【技术实现步骤摘要】
本专利技术涉及设备散热，尤其涉及一种燃料电池空压机散热方法、装置、设备。
技术介绍
1、燃料电池是一种高效清洁的能源转换装置，已广泛应用于新能源汽车及分布式发电系统中。空压机作为燃料电池系统中的核心辅助设备，主要负责向燃料电池堆提供适量的压缩空气，其工作稳定性直接影响燃料电池的整体性能。
2、在燃料电池空压机的运行过程中，由于高速旋转和压缩作用产生大量热量，需要通过散热系统进行热量管理。现有的燃料电池空压机散热方法主要采用单一的冷却液循环系统，通过固定的冷却策略和统一的冷却控制参数进行散热管理。这种散热方法存在以下技术问题：由于缺乏对冷却液品质变化的实时监测和考量，当冷却液品质发生变化时，散热效率会显著下降；同时，传统散热系统采用整体式控制策略，无法针对空压机内部不同区域的热负荷差异进行精细化管理，导致散热资源分配不均，既影响散热效果，又造成能源浪费。
技术实现思路
1、本专利技术的主要目的在于解决现有燃料电池空压机散热系统中采用整体式控制策略无法针对空压机内部不同区域的热负荷差异进行精细化管理所导致的散热效率衰减和资源分配不均的技术问题；
2、本专利技术第一方面提供了一种燃料电池空压机散热方法，所述燃料电池空压机散热方法包括：
3、对燃料电池的空压机的直接热特征参数、间接热特征参数和冷却液品质特征参数进行分层采集，得到空压机的多维热数据集；
4、对所述多维热数据集进行特征提取，将提取的特征数据集输入到基于深度迁移学习的神经网络模型中
5、基于所述多维热数据集和所述散热效率衰减预测模型建立所述空压机的多目标优化方程，并求解所述多目标优化方程得到散热控制策略集；
6、对空压机的散热系统进行动态分区，并根据所述散热控制策略集对动态分区的各区域冷却液的流量和流向进行协同调节，实现所述空压机的散热。
7、可选的，在本专利技术第一方面的第一种实现方式中，所述对燃料电池的空压机的直接热特征参数、间接热特征参数和冷却液品质特征参数进行分层采集，得到空压机的多维热数据集包括：
8、在燃料电池的空压机的冷却液流经的热交换位置设置第一层数据采集点，采集所述直接热特征参数，其中，所述直接热特征参数包括温度数据、流速数据和压力数据；
9、在所述空压机预设的核心部件设置第二层数据采集点，采集所述间接热特征参数，其中，所述间接热特征参数包括转速数据、电流数据、振动数据；
10、在空压机的散热系统的冷却液循环系统中设置第三层数据采集点，采集冷却液品质特征参数，所述冷却液品质特征参数包括电导率、ph值和浊度数据；
11、对所述直接热特征参数、所述间接热特征参数和所述冷却液品质特征参数进行时间同步和数据预处理，得到空压机的多维热数据集。
12、可选的，在本专利技术第一方面的第二种实现方式中，所述对所述多维热数据集进行特征提取，将提取的特征数据集输入到基于深度迁移学习的神经网络模型中，得到对应的散热效率衰减预测模型包括：
13、对所述多维热数据集中的各参数分别进行时域特征提取、频域特征提取和时频特征提取，得到目标域特征；
14、将预设的源域知识库中已有空压机的散热效率衰减模式特征作为源域特征，采用注意力机制的特征映射算法，对所述源域特征与所述目标域特征进行适配转换；
15、将所述目标域特征与经适配转换的所述源域特征进行融合，通过层次化注意力网络对融合后的特征进行动态权重分配，得到特征数据集；
16、将所述特征数据集输入到基于深度迁移学习的神经网络模型中进行训练，通过最小化所述源域特征与所述目标域特征的分布差异和散热效率预测误差，得到所述散热效率衰减预测模型。
17、可选的，在本专利技术第一方面的第三种实现方式中，所述基于所述多维热数据集和所述散热效率衰减预测模型建立所述空压机的多目标优化方程，并求解所述多目标优化方程得到散热控制策略集包括：
18、根据所述多维热数据集和所述散热效率衰减预测模型，建立空压机散热系统的热力学模型，并基于所述热力学模型构建所述多目标优化方程；
19、建立所述多目标优化方程的约束条件集合，其中，所述约束条件集合包括各部件温度上限约束、冷却液流量范围约束、泵功率限制约束和基于冷却液品质特征参数的动态约束；
20、将所述多目标优化方程及其所述约束条件集合输入到预设的多目标蜣螂优化器中进行求解得到帕累托最优解集；
21、根据所述多维热数据集确定当前工况，并根据所述当前工况对所述帕累托最优解集进行动态筛选，根据筛选后的帕累托最优解集生成对应的散热控制策略集。
22、可选的，在本专利技术第一方面的第四种实现方式中，所述将所述多目标优化方程及其所述约束条件集合输入到预设的多目标蜣螂优化器中进行求解得到帕累托最优解集包括：
23、将所述多目标优化方程及其所述约束条件集合输入到预设的多目标蜣螂优化器中，通过所述多目标蜣螂优化器将所述多目标优化方程的目标函数空间映射到决策变量空间，得到优化问题的初始解种群；
