【技术实现步骤摘要】
本专利技术涉及控制模型构建的，尤其涉及一种控制模型的构建方法、装置、电子设备和存储介质。
技术介绍
1、燃料电池电堆作为燃料电池系统的核心部件，在燃料电池技术的发展中占据重要地位。随着全球对清洁能源和可持续发展的日益重视，氢燃料电池的发展前景十分广阔。然而，燃料电池电堆的发展仍面临一些挑战。如技术瓶颈、成本问题、基础设施建设等都需要进一步解决。
2、电堆停机吹扫建模和优化，对于提高燃料电池电堆启动成功率、延长使用寿命、提高能源利用效率、增强系统可靠性以及支持智能化管理等方面都具有重要意义。现有停机吹扫方式的主要缺点包括难以准确描述吹扫的复杂性和非线性特性、参数估计和校准困难、缺乏灵活性以及可能存在的精度问题，导致停机吹扫任务执行的可靠性不足。
3、因此，如何提高燃料电池电堆执行停机吹扫任务的可靠性，是目前亟待解决的技术问题。
技术实现思路
1、本专利技术提供的一种控制模型的构建方法、装置、电子设备和存储介质，能够提高燃料电池电堆执行停机吹扫任务的可靠性。
2、本专利技术实施例提供了以下方案：
3、第一方面，本专利技术实施例提供了一种控制模型的构建方法，方法包括：
4、获取燃料电池电堆执行停机吹扫任务的历史数据集合，其中，历史数据集合至少包括多组吹扫时间、每组所述吹扫时间对应的吹扫流量和电堆阻抗；
5、根据停机吹扫任务的多个任务阶段，划分历史数据集合为多个数据子集，其中，每个数据子集包括对应任务阶段的吹扫时间、吹
6、根据各个数据子集训练对应任务阶段的阻抗预测模型，以使阻抗预测模型输出的预测阻抗达到预设目标；
7、在预测阻抗达到预设目标时，将阻抗预测模型输出的预测阻抗配置为控制模型执行停机吹扫任务的输入参数。
8、在一种可选的实施例中，获取燃料电池电堆执行停机吹扫任务的历史数据集合，包括：
9、在燃料电池电堆进行预设实验时采集停机吹扫任务的任务数据，其中，预设实验至少包括耐久转鼓试验和低温冷启动试验；
10、根据任务数据的采集信息建立存储目录，并根据存储目录将任务数据以预设的目标格式进行存储；
11、根据目标格式配置吹扫时间的第一特征标签、吹扫流量的第二特征标签以及电堆阻抗的第三特征标签；
12、根据第一特征标签、第二特征标签和第三特征标签，在存储目录分别提取吹扫时间、吹扫流量和电堆阻抗；
13、将吹扫时间、吹扫流量和电堆阻抗的数据提取结果确定为历史数据集合。
14、在一种可选的实施例中，根据停机吹扫任务的多个任务阶段，划分历史数据集合为多个数据子集之前，方法还包括：
15、在历史数据集合中提取多个停机吹扫任务的吹扫时间和电堆阻抗；
16、根据多个停机吹扫任务的吹扫时间和电堆阻抗，确定各任务阶段的阶段阈值；
17、根据阶段阈值将停机吹扫任务划分为多个任务阶段。
18、在一种可选的实施例中，根据多个停机吹扫任务的吹扫时间和电堆阻抗，确定各任务阶段的阶段阈值，包括：
19、将每个停机吹扫任务的吹扫时间和电堆阻抗输入n阶差分的计算模型，以获得每个停机吹扫任务中电堆阻抗关于吹扫时间的二阶导数；
20、将每个停机吹扫任务的二阶导数所对应的吹扫时间，确定为各任务阶段的阶段阈值。
21、在一种可选的实施例中，根据各个数据子集训练对应任务阶段的阻抗预测模型，以使阻抗预测模型输出的预测阻抗达到预设目标之前，方法还包括：
22、根据每个任务阶段的数据子集对预测模型库中的所有模型进行训练；
23、根据停机吹扫任务的实际阻抗和每个模型完成训练所输出的预测阻抗，获得表征各模型预测准确率的决定系数；
24、将每个任务阶段的最大决定系数所对应的模型，确定为该任务阶段的阻抗预测模型。
25、在一种可选的实施例中，阻抗预测模型包括svr模型、catboost模型和xgboost模型；根据各个数据子集训练对应任务阶段的阻抗预测模型，以使阻抗预测模型输出的预测阻抗达到预设目标，包括：
26、对svr模型的第一参数组进行配置，其中，第一参数组包括svr模型的核函数、正则化参数、gamma值和epsilon值；
27、根据流道吹扫阶段的数据子集对svr模型进行训练，并对第一参数组进行调整，直至svr模型输出的预测阻抗的第一偏差小于第一预设目标；
28、对catboost模型的第二参数组进行配置，其中，第二参数组包括catboost模型的迭代次数、树深度、学习率和损失函数；
29、根据气体扩散层吹扫阶段的数据子集对catboost模型进行训练，并对第二参数组进行调整，直至catboost模型输出的预测阻抗的第二偏差小于第二预设目标；
30、对xgboost模型的第三参数组进行配置，其中，第三参数组包括xgboost模型的树深度、学习率、gamma值、回归平方误差；
