[发明专利]一种固体氧化物燃料电池系统振荡变量获取方法有效

专利信息
申请号: 202010058149.0 申请日: 2020-01-19
公开(公告)号: CN111310305B 公开(公告)日: 2023-04-25
发明(设计)人: 李曦;仲小博;王贝贝;蒋建华;刘艳琳;郑依;李冬;赵东琦;陈孟婷 申请(专利权)人: 华中科技大学鄂州工业技术研究院;华中科技大学
主分类号: G06F30/20 分类号: G06F30/20;G06F17/13
代理公司: 北京众达德权知识产权代理有限公司 11570 代理人: 刘杰
地址: 436044 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 固体 氧化物 燃料电池 系统 振荡 变量 获取 方法
【权利要求书】:

1.一种固体氧化物燃料电池系统振荡变量获取方法,其特征在于,包括:

确定描述SOFC系统的输入变量、输出变量、状态变量;获取SOFC系统中包含的多个偏微分方程;

根据所述输入变量、所述输出变量、所述状态变量以及所述多个偏微分方程,建立所述SOFC系统的状态空间模型;

根据所述状态空间模型和所述SOFC系统的n个存在不同程度振荡的过程变量的实验数据,获得显著性振荡的子集;其中,n为正整数;

根据所述显著性振荡的子集,获得所述显著性振荡的子集中的所述过程变量的频域格兰杰因果关系;

根据所述SOFC系统的工作原理及工作流程,构建所述SOFC系统对应的定性模型;其中,所述定性模型是描述不同过程变量之间关系的邻接矩阵和可达性矩阵;

根据所述频域格兰杰因果关系以及所述定性模型,获得SOFC系统的振荡根源变量。

2.根据权利要求1所述的方法,其特征在于,所述根据所述状态空间模型和所述SOFC系统的n个存在不同程度振荡的过程变量的实验数据,获得显著性振荡的子集,包括:

根据所述状态空间模型,获得基于所述状态空间模型的状态变量子集;

根据所述SOFC系统的n个所述实验数据,获得基于实验数据的特征变量子集;

将所述状态变量子集以及所述特征变量子集进行一致性比对,获得k个状态变量;其中,k为小于等于n的正整数;

根据所述k个状态变量,从n个过程变量中剔除振荡性显著指标小于预设的设定值的过程变量,获得显著性振荡的子集;其中,所述振荡性显著指标表示对应的过程变量振荡的剧烈程度。

3.根据权利要求2所述的方法,其特征在于,所述根据所述状态空间模型,获得基于所述状态空间模型的状态变量子集,包括:

对所述状态空间模型的系统矩阵进行初等行变换与列变换,获得所述系统矩阵的特征值;

根据所述特征值,获得状态转移矩阵;其中,所述状态转移矩阵用于描述系统状态转移情况;

对所述状态空间模型的状态方程进行求解,获得状态矢量;

对所述状态矢量对应的特征值进行排序,剔除小于预设的阈值的状态变量,获得基于所述状态空间模型的所述状态变量子集。

4.根据权利要求2所述的方法,其特征在于,所述根据所述SOFC系统的n个所述实验数据,获得基于实验数据的特征变量子集,包括:

根据所述SOFC系统的n个所述实验数据,构建原始数据矩阵;其中,每组所述实验数据包括m个时序数据样本,m为正整数;

基于主成分分析法,计算所述原始数据矩阵的协方差矩阵;

通过奇异值分解计算所述协方差矩阵的特征值与特征向量;

对所述特征值从大到小排序,选择其中最大的k个特征值组成基于实验数据的特征变量子集。

5.根据权利要求2所述的方法,其特征在于,所述根据所述k个状态变量,从n个过程变量中剔除所述振荡性显著指标小于预设的设定值的过程变量,获得显著性振荡的子集,包括:

将所述k个状态变量对应的特征向量分别作为列向量组成特征向量矩阵;

根据所述特征向量矩阵,计算每个过程变量数据的振荡显著性指标;

根据所述振荡显著性指标,从n个过程变量中剔除所述振荡性显著指标小于预设的设定值的过程变量,获得显著性振荡的子集。

6.根据权利要求1所述的方法,其特征在于,所述根据所述显著性振荡的子集,获得所述显著性振荡的子集中的所述过程变量的频域格兰杰因果关系,包括:

建立所述显著性振荡的子集中的两两过程变量对应的数据之间的自回归模型;

对所述自回归模型进行傅里叶变换,获得所述显著性振荡的子集中的所述过程变量的频域格兰杰因果关系。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学鄂州工业技术研究院;华中科技大学,未经华中科技大学鄂州工业技术研究院;华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010058149.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top