[发明专利]一种燃料电池全生命周期监控与评估系统有效

专利信息
申请号: 202010857634.4 申请日: 2020-08-24
公开(公告)号: CN111948562B 公开(公告)日: 2023-06-16
发明(设计)人: 李俊娇 申请(专利权)人: 南京机电职业技术学院
主分类号: G01R31/392 分类号: G01R31/392;G01R31/367;G01R31/3835;H01M8/04992;G06N7/02
代理公司: 南京正联知识产权代理有限公司 32243 代理人: 李寰
地址: 211135 江苏省*** 国省代码: 江苏;32
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 燃料电池 生命周期 监控 评估 系统
【权利要求书】:

1.一种燃料电池全生命周期监控与评估系统,其特征在于:包括燃料电池堆(1)、电压采集模块(2)、模糊算法控制器(3)、输出显示模块(4)、氧气储存装置(5)、氧气减压阀(6)、氧气流量电控流量计(7)、温度传感器(8)、氢气流量电控流量计(9)、氢气减压阀(10)、氢气储存装置(11)、信号采集模块(12)和BP神经网络控制器(13),所述燃料电池堆(1)的输出正极与负极与电压采集模块(2)的输入连接,电压采集模块(2)的输出与模糊算法控制器(3)的输入连接,模糊算法控制器(3)的输出与输出显示模块(4)输入连接;所述氢气储存装置(11)的输出口与氢气减压阀(10)的输入连接,氢气减压阀(10)的输出与氢气流量电控流量计(9)连接,氢气流量电控流量计(9)的信号输出与信号采集模块(12)输入连接,氢气流量电控流量计(9)气体输出端口与燃料电池堆(1)的阳极进气口连接;所述氧气储存装置(5)的输出口与氧气减压阀(6)的输入连接,氧气减压阀(6)的输出与氧气流量电控流量计(7)的输入连接,氧气流量电控流量计(7)的信号输出与信号采集模块(12)输入连接,氧气流量电控流量计(7)气体输出端口与燃料电池堆(1)的阴极进气口连接,所述信号采集模块(12)的输入端口还与温度传感器(8)连接,信号采集模块(12)的输出与BP神经网络控制器(13)的输入连接,所述BP神经网络控制器(13)的输出与模糊算法控制器(3)的输入连接,所述模糊控制器(3)的控制结构为2输入、单输出结构,模糊算法控制器(3)的算法为:输入变量x1:当前电压Vt与标准电压Vo的差值,即ΔV=Vt-Vo;输入变量x2:电压每小时衰减率s的公式为Vt为电池堆当前电压值,Vo为电池堆标准电压,Vt1为前一小时的电池堆电压值,其中通过BP神经网络算法获得在当前实际工况下的参比电压值,并将所获得的参比电压值作为模糊算法在实际工况下所需要的标准电压;输出量为性能输出等级u,输入输出变量论域和量化因子,输入变量x1的基本论域设计为(-1V,+1V),输入变量x2的基本论域设计为(0,0.5%),然后将两个输入量分为5个语言变量,即正大PB、正中PM、零ZE、负中NM、负大NB,两个输入量的5个语言变量在基本论域中的隶属度函数为三角形与梯形组合式隶属度函数;输出变量u分为5个语言变量,即正大PB、正中PM、零ZE、负中NM、负大NB;输出变量的5个语言变量分别代表电池性能参数等级。

2.如权利要求1所述的一种燃料电池全生命周期监控与评估系统,其特征在于:所述燃料电池堆(1)为固体氧化物燃料电池,由阴极、阳极、电解质、连接体、电极板构成,阳极通入氢气,阴极通入氧气,在运行温度为600度左右将存储在氢气中的化学能高效的转化为电能,排放物为水。

3.如权利要求1所述的一种燃料电池全生命周期监控与评估系统,其特征在于:所述电压采集模块(2)用于采集燃料电池堆输出端口两端的输出电压,模糊算法控制器(3)根据输入参数,经过模糊推理获得燃料电池堆性能等级,所述输出显示模块(4)由LED显示器构成,用于显示燃料电池性能等级,所述氧气储存装置(5)和氢气储存装置(11)为高压储存罐,所述温度传感器(8)由热电偶构成,用于检测燃料电池堆的运行温度,BP神经网络控制器(13)的结构为3-5-1结构,即三输入,单输出结构,中间隐含层节点数为5,根据采集到的实际工况数值,获得该工况下的参比电压。

4.如权利要求1所述的一种燃料电池全生命周期监控与评估系统,其特征在于:所述监控与评估系统在非标准工况运行条件下,监控与评估算法为BP神经网络算法,算法过程如下:

步骤一:网络初始化输入层与隐含层的连接权ωij,隐含层与输出层神经元之间的连接权ωj,初始化隐含层阈值a和输出层阈值b,连接权值与阈值随机生成,定义学习速率η=0.8和神经元激励函数;

步骤二:隐含层输出计算:根据输入向量X=[x1,x2,x3]T,输入层和隐含层连接权ωij以及隐含层阈值a,计算隐含层输出H:j=1,2,3,4,5,式中f为隐含层激励函数,该函数为:

步骤三:输出层输出计算,根据隐含层输出H,连接权ωj和阈值b,计算BP神经网络输出Vto:

步骤四:误差计算,根据网络输出Vto和期望输出Y,计算网络输出误差e:e=Y-Vto;

步骤五:权值更新,根据网络输出误差e更新网络连接权ωij和ωj:ωij=ωij+ηHj(1-Hj)x(i)ωje i=1,2,3;j=1,2,3,4,5,ωj=ωj+ηHje j=1,2,3,4,5,式中η为学习速率,η=0.8;

步骤六:阈值更新,根据网络输出误差e更新网络节点阈值a,b:aj=aj+ηHj(1-Hjje j=1,2,3,4,5,b=b+e;

步骤七:判断算法迭代是否结束,若没有结束,返回步骤二。

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南京机电职业技术学院,未经南京机电职业技术学院许可,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/202010857634.4/1.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