一种燃料电池温度控制策略的制定方法技术

一种燃料电池温度控制策略的制定方法，所述的方法是在原始收集得到的与燃料电池相关的实际运行参数的数据信息样本的基础上，采用支持向量机模型和聚类分析、关联分析的方法进行分析，得到参数和参数间的关系，在此基础上对这些参数和参数关系进行机器学习，提取用于制定燃料电池温度控制策略的参数关系，用于用户制定温度控制策略。

【技术实现步骤摘要】

本专利技术涉及一种燃料电池的温度智能控制策略的制定方法。
技术介绍
燃料电池由供气单元、电堆、热管理单元、DC/DC单元及其他附件组成，如图1所示，燃料电池是利用水的电解的逆反应的发电机，工作时由氢气瓶和空气输入口将燃料(氢气)和氧化剂(氧气)共同输入到电堆中，通过燃料的燃烧反应，将化学能转化为电能，再通过DC/DC模块，将电压转换成需要供电的负载的电压等级上。燃料电池具有发电效率高、环境污染少等优点。燃料电池用途广泛，既可应用于军事、空间、发电厂领域，也可应用于机动车、移动设备、居民家庭等领域。但是燃料电池十分复杂，涉及化学热力学、电化学、电催化、材料科学、电力系统及自动控制等众多学科相关理论，如何提高燃料电池的利用率、如何保证燃料电池的可靠性、安全性等是目前决定燃料电池是否能够大规模应用于民生的主要问题，这其中，电堆温度的合理控制对于保障燃料电池的正常运行尤为重要。从自动控制领域方向，对于提高燃料电池的使用性能和延长其使用寿命的关键工作就是提供合理的控制策略。众所周知，控制策略的制定依赖于参数的确定和提取，包括确定哪些参数是决定某种用途、某种电堆、某些区域、某些气候条件、某些政策条件、某些用户、某些场合或某些设备等等分类情况下的对于温度控制是最有效、可靠的参数以及这些参数之间如何进行组合或传递或关联才能达到控制电堆温度处于正常范围之内。中国专利201110264545 “用户控制燃料电池系统的温度的方法”描述了控制燃料电池系统的温度的方法，包括基于冷却液出口温度及冷却风速等，但是这个方法仅仅针对有限的参数进行控制电堆温度进行描述并没有考虑其他因素温度的影响，其使用面也很窄，对制定合理的综合的控制策略还非常有限。中国专利“201110346837.8” “一种智能用电策略的制定方法”描述了一种智能用电领域的策略制定方法，该方法通过线性划分、提取近邻、聚类、关联等关系特征从而得到制定控制策略的制定方法，该方法在提取关联等关系特征的时候并没有针对特定的控制需求，比如功率要求、电池利用率、负载需求等，而且该方法在提取这些关系特征后并未进行再次机器学习进行验证从而不能从精度上保证制定的策略的合理性。
技术实现思路
本专利技术的目的是克服现有技术的缺点，提出。本专利技术用于制定符合燃料电池各项额定输出控制策略，以保证燃料电池在使用时的安全性、可靠性和耐久性，并为用户和管理者提供智慧的策略支持。本专利技术在远程无人值守设备上接收到的与燃料电池相关的实际运行参数的基础上，采用聚类分析、关联分析的方法，得到参数和参数间的关系，在此基础上对这些参数和参数关系进行机器学习，分析得到用于制定燃料电池温度控制策略的参数，以及参数之间的依赖组合关系，用户可根据这些分析结果制定温度控制策略。比如，在春天，环境温度为15-20摄氏度之间时,如果输出电压大于某一个值，电堆的压力虽然在正常范围但是大于某一个压力值时，电堆的温度就处于临界点，为了合理控制电堆温度，在这种环境条件下就需要根据检测到的压力数据对电堆氢气瓶压力进行调节，据此来制定温度控制策略。本专利技术燃料电池智能控制策略的制定方法包括以下具体步骤:1.在远程无人值守设备上，如控制板卡，接收燃料电池控制实际运行参数的数据信息样本，即控制参数基础数据，与温度、安全、效率等紧密关联的控制参数信息，比如温度、压力、电压、电流、氢气浓度、空气流量等数据信息；2.采用支持向量机模型对样本空间进行线性划分，划分后的结果形成信息样本空间的各维度，包括控制参数维和效用维。所述的控制信息维包括电量维、电流维、电压维、有功功率维、无功功率维等电力特征。所述的效用维包括时间维、地点维、区域维、气候维、光照度维、温度维、湿度维、用户类型维、用户等级维、设备等级维、设备类别维、操作空间类型维、操作空间级别维、操作频率维、有效操作频率维、节能度维、节能级别维等控制参数特征；3.在线性划分后的样本空间中进一步寻找上述步骤2中各维特征之间的聚类特征、关联特征，具体为:I)基于图划分的制定聚类特征，所述的基于图划分的聚类方法，包括基于布尔链接的图划分和基于权重链接的图划分，并分别划分为不同大小的子图，对特定子图内的节点，即步骤2中的各维特征的影响因子计算算术平均，用以生成步骤2中各维之间的聚类关系特征；2)基于有向图的关联关系分析，采用有向图的置信度传递、基于反向图的置信度传递和基于无向图的置信度传递对每个所述的参数特征，即步骤2中的各维特征，生成关联关系特征；3)在扩充后的参数空间上对训练集和测试集进行重新表示，同时使用初步结果和二次提取结果表示样本；在训练集上训练分类器，分类器被训练结束后，使用训练好的分类器对测试集中的站点样本进行策略学习，完成对初步学习的优化。4.通过以上步骤得到的燃料电池控制参数之间的关系特征及其组合，根据不同条件下的温度控制目的进行温度控制策略制定。【附图说明】图1本专利技术涉及的燃料电池示意图；图2本专利技术燃料电池控制方法的制定方法流程图。【具体实施方式】以下结合附图和【具体实施方式】对本专利技术进一步说明。本专利技术燃料电池控制策略制定方法的总体流程如图1所示:步骤SI为初步特征分类，即预处理从远程无人值守设备(如控制板卡)上收集回来的燃料电池控制信息包括温度、压力、电压、电流、氢气浓度、空气流量等信息，对其进行维度划分。步骤S2为在初步特征分类结果的基础上，进行进一步特征的提取，提取出聚类特征、关联特征，在这一过程中，将基于特征图和初步学习的影响因子提取这两类特征，对这两类特征分别进行机器学习后得到最终的参数及其各种有效组合结果，从而进一步支持科学、有效地温度控制策略的制定和实施。如图2所示，首先对收集到的控制信息数据进行线性划分，根据不同的维度进行划分，比如划分为时间维、环境温度维、电堆温度维、进氢气瓶压力维、出氢气瓶压力维、负载电压维、负载电流维等等，然后根据采用无向图的聚类方法，根据不同的分类原则，将控制参数特征网络划分为K个类以分析控制参数间的聚类关系，同时基于项集的支持度以及频繁项集的分析得到控制参数之间的关联关系，然后在得到的扩充后的参数特征空间上对训练集和测试集进行重新表示，同时使用初步特征和分析后提取到的新的特征表示样本；在训练集上训练分类器，分类器的选择可以为任何现有模式分类器，分类器被训练结束后，使用训练好的分类器对测试集中的样本进行策略学习，完成对初步学习的优化。具体如下:1、预处理目前数据库中所有的燃料电池控制参数信息，进行特征的维度分类。2、在分类结果的基础上，进行聚类特征、关联特征的提取。在初步分类结果的基础上对不同参数分别提取两类不同性质的关系，即聚类关系和关联关系，再采用机器学习算法再学习所使用的特征，最终得到影响制定温度控制策略的参数及这些参数间的依赖组合关系。下面就聚类特征和关联特征的提取方法分别进行描述。所述聚类特征的提取是基于图划分的特征，该基于图划分的聚类方法，考虑到现有的成熟的图划分算法大 多针对无向图，同时为了简化运算，这里把所有与燃料电池相关的控制参数特征网络看作无向图进行处理。所述关联特征的提取，是基于有向图的置信度传递、基于反向图的置信度传递和基于无向图的置信度传递，以对每个控制参数生成传递特征，这里把整个燃料电池相关的控制参数特征本文档来自技高网...

