[发明专利]一种基于时空特征的燃料电池电压预测系统

说明书

本发明提供一种基于电压时空特征的燃料电池电压预测系统，包括局部燃料电池电压时空特征提取模块、图嵌入模块与电压预测网络；局部燃料电池电压时空特征提取模块，用于提取待预测单电池临近2r个电池在一段时内的时空特征；图嵌入模块，用于捕捉空间上距离较远但是有相似电压衰退曲线电池的特性；电压预测网络用于从局部燃料电池电压时空特征与各单电池的图嵌入特征得到未来时刻单电池的电压值。本发明充分考虑了单电池不一致性，能更准确预测各个单电池的电压衰退。

技术领域

本发明涉及燃料电池电压预测技术。

背景技术

为了提升燃料电池系统的可靠性，学术界对燃料电池预测策略有极高的关注度，对燃料电池开展了大量的电压衰退预测方法研究，包括基于模型的方法、基于数据的方法以及混合方法。基于模型的方法主要包括退化机理模型与经验退化模型，退化机理模型从燃料电池电化学机理的角度分析电池运行过程中的性能老化规律，考虑各种老化因素对燃料电池内、外部状态变量的影响，建立退化模型；经验退化模型主要是依据燃料电池的退化机制进行燃料电池电压预测，通过在燃料电池原理以及退化的电池外在特征基础上机理相关的燃料电池退化模型。然而燃料电池是一个非线性、多物理量、多尺度的系统，退化机理尚不完全清楚，因此很难得到准确的模型以描述燃料电池系统的退化。所以，基于数据的方法得到越来越多学者的关注，当前常用的方法主要包括高斯过程的状态空间算法、粒子滤波方法、长短时记忆网络、回声状态网络等。混合方法则是将基于数据和基于模型的方法相结合，包括基于模型和数据的混合方法与基于多种数据的混合方法。基于数据方法的预测精度在很大程度上取决于当前运行数据和训练数据的相似程度，若电池当前运行数据和训练数据相差较大时，则会降低预测精准度，而基于模型和数据的混合方法能够将模型和数据相结合，减轻预测精度对数据的依赖程度。基于多种数据的混合方法能够将多种不同基于数据的方法融合或加权，从而提高预测的精准度。现有的预测方法在执行的过程中，通常假设电堆与电堆、单电池与单电池之间是一致的，所以只考虑电堆与电池的平均退化，但是在实际操作中，由于流体、热和湿度在空间上分布的不均匀性、各单电池单元MEA制造和组装水平的不一致性等原因，电堆与电堆、单电池与单电池之间存在不一致性，不一致性如图1所示。

发明内容

本发明所要解决的技术问题是，提供一种在时间上考虑电压的历史数据，在空间上考虑电堆与电堆之间，电池与电池之间的相互影响的电池电压预测系统。本发明为解决上述技术问题所采用的技术方案是，一种基于电压时空特征的燃料电池电压预测系统，包括局部燃料电池电压时空特征提取模块、图嵌入模块与电压预测网络，如图2所示；

局部燃料电池电压时空特征提取模块，用于提取待预测单电池临近R个电池在一段时间内的电压数据的时空特征作为该单电池的局部燃料电池电压时空特征；

图嵌入模块，用于根据燃料电池中所有单电池的历史电压数据得到各单电池的图嵌入特征，图嵌入特征具有反映所有单电池间电压衰退曲线相似性强弱的特性；

电压预测网络，用于根据待预测单电池的局部燃料电池电压时空特征与各单电池的图嵌入特征得到未来时刻该单电池的电压值。

本发明基于时空特征的电压衰退预测研究，相对现有的燃料电池故障预测系统增加了2点考虑：

1)考虑单电池电压不仅受历史电压影响，而且还受周围单电池信息的影响，因此提出了一种基于时空特征的电压预测网络。

2)不仅考虑了周围单电池的影响，通过引用图嵌入特征考虑了空间上距离较远但有相似的电压衰退曲线的单电池的影响，同时基于时空特征及图嵌入特征来预测各单电池电压衰退趋势。

本发明的有益效果是，通过时空特征考虑了周围单电池的影响，通过图嵌入特征考虑整个燃料电池中所有有相似的电压衰退曲线单电池间的影响，充分考虑了单电池不一致性，能更准确预测各个单电池的电压衰退，从而能更准确地进行电池电压预测，为之后电池性能判断提供有效的表征。

附图说明

图1是燃料电池不一致性示意图；