一种基于集成学习的氢燃料电池寿命预测方法技术

本发明专利技术公开了一种基于集成学习的氢燃料电池寿命预测方法，包括：获取氢燃料电池工作过程中的多变量历史监测数据，利用极限梯度提升算法对其进行特征选择，确定健康指标和最佳输入变量集，得到最优输入矩阵；构建基于Blending集成的寿命预测模型，基学习层由DBN、GRU和TCN组成，元学习层由GPR构成；利用改进的人工兔优化算法IARO对集成模型的关键超参数进行寻优；结合最优输入矩阵和IARO对构建的集成模型进行训练，得到优化训练后的Blending集成预测模型；结合预处理过的新样本和优化后的Blending集成预测模型，得到剩余寿命的最终预测结果。本发明专利技术通过集成单一模型的优点实现高精度的剩余寿命点预测，为研究出适合氢燃料电池系统长期运行的维护策略方面提供参考。

【技术实现步骤摘要】

本专利技术涉及氢燃料电池寿命预测，具体是涉及一种基于集成学习的氢燃料电池寿命预测方法。

技术介绍

1、能源是社会发展与经济繁荣的基础，尤其是在科学技术飞速发展的今天，人们的生产生活越来越依赖能源驱动，而每一次能源技术的突破都推动着人类文明不断前进。然而，随着能源不断消耗，人们不仅面临资源短缺，还有各种全球性环境问题，严重威胁着人类的生存和发展，因此清洁可再生新能源的发展势在必行。

2、目前新能源主要包括太阳能、风能、地热能、核能、氢能等，由于各自存在时域性和相关技术难题，各类新能源处于不同的发展阶段。考虑到运输和便携性，氢能逐渐成为焦点，主要应用于汽车动力、分布式发电和便携式电源等领域，而这些应用都离不开燃料电池的发展。

3、氢燃料电池(hydrogen fuel cell,hfc)可以直接将燃料中的化学能转化为电能，是一种高效的电化学能量转换器。由于其无污染、高效率和低噪音等特点，成为最具发展前景的发电技术之一。然而，hfc的运行寿命、长期性能和维护成本制约着其商业化进程。除了实现材料突破和改进堆栈设计外，预测和健康管理是保障hf本文档来自技高网...

【技术保护点】

1.一种基于集成学习的氢燃料电池寿命预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于Blending集成的氢燃料电池寿命预测方法，其特征在于，所述步骤1中利用极限梯度提升算法XGBoost进行特征选择来获取最佳输入变量集的步骤包括：

3.根据权利要求1所述的基于Blending集成的氢燃料电池寿命预测方法，其特征在于，所述步骤2中构建基于Blending集成的寿命预测模型的步骤包括：

4.根据权利要求1所述的基于Blending集成的氢燃料电池寿命预测方法，其特征在于，所述步骤3中Blending集成模型中的关键超参数包括：DBN的初...

【技术特征摘要】

1.一种基于集成学习的氢燃料电池寿命预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于blending集成的氢燃料电池寿命预测方法，其特征在于，所述步骤1中利用极限梯度提升算法xgboost进行特征选择来获取最佳输入变量集的步骤包括：

3.根据权利要求1所述的基于blending集成的氢燃料电池寿命预测方法，其特征在于，所述步骤2中构建基于blending集成的寿命预测模型的步骤包括：

4.根据权利要求1所述的基于blending集成的氢燃料电池寿命预测方法，其特征在于，所述步骤3中blending集成模型中的关键超参数包括：dbn的初始学习率dlr和隐含层节点数dhid，gru的初始学习率glr和...

【专利技术属性】
技术研发人员：陶孜菡，张楚，李茜，张越，熊金琳，彭甜，李正波，张新荣，索雷明，乔秀杰，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：