【技术实现步骤摘要】
本专利技术涉及新能源，尤其涉及一种基于区域温度的燃料电池控制方法。
技术介绍
1、燃料电池是一种把燃料所具有的化学能直接转换成电能的化学装置，又称电化学发电器。由于燃料电池是通过电化学反应把燃料的化学能中的吉布斯自由能部分转换成电能，不受卡诺循环效应的限制，因此效率高。另外，燃料电池用燃料和氧气作为原料，同时没有机械传动部件，故排放出的有害气体极少，使用寿命长。由此可见，从节约能源和保护生态环境的角度来看，燃料电池是最有发展前途的发电技术。
2、然而，燃料电池的温度往往也是限制燃料电池输出的因素之一，温度过高或者温度过低都不利于燃料电池工作，因此如何在温度变化的情况下，更好地控制燃料电池工作是目前函待解决的问题。
技术实现思路
1、本专利技术实施例提供一种基于区域温度的燃料电池控制方法，用以在温度变化的情况下，更好的控制燃料电池工作。
2、为达到上述目的，本专利技术采用如下技术方案：
3、第一方面，提供一种基于区域温度的燃料电池控制方法，应用于车辆的控制设备，该方法包括：控制设备通过神经网络模型分析车辆的燃料电池板模组的多个区域各自的温度，确定多个区域中是否存在温度会关联变化的关联区域；若多个区域中存在温度会关联变化的关联区域，则控制设备预估燃料电池板模组的温度变化，降低燃料电池板模组的功率输出。
4、一种可能的设计方案中，控制设备通过神经网络模型分析车辆的燃料电池板模组的多个区域各自的温度，确定多个区域中是否存在温度会关联变化的关联
5、可选地，神经网络模型为卷积神经网络模型，控制设备通过神经网络模型分析x个目标区域各自的温度，确定x个目标区域中是否存在温度会关联变化的关联区域，包括：控制设备确定x个目标区域中相互之间的距离小于距离阈值的至少一个第一目标区域组，其中，每个第一目标区域组包括两个目标区域；控制设备根据每个第一目标区域组在燃料电池板模组中的位置，将每个第一目标区域组的温度以热力值的方式映射到对应的一张纯色第一图像中的对应的位置，得到至少一张第一图像；其中，每张第一图像中除有热力值的区域以外的其他区域的像素值相同；控制设备通过卷积神经网络模型处理至少一张第一图像，确定x个目标区域中是否存在温度会关联变化的关联区域。
6、可选地，神经网络模型为卷积神经网络模型，控制设备通过神经网络模型分析x个目标区域各自的温度，确定x个目标区域中是否存在温度会关联变化的关联区域，包括：控制设备确定x个目标区域中相互之间的距离大于距离阈值的至少一个第一目标区域组，其中，每个第一目标区域组包括两个目标区域；控制设备根据每个第一目标区域组在燃料电池板模组中的位置，将每个第一目标区域组的温度以热力值的方式映射到对应的一张纯色第一图像中的对应的位置，得到至少一张第一图像；其中，每张第一图像中除有热力值的区域以外的其他区域的像素值相同；控制设备通过卷积神经网络模型处理至少一张第一图像，确定x个目标区域中是否存在温度会关联变化的关联区域。
7、在此基础上，若x个目标区域中不存在温度会关联变化的关联区域，则方法还包括：控制设备按k行j列将燃料电池板模组等分成y个区域；其中，y=k×j，k为大于m的整数，j为大于n的整数；控制设备获取y个区域中y个目标区域各自的温度；其中，y个目标区域是温度与所述燃料电池板模组的平均温度的差值的绝对值大于阈值温度的区域，y为大于1的整数，多个区域即为y个目标区域；控制设备通过神经网络模型分析y个目标区域各自的温度，确定y个目标区域中是否存在温度会关联变化的关联区域。
8、可选地，神经网络模型为卷积神经网络模型，控制设备通过神经网络模型分析y个目标区域各自的温度，确定y个目标区域中是否存在温度会关联变化的关联区域，包括：控制设备确定y个目标区域中相互之间的距离小于距离阈值的至少一个第二目标区域组，其中，每个第二目标区域组包括两个目标区域；控制设备根据每个第二目标区域组在燃料电池板模组中的位置，将每个第二目标区域组的温度以热力值的方式映射到对应的一张纯色图像中的对应的位置，得到至少一张第二图像；其中，每张第二图像中除有热力值的区域以外的其他区域的像素值相同；控制设备通过卷积神经网络模型处理至少一张第二图像，确定y个目标区域中是否存在温度会关联变化的关联区域。
9、可选地，神经网络模型为卷积神经网络模型，控制设备通过神经网络模型分析y个目标区域各自的温度，确定y个目标区域中是否存在温度会关联变化的关联区域，包括：控制设备确定y个目标区域中相互之间的距离大于距离阈值的至少一个第二目标区域组，其中，每个第二目标区域组包括两个目标区域；控制设备根据每个第二目标区域组在燃料电池板模组中的位置，将每个第二目标区域组的温度以热力值的方式映射到对应的一张纯色图像中的对应的位置，得到至少一张第二图像；其中，每张第二图像中除有热力值的区域以外的其他区域的像素值相同；控制设备通过卷积神经网络模型处理至少一张第二图像，确定y个目标区域中是否存在温度会关联变化的关联区域。
