CN108089136B - 一种燃料电池电堆极化曲线测试数据自动切片方法 - Google Patents
一种燃料电池电堆极化曲线测试数据自动切片方法 Download PDFInfo
- Publication number
- CN108089136B CN108089136B CN201711467260.XA CN201711467260A CN108089136B CN 108089136 B CN108089136 B CN 108089136B CN 201711467260 A CN201711467260 A CN 201711467260A CN 108089136 B CN108089136 B CN 108089136B
- Authority
- CN
- China
- Prior art keywords
- loading
- loading current
- data
- test data
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/382—Arrangements for monitoring battery or accumulator variables, e.g. SoC
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
- Fuel Cell (AREA)
Abstract
本发明涉及一种燃料电池电堆极化曲线测试数据自动切片方法,该方法用于将测试数据按照加载电流数值大小进行切片划分,每个加载电流数值下的一个连续时间段的测试数据划分为一个切片,该方法包括如下步骤:(1)针对所有加载电流数值大小对测试数据进行广定位:将加载电流数值相同的测试数据划分为一个广定位数据片段;(2)对每一个广定位数据片段进行精确定位:将每个广定位数据片段中属于一个连续时间段的数据分别划分为一个切片,进而得到确定加载电流数值下的连续时间段的测试数据切片。与现有技术相比,本发明切片效率高、结果准确可靠。
Description
技术领域
本发明涉及一种燃料电池电堆极化曲线测试数据自动切片方法,尤其是涉及一种燃料电池电堆极化曲线测试数据自动切片方法。
背景技术
燃料电池电堆极化曲线测试是比较常见的燃料电池电堆测试类型,随着测试的进行改变电堆的电流值(也称为单一变量测试类型),其电流改变包括以下几种类型:先降载后升载、先升载后降载、只降载和只升载。考虑到该测试数据的复杂性和多边性,目前市场上针对燃料电池电堆极化曲线数据的处理还停留在人工区分升降载然后对每一档电流进行人工切片的程度。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种燃料电池电堆极化曲线测试数据自动切片方法。
本发明的目的可以通过以下技术方案来实现:
一种燃料电池电堆极化曲线测试数据自动切片方法,该方法用于将测试数据按照加载电流数值大小进行切片划分,每个加载电流数值下的一个连续时间段的测试数据划分为一个切片,该方法包括如下步骤:
(1)针对所有加载电流数值大小对测试数据进行广定位:将加载电流数值相同的测试数据划分为一个广定位数据片段;
(2)对每一个广定位数据片段进行精确定位:将每个广定位数据片段中属于一个连续时间段的数据分别划分为一个切片,进而得到确定加载电流数值下的连续时间段的测试数据切片。
步骤(1)前还包括:根据加载电流数值变化确定加载类型:
单调加载:加载电流数值在整个加载周期内持续增大或减小,且加载电流在每个加载电流数值下持续设定时间;
对称周期性加载:加载电流数值在前半个加载周期内持续增大或减小,在后半个加载周期与前半个加载周期相反,且加载电流在每个加载电流数值下持续设定时间;
若加载类型为单调加载,则执行步骤(1)中广定位即完成所有加载电流数值下的数据切片;
若加载类型为对称周期性加载,则依次执行步骤(1)和(2)完成所有加载电流数值下的数据切片。
根据加载电流数值变化确定加载类型具体为:
(a1)获取加载电流变化曲线,确定每个加载区间内的加载电流数值并按照时间顺序排列组成加载电流参数向量X=[X1,X2……Xm],向量X中第i个元素记作Xi,Xi表示第i个加载区间内的加载电流数值大小,i=1,2……m,m表示加载区间总个数;
(a2)比较加载电流参数向量X中的元素大小,若满足X1>X2>……>Xm或X1<X2<……<Xm,则加载类型对应为单调加载,否则加载类型对应为对称周期性加载。
所述的广定位具体为:
当加载类型为单调加载时,对加载电流参数向量中的任意Xi采用布尔函数扫描得到加载电流数值等于Xi所对应的所有测试数据作为一个广定位数据片段;
当加载类型为对称周期性加载时,对于加载电流参数向量中的Xj采用布尔函数扫描得到加载电流数值等于Xj所对应的所有测试数据作为一个广定位数据片段,j=1,2…(m+1)/2。
所述的精确定位具体为:
(b2)根据上述时间分割结果确定加载电流参数向量X第i个元素Xi所对应的时间区间,并将该时间区间中的测试数据划分为一个切片。