31、根据质子交换膜吹扫阶段的数据子集对xgboost模型进行训练，并对第三参数组进行调整，直至xgboost模型输出的预测阻抗的第三偏差小于第三预设目标。
32、在一种可选的实施例中，阻抗预测模型包括svr模型、catboost模型和xgboost模型；将阻抗预测模型输出的预测阻抗配置为控制模型执行停机吹扫任务的输入参数，包括：
33、将svr模型输出的第一预测阻抗，配置为控制模型在流道吹扫阶段的输入参数；
34、将catboost模型输出的第二预测阻抗，配置为控制模型在气体扩散层吹扫阶段的输入参数；
35、将xgboost模型输出的第三预测阻抗，配置为控制模型在质子交换膜吹扫阶段的输入参数。
36、第二方面，本专利技术实施例还提供了一种控制模型的构建装置，装置包括：
37、获取模块，用于获取燃料电池电堆执行停机吹扫任务的历史数据集合，其中，历史数据集合至少包括多组吹扫时间、每组所述吹扫时间对应的吹扫流量和电堆阻抗；
38、划分模块，用于根据停机吹扫任务的多个任务阶段，划分历史数据集合为多个数据子集，其中，每个数据子集包括对应任务阶段的吹扫时间、吹扫流量和电堆阻抗；
39、第一训练模块，用于根据各个数据子集训练对应任务阶段的阻抗预测模型，以使阻抗预测模型输出的预测阻抗达到预设目标；
40、配置模块，用于在预测阻抗达到预设目标时，将阻抗预测模型输出的预测阻抗配置为控制模型执行停机吹扫任务的输入参数。
41、第三方面，本专利技术实施例还提供了一种电子设备，包括处理器和存储器，存储器耦接到处理器，存储器存储指令，当指令由处理器执行时使电子设备执行第一方面中任一项方法的步骤。
42、第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任一项方本文档来自技高网...
【技术保护点】
1.一种控制模型的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的控制模型的构建方法，其特征在于，所述获取所述燃料电池电堆执行停机吹扫任务的历史数据集合，包括：
3.根据权利要求1所述的控制模型的构建方法，其特征在于，所述根据所述停机吹扫任务的多个任务阶段，划分所述历史数据集合为多个数据子集之前，所述方法还包括：
4.根据权利要求3所述的控制模型的构建方法，其特征在于，所述根据所述多个停机吹扫任务的吹扫时间和电堆阻抗，确定各任务阶段的阶段阈值，包括：
5.根据权利要求1所述的控制模型的构建方法，其特征在于，所述根据各个数据子集训练对应任务阶段的阻抗预测模型，以使所述阻抗预测模型输出的预测阻抗达到预设目标之前，所述方法还包括：
6.根据权利要求1所述的控制模型的构建方法，其特征在于，所述阻抗预测模型包括SVR模型、CatBoost模型和XGBoost模型；所述根据各个数据子集训练对应任务阶段的阻抗预测模型，以使所述阻抗预测模型输出的预测阻抗达到预设目标，包括：
7.根据权利要求1所述的控制模型的构
8.一种控制模型的构建装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述电子设备执行权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种控制模型的构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的控制模型的构建方法，其特征在于，所述获取所述燃料电池电堆执行停机吹扫任务的历史数据集合，包括：
3.根据权利要求1所述的控制模型的构建方法，其特征在于，所述根据所述停机吹扫任务的多个任务阶段，划分所述历史数据集合为多个数据子集之前，所述方法还包括：
4.根据权利要求3所述的控制模型的构建方法，其特征在于，所述根据所述多个停机吹扫任务的吹扫时间和电堆阻抗，确定各任务阶段的阶段阈值，包括：
5.根据权利要求1所述的控制模型的构建方法，其特征在于，所述根据各个数据子集训练对应任务阶段的阻抗预测模型，以使所述阻抗预测模型输出的预测阻抗达到预设目标之前，所述方法还包括：
6.根据权利要求1所述的控制模型的构建方法，其特征在于，所述阻抗预测模型包括s...
【专利技术属性】
技术研发人员：王秋来，王云中，周丰松，赵春来，张泽阳，
申请(专利权)人：东风汽车集团股份有限公司，
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。