10、一种可能的设计方案中，控制设备预估燃料电池板模组的温度变化，降低燃料电池板模组的功率输出，包括：控制设备根据关联区域的数目，预估燃料电池板模组在预设时间之后的温度变化量；控制设备根据燃料电池板模组在预设时间之后的温度变化量，降低燃料电池板模组的功率输出。
11、可选地，关联区域的数目与燃料电池板模组在预设时间之后的温度变化量正相关，燃料电池板模组在预设时间之后的温度变化量与燃料电池板模组的功率输出的降低幅度正相关。
12、第二方面，提供一种基于区域温度的燃料电池控制装置，应用于车辆的控制设备，该装置被配置为：控制设备通过神经网络模型分析车辆的燃料电池板模组的多个区域各自的温度，确定多个区域中是否存在温度会关联变化的关联区域；若多个区域中存在温度会关联变化的关联区域，则控制设备预估燃料电池板模组的温度变化，降低燃料电池板模组的功率输出。
13、一种可能的设计方案中，该装置被配置为：控制设备通过神经网络模型分析车辆的燃料电池板模组的多个区域各自的温度，确定多个区域中是否存在温度会关联变化的关联区域，包括；控制设备按m行n列将燃料电池板模组等分成x个区域；其中，x=m×n，m和n为大于1的整数；控制设备获取x个区域中x个目标区域各自的温度；其中，所述x个目标区域是温度与所述燃料电池板模组的平均温度的差值的绝对值大于阈值温度的区域，x为大于1的整数；控制设备通过神经网络模型分析x个目标区域各自的温度，确定x个目标区域中是否存在温度会关联变化的关联区域。
本文档来自技高网...
【技术保护点】
1.一种基于区域温度的燃料电池控制方法，其特征在于，应用于车辆的控制设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述控制设备通过神经网络模型分析所述车辆的燃料电池板模组的多个区域各自的温度，确定所述多个区域中是否存在温度会关联变化的关联区域，包括；
3.根据权利要求2所述的方法，其特征在于，所述神经网络模型为卷积神经网络模型，所述控制设备通过神经网络模型分析所述x个目标区域各自的温度，确定所述x个目标区域中是否存在温度会关联变化的关联区域，包括：
4.根据权利要求2所述的方法，其特征在于，所述神经网络模型为卷积神经网络模型，所述控制设备通过神经网络模型分析所述x个目标区域各自的温度，确定所述x个目标区域中是否存在温度会关联变化的关联区域，包括：
5.根据权利要求2-4中任一项所述的方法，其特征在于，若所述x个目标区域中不存在温度会关联变化的关联区域，则所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述神经网络模型为卷积神经网络模型，所述控制设备通过神经网络模型分析所述y个目标区域各自的温
7.根据权利要求5所述的方法，其特征在于，所述神经网络模型为卷积神经网络模型，所述控制设备通过神经网络模型分析所述y个目标区域各自的温度，确定所述y个目标区域中是否存在温度会关联变化的关联区域，包括：
8.根据权利要求1所述的方法，其特征在于，所述控制设备预估所述燃料电池板模组的温度变化，降低所述燃料电池板模组的功率输出，包括：
9.根据权利要求8所述的方法，其特征在于，所述关联区域的数目与所述燃料电池板模组在预设时间之后的温度变化量正相关，所述燃料电池板模组在预设时间之后的温度变化量与所述燃料电池板模组的功率输出的降低幅度正相关。
...【技术特征摘要】
1.一种基于区域温度的燃料电池控制方法，其特征在于，应用于车辆的控制设备，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述控制设备通过神经网络模型分析所述车辆的燃料电池板模组的多个区域各自的温度，确定所述多个区域中是否存在温度会关联变化的关联区域，包括；
3.根据权利要求2所述的方法，其特征在于，所述神经网络模型为卷积神经网络模型，所述控制设备通过神经网络模型分析所述x个目标区域各自的温度，确定所述x个目标区域中是否存在温度会关联变化的关联区域，包括：
4.根据权利要求2所述的方法，其特征在于，所述神经网络模型为卷积神经网络模型，所述控制设备通过神经网络模型分析所述x个目标区域各自的温度，确定所述x个目标区域中是否存在温度会关联变化的关联区域，包括：
5.根据权利要求2-4中任一项所述的方法，其特征在于，若所述x个目标区域中不存在温度会关联变化的...
【专利技术属性】
技术研发人员：齐志刚，马春宏，
申请(专利权)人：新研氢能源科技有限公司，
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。