[发明专利]氢储能电站质子交换膜燃料电池故障诊断方法及装置

权利要求书

1.氢储能电站质子交换膜燃料电池故障诊断方法，其特征在于，包括步骤：

1）周期性采集所有处于运行状态的质子交换膜燃料电池电堆的电压和电流数据并上传云端储存；

2）在同一采样周期内，基于电压和电流数据，在云端使用混沌粒子群算法并行对所有电堆进行燃料电池输出特性模型参数辨识，并进行存储；

3）在同一采样周期内，将辨识出的燃料电池输出特性模型参数作为一维T-S模糊模型的输入量，采用优化算法辨识隶属度函数参数并输入到一维T-S模糊模型；

4）分析比较一维T-S模糊模型输出量的变化趋势，记录当质子交换膜燃料电池发生故障时的特征，作为历史知识库，作为后续质子交换膜燃料电池故障诊断的参考依据。

2.根据权利要求1所述的氢储能电站质子交换膜燃料电池故障诊断方法，其特征在于，所述步骤2）中，按如下方法建立燃料电池输出特性模型，燃料电池输出特性模型包含单个电池电压模型、阳极供气模型和阴极供气模型，基于以下的假设条件建立燃料电池输出特性模型：

21）所有进入阴极及阳极的气体都经过充分的加湿；

22）所有的气体都属于理想气体，符合理想气体相关反应方程；

23）燃料电池内部温度变化缓慢，内部温度保持一致；

24）忽略水在气态状态下对燃料电池发电系统的影响；

25）遵循压力平衡和物料守恒的基本原则。

3.根据权利要求1所述的氢储能电站质子交换膜燃料电池故障诊断方法，其特征在于，步骤2）中，在云端使用混沌粒子群算法并行对所有电堆进行参数辨识的具体步骤为：

31）算法寻优的目的是使目标函数更小，目标优化函数具体定义如下：

，

其中，RMSE是均方根误差，N是电堆中电池单体的数量，V_cell是电堆的输出电压，V_i是燃料电池输出特性模型的输出电压；

32）定义种群大小、迭代次数和输入参数维度，其中种群大小与电堆的数量正相关；

33）基于历史数据经验给定需要辨识参数的上下限；

34）基于SkewTent映射创建混沌序列，并与参数上下限融合，产生初始种群，增加全局最优解的寻优概率；

35）基于Logistic映射创建混沌扰动序列，并与每个粒子个体的初始位置相融合得到扰动增量；

36）计算每个粒子的适应度值，更新粒子的历史个体最优位置和群体最优位置；

37）更新粒子的速度和位置，计算位置X相对应的适应度值并记为f，对粒子更新后的位置X′施加扰动增量，计算位置X′相对应的适应度值并记为f′，比较f和f′的大小，

若ff′，则粒子的最终位置不变；若ff′，则粒子的最终位置更新为X′；

38）对速度和位置进行超界处理，超出上限的参数则设置为边界上限，超出下限的参数设置为边界下限；

39）判断迭代次数是否满足要求或者误差是否满足要求，若满足要求，则终止算法并输出参数和最终的适应度值；如不满足，继续重复执行上述36）~38）步骤，直到满足迭代终止条件。