24、对所述初始解种群中的每个解计算目标函数值，得到解的评估值矩阵，并基于所述评估值矩阵计算任意两个解之间的支配关系，基于支配关系对解进行分级排序，得到各解的位置更新向量；
25、将所述位置更新向量应用于所述初始解种群中的各个解，生成更新后的解集，并对所述更新后的解集中的解进行约束检查，当更新后的解集中的解违反所述约束条件集合时，通过预设的罚函数修正对应解的位置，得到满足约束的候选解集；
26、对所述候选解集计算拥挤距离，基于所述拥挤距离对相同非支配等级的解进行排序，并通过精英保留策略选择优质解，得到迭代过程中的非支配解集；
27、按照预设的迭代终止条件，对多目标蜣螂优化器的优化过程进行循环迭代，当满足终止条件时，从最终的非支配解集中提取帕累托前沿，得到所述帕累托最优解集。
28、可选的，在本专利技术第一方面的第五种实现方式中，所述对空压机的散热系统进行动态分区，并根据所述散热控制策略集对动态分区的各区域冷却液的流量和流向进行协同调节，实现所述空压机的散热包括：
29、根据所述多维热数据集中的直接热特征参数提取温度场分布信息，并根据所述直接热特征参数和所述间接热特征参数计算热流特征；
30、采用自适应k-means聚类算法对所述温度场分布信息和热流特征进行聚类，基于聚类结果对空压机的散热系统进行动态分区，得到n个控制子区域，其中n为2至8的整数；
31、基于所述直接热特征参数对每个所述控制子区域计算热负荷指数，并构建区域间热量传递矩阵，表征各所述控制子区域之间的热量传递关系；
32、根据所述散热控制策略集、所述热负荷指数和所述热量传递矩阵，采用分层递进控制方法确定各所述控制子区域的冷却资源分配策略；
33、通过散热系统中的冷却液流量调节阀和流本文档来自技高网...
【技术保护点】
1.一种燃料电池空压机散热方法，其特征在于，所述燃料电池空压机散热方法包括：
2.根据权利要求1所述的燃料电池空压机散热方法，其特征在于，所述对燃料电池的空压机的直接热特征参数、间接热特征参数和冷却液品质特征参数进行分层采集，得到空压机的多维热数据集包括：
3.根据权利要求1所述的燃料电池空压机散热方法，其特征在于，所述对所述多维热数据集进行特征提取，将提取的特征数据集输入到基于深度迁移学习的神经网络模型中，得到对应的散热效率衰减预测模型包括：
4.根据权利要求1所述的燃料电池空压机散热方法，其特征在于，所述基于所述多维热数据集和所述散热效率衰减预测模型建立所述空压机的多目标优化方程，并求解所述多目标优化方程得到散热控制策略集包括：
5.根据权利要求4所述的燃料电池空压机散热方法，其特征在于，所述将所述多目标优化方程及其所述约束条件集合输入到预设的多目标蜣螂优化器中进行求解得到帕累托最优解集包括：
6.根据权利要求1所述的燃料电池空压机散热方法，其特征在于，所述对空压机的散热系统进行动态分区，并根据所述散热控制策略集对动
7.根据权利要求6所述的燃料电池空压机散热方法，其特征在于，所述通过散热系统中的冷却液流量调节阀和流向控制阀根据所述冷却资源分配策略对各所述控制子区域的冷却液参数进行实时调整，同时基于所述热量传递矩阵对相邻区域的冷却强度进行协同控制包括：
8.一种燃料电池空压机散热装置，其特征在于，所述燃料电池空压机散热装置包括：
9.一种燃料电池空压机散热设备，其特征在于，所述燃料电池空压机散热设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
...【技术特征摘要】
1.一种燃料电池空压机散热方法，其特征在于，所述燃料电池空压机散热方法包括：
2.根据权利要求1所述的燃料电池空压机散热方法，其特征在于，所述对燃料电池的空压机的直接热特征参数、间接热特征参数和冷却液品质特征参数进行分层采集，得到空压机的多维热数据集包括：
3.根据权利要求1所述的燃料电池空压机散热方法，其特征在于，所述对所述多维热数据集进行特征提取，将提取的特征数据集输入到基于深度迁移学习的神经网络模型中，得到对应的散热效率衰减预测模型包括：
4.根据权利要求1所述的燃料电池空压机散热方法，其特征在于，所述基于所述多维热数据集和所述散热效率衰减预测模型建立所述空压机的多目标优化方程，并求解所述多目标优化方程得到散热控制策略集包括：
5.根据权利要求4所述的燃料电池空压机散热方法，其特征在于，所述将所述多目标优化方程...
【专利技术属性】
技术研发人员：王亚军，林培锋，王健，钟东润，
申请(专利权)人：福建伊普思实业有限公司，
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。