【技术实现步骤摘要】
本专利技术属于燃料电池，具体涉及一种燃料电池效率预测方法及系统。
技术介绍
1、燃料电池是一种将化学能直接转化为电能的装置，具有高效、清洁、可再生等优点，被认为是未来能源的重要组成部分；燃料电池汽车是利用燃料电池作为动力源的汽车，相比传统的内燃机汽车，燃料电池汽车具有更高的能量效率和更低的环境污染；然而，燃料电池汽车在实际运行中面临着一些技术挑战，其中之一就是如何有效地管理燃料电池系统和储能电池系统之间的能量流动，以满足整车的动态功率需求，同时保证燃料电池的寿命和性能。
2、为了实现燃料电池汽车的能量管理，需要对整车的功率需求进行预测，以便提前调节燃料电池和储能电池的输出功率，从而提高燃料电池的动态响应能力和储能电池的荷电状态维持能力；目前，有许多关于燃料电池汽车功率需求预测的方法，例如基于驾驶模式识别的方法、基于滑动窗口的方法等；然而，这些方法存在一些不足，例如预测精度不高、计算复杂度高、需要大量的历史数据等。
3、因此，如何提出一种燃料电池效率预测方法，以提高燃料电池汽车的能量管理效果，是当前燃料电池汽车领域
【技术保护点】
1.一种燃料电池效率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种燃料电池效率预测方法，其特征在于，所述将标准训练数据输入到网络模型进行训练，得到燃料电池效率预测模型，具体包括：
3.根据权利要求2所述的一种燃料电池效率预测方法，其特征在于，所述在标准训练数据上使用交叉验证对网络模型进行超参数的优化，使用群体智能优化算法根据交叉验证的结果搜索最优的超参数设置，得到最优的超参数，具体包括：
4.根据权利要求2所述的一种燃料电池效率预测方法，其特征在于，所述将标准训练数据输入长短期记忆分支结构进行特征提取，得到特征图...
【技术特征摘要】
1.一种燃料电池效率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种燃料电池效率预测方法，其特征在于，所述将标准训练数据输入到网络模型进行训练，得到燃料电池效率预测模型，具体包括：
3.根据权利要求2所述的一种燃料电池效率预测方法，其特征在于，所述在标准训练数据上使用交叉验证对网络模型进行超参数的优化，使用群体智能优化算法根据交叉验证的结果搜索最优的超参数设置，得到最优的超参数，具体包括：
4.根据权利要求2所述的一种燃料电池效率预测方法，其特征在于，所述将标准训练数据输入长短期记忆分支结构进行特征提取，得到特征图fc11，具体包括：
5.根据权利要求2所述的一种燃...
【专利技术属性】
技术研发人员：韩飞，杨光敏，石浩辰，吕启松，
申请(专利权)人：长春师范大学，
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。