[发明专利]一种针对质子交换膜燃料电池系统的故障检测方法

说明书

本发明公开一种针对质子交换膜燃料电池系统的故障检测方法，包括：使用EIS测量方法测得质子交换膜燃料电池分别在膜干、水淹、饥饿和正常情况下的阻抗数据，并将得到的阻抗谱数据拟合成等效模型，将等效模型元件参数作为初始特征变量，对原始数据进行归一化处理建立初始化样本集，然后使用PCA算法选取变化较为显著的等效阻抗元件的值作为故障诊断特征变量。建立初始LSSVM分类模型，并使用蝴蝶优化算法优化分类模型的参数，然后在运行过程中不断收集系统特征数据，自动更新建立的BOA‑LSSVM故障诊断模型。与现有技术相比，本发明能够有效降低故障诊断响应时间，并在质子交换膜燃料电池全寿命周期准确识别故障，从而有效保障系统的正常运行。

技术领域

本发明涉及故障检测技术领域，具体涉及一种针对质子交换膜燃料电池系统的故障检测方法。

背景技术

氢能源被认为是未来最有希望的能源之一，因为它的在自然界储量丰富并且对生态十分友好，可以帮助人类拜托对化石燃料的依赖。氢可以作为工业和化学过程中的副产品获得。此外，氢不会产生致使全球变暖的物质。燃料电池是一种直接将燃料中的化学能转化为电能的电化学装置，与其他发电装置相比，它显示出具有竞争力的效率。在各种类型的燃料电池中，质子交换膜燃料电池(PEMFC)的研究一直在积极进行。为了维持燃料电池的正常运行，燃料电池电池堆的状态至关重要，如果发生故障，那么燃料电池系统的性能、耐久性和可靠性就无法得到保证。因此，诊断和预防燃料电池系统中的严重故障对于其耐久性和可靠性至关重要

大多数故障诊断研究集中于燃料电池子系统的故障，诸如热管理系统(TMS)、空气供给系统(APS)和燃料供给系统(FPS)等子系统。燃料电池系统的故障诊断研究具有一定的局限性，燃料电池系统故障诊断研究的第一个限制是，大多数燃料电池系统故障诊断研究都基于模型的方法(燃料电池系统建模)。考虑到燃料电池系统的复杂性，几乎不可能建立一个完美的燃料电池系统模型。因此，模型的故障行为可能与实际燃料电池系统中的行为不同。因此，需要在实际的燃料电池系统实验中对故障行为进行分析。燃料电池系统故障诊断研究的另一个局限是，传统研究中的故障模式模糊且不具体。有一些故障不会导致温度异常升高。虽然这些故障不会立即在燃料电池系统上引发灾难性问题，但它们可能会导致燃料电池系统逐渐发生变化，这可能会在以后导致严重问题，并且会使得燃料电池的特性发生一定的变化。因此，需要对更现实的故障进行研究。而利用实验数据，采用数据驱动的故障诊断方法，能够不必建立复杂的系统模型，利用系统运行产生的数据，训练分类模型对系统的故障进行检测。

发明内容

发明目的：针对现有技术中存在的问题，本发明公开了一种针对质子交换膜燃料电池系统的故障检测方法，采用了EIS测量方法来获得数据，使用PCA-BOA-LSSVM组合模式建立故障诊断模型，并且能够随着电堆特性的变化实时更新故障诊断模型，即能够实现对数据的预处理，自动选取分类器的最优目标参数，也能够在线获得数据，在质子交换膜燃料电池的全寿命周期内更新模型，由此使得质子交换膜燃料电池系统在发生故障时能够被快速诊断出来，并且在系统的全寿命周期都能保持稳定的故障诊断正确率，有效保障系统的稳定运行。

技术方案：本发明提供一种针对质子交换膜燃料电池系统的故障检测方法，包括如下步骤：

步骤1：使用EIS(Electrochemical Impedance Spectroscopy电化学阻抗谱)测量方法测得质子交换膜燃料电池分别在膜干、水淹、饥饿和正常情况下的阻抗数据，并将得到的阻抗谱数据拟合成等效模型，取等效模型的元件参数组成原始数据集；

步骤2：对原始数据集进行归一化处理，并使用PCA算法选取变化较为显著的等效阻抗元件的值作为故障诊断特征变量，将获得的数据集随机分为训练集和测试集；

步骤3：使用训练集建立LSSVM分类模型，并使用蝴蝶优化算法优化LSSVM分类模型的参数；

步骤4：使用EIS测量方法测量质子交换膜燃料电池在线运行过程中的阻抗数据，获得等效模型阻抗元件的值；