[发明专利]一种燃料电池健康预测方法及系统

说明书

本发明公开了一种燃料电池健康预测方法及系统，属于燃料电池技术领域，包括获取燃料电池老化数据，包括源域数据和目标域数据；从源域数据和目标域数据中提取一致的健康特征数据，分别为源域健康特征数据和目标域健康特征数据；利用源域健康特征数据对基础模型进行预训练，确定基础模型的参数；将基础模型的参数迁移至燃料电池退化模型，利用目标域健康特征数据对燃料电池退化模型进行训练，得到迁移模型；利用迁移模型和目标域数据，对目标域燃料电池进行健康预测；采用粒子滤波算法，平滑燃料电池健康预测结果，实现燃料电池剩余寿命的概率性预测。本发明将源域知识应用于目标域，仅利用少量目标域的数据即可精确预测燃料电池健康状态。

技术领域

本发明涉及燃料电池技术领域，特别涉及一种燃料电池健康预测方法及系统。

背景技术

能源与生态是当今社会的两大主题，为了实现“碳中和”，能源转型成为重大的战略方向。燃料电池以电化学反应的方式将化学能直接转为电能，具有转化效率高、绿色环保等特点。目前国内燃料电池尚未实现大范围商业化，仍然处于起步阶段，其耐久性问题成为制约燃料电池大规模应用的瓶颈。因此，有必要开展燃料电池有效的健康评估与管控研究，实现燃料电池的安全高效运行，对燃料电池进行健康预测是其健康评估与管控的重要环节。然而，燃料电池系统由于系统结构和反应机理复杂，环境因素影响众多，其健康衰减具有非线性和不确定性特征，燃料电池准确的健康预测仍然具有挑战。

目前，燃料电池的健康预测主要包括基于模型的方法、基于数据驱动的方法和融合方法。基于模型的方法包括基于机理老化模型和基于经验老化模型，其预测精度依赖于模型的准确性。基于数据驱动的方法利用机器学习方法，实现外部可测特征与内部老化状态的非线性映射，其精度依赖于实验数据样本的数量和质量。

随着人工智能的发展，基于数据驱动的方法越来越受到人们的关注，但是其训练数据需求量大，而目前燃料电池的成本昂贵，数据量不足。

发明内容

本发明的目的在于克服上述背景技术中的不足，根据少量数据，即可实现燃料电池健康预测。

为实现以上目的，一方面，本发明采用一种燃料电池健康预测方法，包括如下步骤：

获取燃料电池老化数据，所述燃料电池老化数据包括源域数据和目标域数据；

从源域数据和目标域数据中提取一致的健康特征数据，分别为源域健康特征数据和目标域健康特征数据，该健康特征数据用于表征燃料电池的寿命衰减特征；

利用源域健康特征数据对构建的燃料电池退化基础模型进行预训练，确定燃料电池退化基础模型的参数；

将训练好的燃料电池退化基础模型的参数迁移至目标域的燃料电池退化模型，并利用目标域健康特征数据对燃料电池退化模型进行训练，得到燃料电池健康预测迁移模型；

利用燃料电池健康预测迁移模型和目标域数据，对目标域燃料电池进行健康预测；

采用粒子滤波算法，对燃料电池健康预测结果进行平滑处理，实现燃料电池剩余寿命的概率性预测。

进一步地，所述获取燃料电池老化数据，所述燃料电池老化数据包括源域数据和目标域数据，包括：

使用WLTC循环工况，进行燃料电池的耐久性试验，得到燃料电池老化实验测试数据作为所述源域数据；

获取工程应用中的燃料电池实际老化数据作为所述目标域数据。

进一步地，在所述获取燃料电池老化数据，所述燃料电池老化数据包括源域数据和目标域数据之后，还包括：

采用滤波算法对所述源域数据和所述目标域数据进行处理，得到降噪后的源域数据和目标域数据。

进一步地，所述用于表征燃料电池寿命衰减的健康特征包括输出功率、输出电压及极限电流；