[发明专利]氢燃料电池系统电压衰减的确定方法、系统及电子设备

权利要求书

1.一种氢燃料电池系统输出电压衰减的确定方法，其特征在于，所述确定方法包括：

获得历史时序数据；所述历史时序数据是氢燃料电池电堆的输出电压与时间的历史试验数据；

根据所述历史时序数据，利用差分整合移动平均自回归ARIMA训练模型进行模型训练，获得目标ARIMA预测模型和目标差分时序数据；

将所述目标差分时序数据输入所述目标ARIMA预测模型，获得外推时序数据；所述外推时序数据是从当前时刻开始的所述氢燃料电池电堆的输出电压的时序数据；

根据所述历史时序数据和所述外推时序数据，确定所述氢燃料电池系统的衰减时间和衰减电压。

2.如权利要求1所述的确定方法，其特征在于，所述根据所述历史时序数据和所述外推时序数据，确定所述氢燃料电池系统的衰减时间和衰减电压，包括：

根据时间先后顺序，将所述历史时序数据和所述外推时序数据合并，获得整合时序数据；

对所述整合时序数据进行M次多项式拟合，获得拟合方程，M的取值范围为3～10；

根据所述拟合方程，确定拐点坐标；

将所述拐点坐标对应的时间确定为所述衰减时间，将所述拐点坐标对应的输出电压确定为所述衰减电压。

3.如权利要求1所述的确定方法，其特征在于，所述根据所述历史时序数据，利用差分整合移动平均自回归ARIMA训练模型进行模型训练，获得目标ARIMA预测模型和目标差分时序数据，包括：

根据所述历史时序数据，确定训练数据和验证数据；

将所述训练数据输入所述ARIMA训练模型进行模型训练，获得待选ARIMA预测模型，所述待选ARIMA预测模型对应的待选差分训练数据和待选差分时序数据；

将所述待选差分训练数据输入所述待选ARIMA预测模型，获得预测数据；

对所述预测数据进行反差分，获得反差分预测数据；

根据所述反差分预测数据和所述验证数据，确定所述反差分预测数据与所述验证数据之间的匹配度；

将所述匹配度符合预设条件的待选ARIMA预测模型确定为所述目标ARIMA预测模型，并将所述待选ARIMA预测模型对应的待选差分时序数据确定为所述目标差分时序数据。

4.如权利要求3所述的确定方法，其特征在于，所述将所述训练数据输入所述ARIMA训练模型进行模型训练，获得待选ARIMA预测模型，包括：

根据预设的自回归阶数p取值范围，滑动平均阶数q取值范围和差分阶数d取值范围，确定参数数据集；所述参数数据集中包括N组p，q，d的取值数据对，N2且为整数；

根据每一组取值数据对中的d值，对所述训练数据进行d阶差分，获得候选差分训练数据；

根据所述候选差分训练数据以及所述每一组取值数据对中的p值，q值进行模型训练，获得候选ARIMA预测模型；

根据所述候选ARIMA预测模型和赤池信息准则，确定所述候选ARIMA预测模型对应的AIC值；

根据每一个候选ARIMA预测模型对应的AIC值，采用打擂法确定所述待选ARIMA预测模型和所述待选ARIMA预测模型对应的AIC值；所述待选ARIMA预测模型具有最小的AIC值；

根据所述待选ARIMA预测模型，输出对应的p，q，d的取值数据对。

5.如权利要求3所述的确定方法，其特征在于，所述根据所述历史时序数据，确定训练数据和验证数据，包括：

对所述历史时序数据进行数据预处理，获得预处理后的历史时序数据；

根据设定时间比例，将所述预处理后的历史时序数据划分为所述训练数据和所述验证数据。

6.如权利要求5所述的确定方法，其特征在于，对所述历史时序数据进行数据预处理，获得预处理后的历史时序数据，包括：

对所述历史时序数据中的空数据进行数据填充，获得填充后的历史时序数据；

采用滑动平均值滤波方法，对所述填充后的历史时序数据进行滤波处理，获得所述预处理后的历史时序数据。