障,水淹是指电堆内部的液态水不断积累,进而阻塞气体扩散层、催化剂层甚至气体流道,从而影响了电堆里电化学反应的顺利进行的现象；膜干是指电堆里面液态水不足,致使膜电极水合作用受阻,电导率下降以及膜的阻抗上升的现象,膜干故障严重时,也会引起电堆局部出现高温,进而降低sofc系统的负载跟踪能力。同时一旦发生这些故障,轻则使自动化系统或者装有sofc系统的车辆性能下降,重则会导致不可挽回的后果。

2、针对sofc系统的工况辨识问题,当前主流的方法包括基于模型和非模型两大类别。基于模型的工况辨识方法需根据sofc系统系统的物理过程建立对应模型,通过模型仿真结果与实际系统输出间的残差分析,实现工况辨识与分离。基于非模型的工况辨识方法指在专家系本文档来自技高网...

【技术保护点】

1.基于深度学习的SOFC系统工况辨识方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的SOFC系统工况辨识方法，其特征在于，所述步骤6包括：

3.根据权利要求1所述的基于深度学习的SOFC系统工况辨识方法，其特征在于，所述步骤10包括：

【技术特征摘要】

1.基于深度学习的sofc系统工况辨识方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度学习的sofc系统工况辨识...

【专利技术属性】
技术研发人员：吴肖龙，蔡仕云，李豫，龙正阳，严伟健，钟运盛，
申请(专利权)人：南昌大学，
类型：发明
国别省市：