一种SOFC系统多故障的诊断方法及系统技术方案

本申请涉及燃料电池技术领域，提供了一种SOFC系统多故障的诊断方法及系统，包括，获取SOFC系统中的多故障数据，并形成故障数据集；采用LightGBM算法对故障数据集进行预处理，并生成特征数据集；采用多层卷积神经网络对特征数据集进行特征提取，并转换为最终特征数据集；基于最终特征数据集，通过Sigmoid函数对所述SOFC系统多故障进行解耦分类，以制定解耦分类诊断策略，并输出故障类型。本申请中将Sigmoid函数作为分类器的非线性激活函数，能够保证输出的每个类别的概率值相互独立，从而起到解耦分类的作用，从而为解决多故障同时发生下面对特征混合难以诊断的问题。

【技术实现步骤摘要】

本申请涉及燃料电池，尤其涉及一种sofc系统多故障的诊断方法及系统。

技术介绍

1、随着社会的不断发展，能源对于人类生存和发展的作用越发重要。但是，能源的逐步消耗以及一次能源转化为电能的较低效率给未来可持续发展带来了巨大的挑战性。燃料电池（fuel cell，fc）作为一种能够清洁发电的转换器，能够将燃料内的化学能变为电能，并且可以减少污染物的产生。特别是固体氧化物燃料电池（solid oxide fuel cell，sofc），其能效高、排放低、噪声小等优点而备受关注。目前，sofc的材料大多是钙钛矿（la_(0.6)sr_(0.4) coo_(3-δ)，lsc）型与氧化锆（yttria-stabilized zirconia，ysz）型，其内部工作温度高达600-1000℃，一旦发生故障将带来严重的后果，但由于sofc的高密闭性，其内部电池材料以及结构的损害很难从外部直接观测到，电堆内部受故障影响的重要状态无法直接测量，严重制约了sofc故障诊断的研究。

2、同时sofc商业化应用主要面临成本高、寿命短的问题，故障诊断能及时发现并隔离系统运本文档来自技高网...

【技术保护点】

1.一种SOFC系统多故障的诊断方法，其特征在于，包括：

2.根据权利要求1所述的SOFC系统多故障的诊断方法，其特征在于，所述获取SOFC系统中的多故障数据，并形成故障数据集，包括：

3.根据权利要求2所述的SOFC系统多故障的诊断方法，其特征在于，多个所述模型包括空气压缩机模型、燃料和空气热交换器模型、混合器模型、旁路阀模型、燃烧室模型和电堆模型；

4.根据权利要求2所述的SOFC系统多故障的诊断方法，其特征在于，所述采用LightGBM算法对所述故障数据集进行预处理，并生成特征数据，包括：

5.根据权利要求4所述的SOFC系统多故障的...

【技术特征摘要】

1.一种sofc系统多故障的诊断方法，其特征在于，包括：

2.根据权利要求1所述的sofc系统多故障的诊断方法，其特征在于，所述获取sofc系统中的多故障数据，并形成故障数据集，包括：

3.根据权利要求2所述的sofc系统多故障的诊断方法，其特征在于，多个所述模型包括空气压缩机模型、燃料和空气热交换器模型、混合器模型、旁路阀模型、燃烧室模型和电堆模型；

4.根据权利要求2所述的sofc系统多故障的诊断方法，其特征在于，所述采用lightgbm算法对所述故障数据集进行预处理，并生成特征数据，包括：

5.根据权利要求4所述的sofc系统多故障的诊断方法，其特征在于，所述采用多层卷积神经网络对所述特征数据集进行特征提取，并转换为最终特征数据集，包括：

6.根据权利要求5所述的so...

【专利技术属性】
技术研发人员：卢丞一，伊文杰，裴毓，王雪飞，李炬晨，李玉涵，
申请(专利权)人：西北工业大学宁波研究院，
类型：发明
国别省市：