【技术实现步骤摘要】
本专利技术涉及燃料电池，具体涉及一种燃料电池电化学阻抗谱预测方法、装置、设备及存储介质。
技术介绍
1、质子交换膜燃料电池是一种高效发电装置，其在工作过程中发生电化学反应将化学能转变为电能，而对燃料电池电化学反应的评价主要从三个方向：活化阻抗、欧姆阻抗和传质阻抗。电化学阻抗谱（electrochemical impedance spectrum，eis）是测量电化学状态和量化阻抗大小的重要方法。其通过四电极法，对电池施加不同频率的交流电信号，捕捉电压响应处理后得到具有实部横轴和虚部纵轴的图谱。测试完毕后，图谱上展示出与纵轴一段距离的一个半圆或者两个半圆，代表燃料电池电化学阻抗谱。
2、在电化学阻抗谱实际测试过程中，需要对燃料电池施加一个梯度频率（如0.1hz-10000hz）的交流电信号，实际上，1、频率是时间的倒数，这个原则直接导致其测试过程较长（约5-10min甚至更多），从而造成了首尾频率测试时，电池的动态变化已经处于不同状态，进而造成了测试结果失真并严重浪费测试时间；2、电化学阻抗谱较为依赖于电池本身所处温度、进气湿度等外部因素，如需测试数据进行横向对比，进行更换膜电极、调整负载水平、电池状态等措施时，则需要费时费力，不利于eis的规模化应用和参考。
3、为了解决上述技术问题，专利cn112289385a提出了一种大功率质子交换膜燃料电池电堆电化学阻抗谱预测方法，简述了结合神经网络和电化学阻抗谱的预测模型，具有一定的实用性，但其是通过若干频率下的电化学阻抗谱作为训练集进行训练，用于对接下来若干秒的
4、因此，亟需提供一种燃料电池电化学阻抗谱预测方法、装置、设备及存储介质，用于解决上述技术问题。
技术实现思路
1、有鉴于此，有必要提供一种燃料电池电化学阻抗谱预测方法、装置、设备及存储介质，用以解决现有技术中存在的燃料电池电化学阻抗谱预测时间长，无法实时反馈的技术问题。
2、一方面，本专利技术提供了一种燃料电池电化学阻抗谱预测方法，包括：
3、获取燃料电池在第一工况下的第一全频率电化学阻抗谱；
4、构建电化学阻抗谱初始预测模型，并基于所述第一全频率电化学阻抗谱对所述电化学阻抗谱初始预测模型进行训练，获得训练完备的电化学阻抗谱预测模型；
5、获取所述燃料电池在第二工况下的多个特征频率下的多个关键电化学阻抗值，将所述多个特征频率下和所述多个关键电化学阻抗值输入至所述电化学阻抗谱预测模型中，获得所述燃料电池在所述第二工况下的第二全频率电化学阻抗谱。
6、在一些可能的实现方式中，所述电化学阻抗谱初始预测模型包括多个输入层、多个输出层以及连接所述多个输入层和所述多个输出层的多个隐含层。
7、在一些可能的实现方式中，所述第一全频率电化学阻抗谱包括多个频率以及所述多个频率下的多个第一电化学阻抗值，各所述第一电化学阻抗值包括第一实部阻抗值和第一虚部阻抗值；所述多个输入层包括用于输入所述多个频率的频率输入层、用于输入所述第一实部阻抗值的实部输入层、用于输入所述第一虚部阻抗值的虚部输入层以及用于输入所述燃料电池参数的电池参数输入层。
8、在一些可能的实现方式中，所述隐含层的激活函数为tanh函数或者sigmoid函数，所述隐含层的个数为：
9、n=2/3(a+b)
10、式中，n为所述隐含层的个数；a为所述输入层的个数；b为所述输出层的个数。
11、在一些可能的实现方式中，所述基于所述第一全频率电化学阻抗谱对所述电化学阻抗谱初始预测模型进行训练，获得训练完备的电化学阻抗谱预测模型，包括：
12、步骤一、将所述第一全频率电化学阻抗谱随机划分为训练集和验证集，所述训练集中包括多个训练样本；
13、步骤二、获取所述多个隐含层的初始权值和初始阈值，并将所述初始权值和所述初始阈值进行二维化编码，获得初始二维化权值和初始二维化阈值，基于所述初始二维化权值和所述初始二维化阈值产生遗传算法的初代遗传种群；
14、步骤三、将所述训练样本输入至所述电化学阻抗谱初始预测模型中，获得预测结果，并基于所述预测结果、所述训练样本中的标签和适应度函数确定适应度值；
15、步骤四、判断所述适应度值是否小于适应度阈值；
16、步骤五、当所述适应度值小于适应度阈值时，对所述初代遗传种群进行筛选，获得后代遗传种群，并对所述初始二维化权值和所述初始二维化阈值进行交叉、变异和进化处理，返回至所述步骤三；
17、步骤六、当所述适应度值大于或等于适应度阈值时，基于所述验证集对所述电化学阻抗谱初始预测模型进行验证，若验证通过，则所述电化学阻抗谱初始预测模型为所述电化学阻抗谱预测模型，若验证未通过，则返回至步骤一。
18、在一些可能的实现方式中，所述多个特征频率取对数后呈等差分布数列。
19、在一些可能的实现方式中，在所述获取燃料电池在第一工况下的第一全频率电化学阻抗谱之后，还包括：