步骤(b2)确定加载电流参数向量X第i个元素Xi所对应的时间区间具体为:
与现有技术相比,本发明具有如下优点:
(1)本发明能够实现对不同加载类型下测试数据的自动切片,减少人力,提高效率;
(2)本发明建立加载电流参数向量,实现测试参数向量化,利用加载电流参数向量中数值分布规律来自动识别加载类型,无需人工区分加载类型,适应多种复杂测试工况;
(3)本发明在对称周期性加载工况下,首先进行广定位切片,然后进行精确定位切片,切片结果准确可靠。
附图说明
图1为本发明燃料电池电堆极化曲线测试数据自动切片方法的流程框图;
图2为本发明实施例对称周期性加载时加载电流波形图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种燃料电池电堆极化曲线测试数据自动切片方法,该方法用于将测试数据按照加载电流数值大小进行切片划分,每个加载电流数值下的一个连续时间段的测试数据划分为一个切片,该方法包括如下步骤:
(1)针对所有加载电流数值大小对测试数据进行广定位:将加载电流数值相同的测试数据划分为一个广定位数据片段;
(2)对每一个广定位数据片段进行精确定位:将每个广定位数据片段中属于一个连续时间段的数据分别划分为一个切片,进而得到确定加载电流数值下的连续时间段的测试数据切片。
步骤(1)前还包括:根据加载电流数值变化确定加载类型:
单调加载:加载电流数值在整个加载周期内持续增大或减小,且加载电流在每个加载电流数值下持续设定时间;
对称周期性加载:加载电流数值在前半个加载周期内持续增大或减小,在后半个加载周期与前半个加载周期相反,且加载电流在每个加载电流数值下持续设定时间,所谓对称周期性加载即为背景技术中介绍的先降载后升载以及先升载后降载这两种加载方式,且在一个加载周期内降载和升载是对称设置的。
若加载类型为单调加载,则执行步骤(1)中广定位即完成所有加载电流数值下的数据切片;
若加载类型为对称周期性加载,则依次执行步骤(1)和(2)完成所有加载电流数值下的数据切片。
根据加载电流数值变化确定加载类型具体为:
(a1)获取加载电流变化曲线,确定每个加载区间内的加载电流数值并按照时间顺序排列组成加载电流参数向量X=[X1,X2……Xm],向量X中第i个元素记作Xi,Xi表示第i个加载区间内的加载电流数值大小,i=1,2……m,m表示加载区间总个数,此过程实现了参数向量化,比如,一份极化曲线测试会包括电流密度1500,1300,1000,…,100,0,同时需要完成降载和升载两个步骤,每一档电流密度需要持续10min,那么我们将这些参数通过一个或者多个数组来表示XT,其中X=[1500,1300,1000,…,100,0,100,…1000,1300,1500],数组中各项代表加载电流的数值,当然,在X中最后一项也可加入一个时间,代表每个加载电流数值持续的时间,本发明直接以X=[1500,1300,1000,…,100,0,100,…1000,1300,1500]来说明,当然,这个过程中还会有其他信息,类似温度,压力,这些信息都会放在其他数组Y中,目的就是将好多页的测试大纲数据向量化,服务计算机的识别;
(a2)比较加载电流参数向量X中的元素大小,若满足X1>X2>……>Xm或X1<X2<……<Xm,则加载类型对应为单调加载,否则加载类型对应为对称周期性加载。
广定位具体为:
当加载类型为单调加载时,对加载电流参数向量中的任意Xi采用布尔函数扫描得到加载电流数值等于Xi所对应的所有测试数据作为一个广定位数据片段;
当加载类型为对称周期性加载时,对于加载电流参数向量中的Xj采用布尔函数扫描得到加载电流数值等于Xj所对应的所有测试数据作为一个广定位数据片段,j=1,2…(m+1)/2。
精确定位具体为:
(b1)对于Xj所对应的广定位数据片段,确定每个广定位数据片段的起始时间值为和末尾时间值为j=1,2…(m+1)/2;
(b2)根据上述时间分割结果确定加载电流参数向量X第i个元素Xi所对应的时间区间,并将该时间区间中的测试数据划分为一个切片。
步骤(b2)确定加载电流参数向量X第i个元素Xi所对应的时间区间具体为:
当i=1,2,…,[(m+1)/2]-1时,Xi对应的时间区间依次为j取值依次为1,2,…,[(m+1)/2]-1;
当i=[(m+1)/2]+1,[(m+1)/2]+2,…,m时,Xi对应的时间区间依次为j取值依次为[(m+1)/2]+1,(m+1)/2,…,2,1。
实施例以对称周期性加载为例,假设有一份13000*367的极化数据文件,数据的特征列以加载电流为例,如图2所示。
每一个阶代表一种电流下的数据,这份数据一共有13阶,如果是正常的处理,需要人工识别每一个阶,如果是一份极化数据文件,那么人还是可以接受,效率也还好,如果是十几份,二十几份,那么人会崩溃,效率会大大折扣,错误率也会升高。本算法就是要实现,计算机自己截断每一个台阶,完成数据切片工作。
具体地:
(1)根据图2的加载电流曲线,获得加载电流参数向量X=[X1,X 2……X 13],上述m=13,向量中的13个数值分别为13阶加载电流的加载电流数值大小。
(2)对加载电流参数向量X进行识别判定加载类型,X数列不单调,故得出结论,该数据属于对称周期性加载类型(既有降载,又有升载)。
(3)进行广定位:从X[1],开始进行“布尔”检索,得到满足条件:
加载电流等于X[1]的数据片段D1;
加载电流等于X[2]的数据片段D2;
……
加载电流等于X[7]的数据片段D7。
(4)进行精确定位:
……
(5)完成最终切片:
切片1,时间区间[d1 0,d2 0]内的测试数据;
切片2,时间区间[d2 0,d3 0]内的测试数据;
切片3,时间区间[d3 0,d4 0]内的测试数据;
切片4,时间区间[d4 0,d5 0]内的测试数据;
切片5,时间区间[d5 0,d6 0]内的测试数据;
切片6,时间区间[d6 0,d7 0]内的测试数据;
切片7,时间区间[d7 0,d7 1]内的测试数据;
切片8,时间区间[d7 1,d6 1]内的测试数据;
切片9,时间区间[d6 1,d5 1]内的测试数据;
切片10,时间区间[d5 1,d4 1]内的测试数据;
切片11,时间区间[d4 1,d3 1]内的测试数据;
切片12,时间区间[d3 1,d2 1]内的测试数据;
切片13,时间区间[d2 1,d1 1]内的测试数据。
Claims (6)
1.一种燃料电池电堆极化曲线测试数据自动切片方法,其特征在于,该方法用于将测试数据按照加载电流数值大小进行切片划分,每个加载电流数值下的一个连续时间段的测试数据划分为一个切片,该方法包括如下步骤:
(1)针对所有加载电流数值大小对测试数据进行广定位:将加载电流数值相同的测试数据划分为一个广定位数据片段;
(2)对每一个广定位数据片段进行精确定位:将每个广定位数据片段中属于一个连续时间段的数据分别划分为一个切片,进而得到确定加载电流数值下的连续时间段的测试数据切片。
2.根据权利要求1所述的一种燃料电池电堆极化曲线测试数据自动切片方法,其特征在于,步骤(1)前还包括:根据加载电流数值变化确定加载类型:
单调加载:加载电流数值在整个加载周期内持续增大或减小,且加载电流在每个加载电流数值下持续设定时间;
对称周期性加载:加载电流数值在前半个加载周期内持续增大或减小,在后半个加载周期与前半个加载周期相反,且加载电流在每个加载电流数值下持续设定时间;
若加载类型为单调加载,则执行步骤(1)中广定位即完成所有加载电流数值下的数据切片;
若加载类型为对称周期性加载,则依次执行步骤(1)和(2)完成所有加载电流数值下的数据切片。
3.根据权利要求2所述的一种燃料电池电堆极化曲线测试数据自动切片方法,其特征在于,根据加载电流数值变化确定加载类型具体为:
(a1)获取加载电流变化曲线,确定每个加载区间内的加载电流数值并按照时间顺序排列组成加载电流参数向量X=[X1,X2……Xm],向量X中第i个元素记作Xi,Xi表示第i个加载区间内的加载电流数值大小,i=1,2……m,m表示加载区间总个数;
(a2)比较加载电流参数向量X中的元素大小,若满足X1>X2>……>Xm或X1<X2<……<Xm,则加载类型对应为单调加载,否则加载类型对应为对称周期性加载。
4.根据权利要求3所述的一种燃料电池电堆极化曲线测试数据自动切片方法,其特征在于,所述的广定位具体为:
当加载类型为单调加载时,对加载电流参数向量中的任意Xi采用布尔函数扫描得到加载电流数值等于Xi所对应的所有测试数据作为一个广定位数据片段;
当加载类型为对称周期性加载时,对于加载电流参数向量中的Xj采用布尔函数扫描得到加载电流数值等于Xj所对应的所有测试数据作为一个广定位数据片段,j=1,2…(m+1)/2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711467260.XA CN108089136B (zh) | 2017-12-28 | 2017-12-28 | 一种燃料电池电堆极化曲线测试数据自动切片方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711467260.XA CN108089136B (zh) | 2017-12-28 | 2017-12-28 | 一种燃料电池电堆极化曲线测试数据自动切片方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108089136A CN108089136A (zh) | 2018-05-29 |
CN108089136B true CN108089136B (zh) | 2020-02-11 |
Family