【技术保护点】
一种燃料电池温度控制策略的制定方法，其特征在于，所述的方法在原始收集得到的与燃料电池相关的实际运行参数的数据信息样本的基础上，采用支持向量机模型和聚类分析、关联分析的方法进行分析，得到参数和参数间的关系，在此基础上对这些参数和参数关系进行机器学习，提取用于制定燃料电池温度控制策略的参数关系，用于用户制定温度控制策略。

【技术特征摘要】
1.一种燃料电池温度控制策略的制定方法，其特征在于，所述的方法在原始收集得到的与燃料电池相关的实际运行参数的数据信息样本的基础上，采用支持向量机模型和聚类分析、关联分析的方法进行分析，得到参数和参数间的关系，在此基础上对这些参数和参数关系进行机器学习，提取用于制定燃料电池温度控制策略的参数关系，用于用户制定温度控制策略。2.按照权利要求1所述的燃料电池温度控制策略的制定方法，其特征在于，所述的提取用于制定燃料电池温度控制策略参数关系的方法包括以下步骤: O从远程无人值守设备上收集燃料电池相关参数的信息样本； 2)采用支持向量机模型对样本空间进行线性划分，线性划分的结果形成控制参数维和效用维； 3)在划分后的样本空间中根据各参数对温度参数的影响因子，进一步寻找各相关参数之间对于温度的关联关系和聚类关系； ...

【专利技术属性】
技术研发人员：王丽芳，吉莉，徐冬平，李芳，吴艳，胡伯雪，
申请(专利权)人：中国科学院电工研究所，
类型：发明
国别省市：