20、将所述第一虚部阻抗值为正值的数据点删除。
21、另一方面，本专利技术还提供了一种燃料电池电化学阻抗谱预测装置，包括：
22、全功率阻抗谱获取单元，用于获取燃料电池在第一工况下的第一全频率电化学阻抗谱；
23、阻抗谱预测模型训练单元，用于构建电化学阻抗谱初始预测模型，并基于所述第一全频率电化学阻抗谱对所述电化学阻抗谱初始预测模型进行训练，获得训练完备的电化学阻抗谱预测模型；
24、全功率阻抗谱预测单元，用于获取所述燃料电池在第二工况下的多个特征频率下的多个关键电化学阻抗值，将所述多个特征频率下和所述多个关键电化学阻抗值输入至所述电化学阻抗谱预测模型中，获得所述燃料电池在所述第二工况下的第二全频率电化学阻抗谱。
25、另一方面，本专利技术还提供了一种电化学阻抗预测，包括存储器和处理器，其中，
26、所述存储器，用于存储程序；
27、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现上述任意实现方式中所述的燃料电池电化学阻抗谱预测方法中的步骤。
28、另一方面，本专利技术还提供了一种计算机可读存储介质，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时能够实现上述任意实现方式中所述的燃料电池电化学阻抗谱预测方法中的步骤。
29、采用上述实施例的有益效果是：本专利技术提供的燃料电池电化学阻抗谱预测方法，通过燃料电池在第一工况下的第一全频率电化学阻抗谱训练电化学阻抗谱初始预测模型，得到训练完备的电化学阻抗谱预测模型，相比于现有技术中通过部分频率下的电化学阻抗谱训练得到预测模型，本文档来自技高网...
【技术保护点】
1.一种燃料电池电化学阻抗谱预测方法，其特征在于，包括：
2.根据权利要求1所述的燃料电池电化学阻抗谱预测方法，其特征在于，所述电化学阻抗谱初始预测模型包括多个输入层、多个输出层以及连接所述多个输入层和所述多个输出层的多个隐含层。
3.根据权利要求2所述的燃料电池电化学阻抗谱预测方法，其特征在于，所述第一全频率电化学阻抗谱包括多个频率以及所述多个频率下的多个第一电化学阻抗值，各所述第一电化学阻抗值包括第一实部阻抗值和第一虚部阻抗值；所述多个输入层包括用于输入所述多个频率的频率输入层、用于输入所述第一实部阻抗值的实部输入层、用于输入所述第一虚部阻抗值的虚部输入层以及用于输入所述燃料电池参数的电池参数输入层。
4.根据权利要求2所述的燃料电池电化学阻抗谱预测方法，其特征在于，所述隐含层的激活函数为tanh函数或者sigmoid函数，所述隐含层的个数为：
5.根据权利要求2所述的燃料电池电化学阻抗谱预测方法，其特征在于，所述基于所述第一全频率电化学阻抗谱对所述电化学阻抗谱初始预测模型进行训练，获得训练完备的电化学阻抗谱预测模型，包括：p>
6.根据权利要求1所述的燃料电池电化学阻抗谱预测方法，其特征在于，所述多个特征频率取对数后呈等差分布数列。
7.根据权利要求3所述的燃料电池电化学阻抗谱预测方法，其特征在于，在所述获取燃料电池在第一工况下的第一全频率电化学阻抗谱之后，还包括：
8.一种燃料电池电化学阻抗谱预测装置，其特征在于，包括：
9.一种电化学阻抗预测设备，其特征在于，包括存储器和处理器，其中，
10.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时能够实现上述权利要求1至7中任意一项所述的燃料电池电化学阻抗谱预测方法中的步骤。
...【技术特征摘要】
1.一种燃料电池电化学阻抗谱预测方法，其特征在于，包括：
2.根据权利要求1所述的燃料电池电化学阻抗谱预测方法，其特征在于，所述电化学阻抗谱初始预测模型包括多个输入层、多个输出层以及连接所述多个输入层和所述多个输出层的多个隐含层。
3.根据权利要求2所述的燃料电池电化学阻抗谱预测方法，其特征在于，所述第一全频率电化学阻抗谱包括多个频率以及所述多个频率下的多个第一电化学阻抗值，各所述第一电化学阻抗值包括第一实部阻抗值和第一虚部阻抗值；所述多个输入层包括用于输入所述多个频率的频率输入层、用于输入所述第一实部阻抗值的实部输入层、用于输入所述第一虚部阻抗值的虚部输入层以及用于输入所述燃料电池参数的电池参数输入层。
4.根据权利要求2所述的燃料电池电化学阻抗谱预测方法，其特征在于，所述隐含层的激活函数为tanh函数或者sigmoid函数，所述隐含层的个数为：
<...【专利技术属性】
技术研发人员：彭元亭，王佳男，花仕洋，叶东浩，刘强，
申请(专利权)人：武汉氢能与燃料电池产业技术研究院有限公司，
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。