ID=62179816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711467260.XA Active CN108089136B (zh) | 2017-12-28 | 2017-12-28 | 一种燃料电池电堆极化曲线测试数据自动切片方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108089136B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111722111A (zh) * | 2020-06-22 | 2020-09-29 | 上海骥翀氢能科技有限公司 | 电堆参数确定方法、装置、计算机设备以及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106095832A (zh) * | 2016-06-01 | 2016-11-09 | 东软集团股份有限公司 | 分布式并行数据处理方法以及装置 |
CN107220548A (zh) * | 2017-05-03 | 2017-09-29 | 同济大学 | 一种基于数据切片一致性的系统检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07159500A (ja) * | 1993-12-02 | 1995-06-23 | Seiko Epson Corp | バッテリ残存容量計 |
-
2017
- 2017-12-28 CN CN201711467260.XA patent/CN108089136B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106095832A (zh) * | 2016-06-01 | 2016-11-09 | 东软集团股份有限公司 | 分布式并行数据处理方法以及装置 |
CN107220548A (zh) * | 2017-05-03 | 2017-09-29 | 同济大学 | 一种基于数据切片一致性的系统检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108089136A (zh) | 2018-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111931868B (zh) | 时间序列数据异常检测方法和装置 | |
CN109182462B (zh) | 一种检测指标阴阳性的判定方法及装置 | |
CN107577605A (zh) | 一种面向软件缺陷预测的特征聚类选择方法 | |
CN110672905A (zh) | 基于cnn的自监督电压暂降源辨识方法 | |
CN111061709A (zh) | 一种相似重复记录的数据清洗自动化方法及系统 | |
CN112287980B (zh) | 基于典型特征向量的动力电池筛选方法 | |
CN110726898A (zh) | 一种配电网故障类型识别方法 | |
CN103955630A (zh) | 制备参考数据库及对待测游离核酸样本进行目标区域序列比对的方法 | |
CN108089136B (zh) | 一种燃料电池电堆极化曲线测试数据自动切片方法 | |
CN112732700A (zh) | 一种轧钢生产数据切片方法、系统、介质及电子终端 | |
CN108537249B (zh) | 一种密度峰值聚类的工业过程数据聚类方法 | |
CN113933672A (zh) | 一种晶圆测试参数的相关性判断方法及系统 | |
CN104361192A (zh) | 一种压缩感知分析模型下的稀疏表示自适应重构方法 | |
WO2020001663A2 (zh) | 基因测序结果类型的检测方法、装置、设备及存储介质 | |
CN113610350B (zh) | 复杂工况故障诊断方法、设备、存储介质及装置 | |
CN111931861B (zh) | 一种异质性数据集的异常检测方法及计算机可读存储介质 | |
CN107067034B (zh) | 一种快速识别红外光谱数据分类的方法及系统 | |
CN116187754A (zh) | 生产线故障定位方法、设备及可读存储介质 | |
CN112738724B (zh) | 一种区域目标人群的精准识别方法、装置、设备和介质 | |
CN108287313B (zh) | 一种燃料电池电堆敏感性测试数据切片方法 | |
CN101807260B (zh) | 变化场景下行人检测的方法 | |
CN111614318B (zh) | 光伏系统直流侧电流故障检测方法和装置 | |
CN114694746A (zh) | 基于改进的MRMD算法和DF模型的植物pri-miRNA编码肽预测方法 | |
CN113851189A (zh) | 一种自适应检测pcr荧光基线的方法、装置及其设备 | |
CN113554079A (zh) | 一种基于二次检测法的电力负荷异常数据检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |