[发明专利]一种燃料电池性能衰减预测方法及系统

权利要求书

1.一种燃料电池性能衰减预测方法，其特征在于，包括建立用于实现燃料电池的测试数据、性能退化预测结果之间的映射关系的燃料电池性能退化模型的步骤：

1)获取燃料电池性能衰减实验的实验数据作为训练样本，所述燃料电池性能衰减实验的实验数据包括燃料电池的测试数据及其对应的性能退化结果；

2)使用所有燃料电池训练样本，采用多种类型的元模型构建方法进行元模型建模；

3)将所有训练样本的输入变量代入每个元模型，并计算该元模型的输出；

4)基于每一个元模型的输出计算该元模型的决定系数R²；

5)选择决定系数R²普遍较大的一种元模型类型；

6)采用留一交叉法对训练样本进行分类；

7)使用所选择的元模型类型下的不同元模型对分类后的训练样本进行留一交叉验证；

8)计算出所选择的元模型类型下的不同元模型的均方误差；

9)选取均方误差最小的元模型作为最终得到的燃料电池性能退化模型。

2.根据权利要求1所述的燃料电池性能衰减预测方法，其特征在于，步骤2)中采用多种类型的元模型构建方法进行元模型建模时，采用的多种类型的元模型构建方法包括克里金KG。

3.根据权利要求2所述的燃料电池性能衰减预测方法，其特征在于，步骤2)中采用多种类型的元模型构建方法进行元模型建模时，采用的多种类型的元模型构建方法包括径向基函数RBF。

4.根据权利要求3所述的燃料电池性能衰减预测方法，其特征在于，步骤2)中采用多种类型的元模型构建方法进行元模型建模时，采用的多种类型的元模型构建方法包括多元自适应样条回归MARS。

5.根据权利要求4所述的燃料电池性能衰减预测方法，其特征在于，步骤3)中计算该元模型的输出时，元模型的输入变量包括j,t，元模型的输出变量为ΔV，其中j表示电流密度，t表示燃料电池运行时间，ΔV表示燃料电池输出电压衰减项。

6.根据权利要求5所述的燃料电池性能衰减预测方法，其特征在于，步骤4)中决定系数R²的计算函数表达式为：

上式中，SSR是回归平方和，SST是总平方和，n为样本数量，是指通过元模型计算出来的第i个预测值，为训练样本对应的真实值均值，y_i指第i个样本真实值。

7.根据权利要求6所述的燃料电池性能衰减预测方法，其特征在于，步骤8)中均方误差的计算函数表达式为：

上式中，MSE为均方误差，SSR是回归平方和，SST是总平方和，N为样本数量，y_i是指第i个样本真实值，是指通过元模型计算出来的第i个预测值。

8.根据权利要求7所述的燃料电池性能衰减预测方法，其特征在于，所述建立用于实现燃料电池的测试数据、性能退化预测结果之间的映射关系的燃料电池性能退化模型之后，还包括对燃料电池进行性能退化预测的步骤：获取被测燃料电池的测试数据，将被测燃料电池的测试数据输入所述燃料电池性能退化模型，从而获得被测燃料电池的测试数据所对应的燃料电池性能衰减预测结果。

9.一种燃料电池性能衰减预测系统，包括相互连接的微处理器和存储器，其特征在于，该微处理器被编程或配置以执行权利要求1～8中任意一项所述燃料电池性能衰减预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有被编程或配置以执行权利要求1～8中任意一项所述燃料电池性能衰减预测方法的计算机程序。