[发明专利]一种质子交换膜燃料电池的性能预测方法及性能预测系统

说明书

本申请公开了一种质子交换膜燃料电池的性能预测方法及性能预测系统，所述质子交换膜燃料电池的性能预测方法通过综合考虑质子交换膜燃料电池的运行工况和过去性能表现的方式，将与运行工况相关的第一预测电压和与过去性能表现相关的第二预测电压进行融合得到最终的性能预测结果，大大提高了对质子交换膜燃料电池性能预测的准确性。

技术领域

本申请涉及燃料电池技术领域，更具体地说，涉及一种质子交换膜燃料 电池的性能预测方法及性能预测系统。

背景技术

质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell)是一种以氢 气与氧气作用产生电能的新能源电池，具有相对低温和常压的工作特性。质 子交换膜燃料电池在反应过程中仅产生水和热，并没有其他化学产物，对环 境没有污染和危害，适合应用于交通运输、固定电源等应用领域。

在质子交换膜燃料电池的使用过程中，对其性能预测是其中的关键环节 之一，是否能够对质子交换膜燃料电池的性能进行准确的预测关系到电池的 安全运行和规模化推广使用。

传统的质子交换膜燃料电池性能预测方法对质子交换膜燃料电池性能预 测的准确性均较差，无法满足实际应用需求。

发明内容

为解决上述技术问题，本申请提供了一种质子交换膜燃料电池的性能预 测方法及性能预测系统，通过综合考虑质子交换膜燃料电池的运行工况和过 去性能表现的方式，将与运行工况相关的第一预测电压和与过去性能表现相 关的第二预测电压进行融合得到最终的性能预测结果，大大提高了对质子交 换膜燃料电池性能预测的准确性。

通过综合考虑质子交换膜燃料电池的运行工况和过去性能表现，

为实现上述技术目的，本申请实施例提供了如下技术方案：

一种质子交换膜燃料电池的性能预测方法，包括：

获取质子交换膜燃料电池的运行工况参数；

将所述运行工况参数输入到预先经过训练的神经网络，以获取所述预先 经过训练的神经网络的输出参数作为第一预测电压；

获取所述质子交换膜燃料电池的历史电压数据；

利用所述历史电压数据作为输入数据输入到自适应神经模糊推断系统， 以获取所述自适应神经模糊推断系统输出的第二预测电压；

将所述第一预测电压和第二预测电压进行融合，以获得所述质子交换膜 燃料电池的性能预测结果。

可选的，所述预先经过训练的神经网络的训练过程包括：

获取训练数据集；

将所述训练数据集以预设窗口长度，按照先后顺序划分为多个按照时间 先后顺序编号的子集；

利用所述多个子集以移动窗口的方式对神经网络进行预测和验证，以获 取所述预先经过训练的神经网络。

可选的，所述利用所述多个子集以移动窗口的方式对神经网络进行预测 和验证包括：

对所述神经网络进行N轮预测，N与所述多个子集的数量相同；

其中，第k轮预测包括：以编号为k的子集作为训练集对所述神经网络 进行训练，以编号为k+1的子集作为验证集对所述神经网络进行验证，利用 验证通过的神经网络预测第k+2个子集的数据；

k为大于0，且小于N的整数。

可选的，所述将所述第一预测电压和第二预测电压进行融合包括：

将所述第一预测电压和第二预测电压输入到第二预设公式中，以获取所 述质子交换膜燃料电池的性能预测结果；

所述第二预设公式包括：