[发明专利]燃料电池系统动态性能预测方法及装置

权利要求书

1.一种燃料电池系统动态性能预测方法，其特征在于，包括以下步骤：

获取燃料电池系统的运行数据；

将所述运行数据输入至基于注意力机制的循环神经网络，得到注意力在输入向量中的分布，并计算加权平均值；以及

基于所述加权平均值预测所述燃料电池系统在预设时长内的动态性能。

2.根据权利要求1所述的方法，其特征在于，在获取所述燃料电池系统的运行数据之后，包括：

筛除所述运行数据中异常数据，并对筛除后的运行数据进行空白填充，得到用于最终使用的运行数据。

3.根据权利要求2所述的方法，其特征在于，在获取所述燃料电池系统的运行数据之后，还包括：

对所述运行数据进行平滑处理，以取每一个分段中满足预设提要求的位置数据，并由所述位置数据确定最终值。

4.根据权利要求1所述的方法，其特征在于，在所述基于注意力机制的循环神经网络中，循环神经网络RNN中前向传播的公式表示为：

o_t＝g(Vs_t)，

其中，o_t为t时刻输出层的输出，g()为输出层中神经元的激活函数，V为t时刻隐藏层输出到输出层对应的权重参数；s_t为隐藏层t时刻的输出，f()为隐藏层中神经元的激活函数，x_t为t时刻输入层的输出，s_t-1为上一时刻隐藏层的输出，U为输入层到隐藏层对应的权重参数，W为上一时刻隐藏层输出到t时刻隐藏层的权重参数。

5.根据权利要求4所述的方法，其特征在于，所述加权平均值的计算公式为：

其中，α_i为注意力分布，x_i为输入值。

6.一种燃料电池系统动态性能预测装置，其特征在于，包括：

获取模块，用于获取燃料电池系统的运行数据；

计算模块，用于将所述运行数据输入至基于注意力机制的循环神经网络，得到注意力在输入向量中的分布，并计算加权平均值；以及

预测模块，用于基于所述加权平均值预测所述燃料电池系统在预设时长内的动态性能。

7.根据权利要求6所述的装置，其特征在于，在获取所述燃料电池系统的运行数据之后，所述获取模块，具体用于：

筛除所述运行数据中异常数据，并对筛除后的运行数据进行空白填充，得到用于最终使用的运行数据。

8.根据权利要求7所述的装置，其特征在于，在获取所述燃料电池系统的运行数据之后，所述获取模块，还用于：

对所述运行数据进行平滑处理，以取每一个分段中满足预设提要求的位置数据，并由所述位置数据确定最终值。

9.根据权利要求6所述的装置，其特征在于，在所述基于注意力机制的循环神经网络中，循环神经网络RNN中前向传播的公式表示为：

o_t＝g(Vs_t)，

其中，o_t为t时刻输出层的输出，g()为输出层中神经元的激活函数，V为t时刻隐藏层输出到输出层对应的权重参数；s_t为隐藏层t时刻的输出，f()为隐藏层中神经元的激活函数，x_t为t时刻输入层的输出，s_t-1为上一时刻隐藏层的输出，U为输入层到隐藏层对应的权重参数，W为上一时刻隐藏层输出到t时刻隐藏层的权重参数。

10.根据权利要求9所述的装置，其特征在于，所述加权平均值的计算公式为：

其中，α_i为注意力分布，x_i为输入值。