CN108306029A - 用于燃料电池系统中的分布式故障管理的系统和方法 - Google Patents
用于燃料电池系统中的分布式故障管理的系统和方法 Download PDFInfo
- Publication number
- CN108306029A CN108306029A CN201810011534.2A CN201810011534A CN108306029A CN 108306029 A CN108306029 A CN 108306029A CN 201810011534 A CN201810011534 A CN 201810011534A CN 108306029 A CN108306029 A CN 108306029A
- Authority
- CN
- China
- Prior art keywords
- computing device
- fault management
- fuel cell
- fault
- fisrt
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
- H01M8/04664—Failure or abnormal function
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
- H01M8/04664—Failure or abnormal function
- H01M8/04679—Failure or abnormal function of fuel cell stacks
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
- H01M8/04664—Failure or abnormal function
- H01M8/04686—Failure or abnormal function of auxiliary devices, e.g. batteries, capacitors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Fuzzy Systems (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Fuel Cell (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
Abstract
一种分布式故障管理系统包含与燃料电池系统相关联的至少一个传感器以及耦合到至少一个传感器的至少一个第一故障管理计算装置。至少一个第一故障管理计算装置配置成接收与第一故障状况相关联的数据。至少一个第一故障管理计算装置还配置成生成对第一故障状况的解析且将至少一个解析命令信号传输到至少一个第二故障管理计算装置。至少一个解析命令信号将至少一个第二故障管理计算装置配置成使用解析来以类似方式解析第二故障状况。
Description
背景技术
本公开的领域一般涉及燃料电池系统,且更特别地涉及使用多个燃料电池系统的分布式故障管理的系统和方法。
燃料电池是一种电化学能量转换装置,其已经证明在功率生成中相对高的效率和低污染的潜力。燃料电池通常提供通过逆变器转换成交流(AC)的直流(DC)。DC或AC电压用来为马达,灯以及任何数量的电气装置和系统供电。燃料电池在固定式,半固定式或便携式应用中操作。
燃料电池通过跨离子传导层在电化学上组合燃料和氧化剂来产生电力。该离子传导层(也被称为燃料电池的电解质)是液体或固体。燃料电池通常在燃料电池组合件中以电串联方式聚集,以产生在有用的电压或电流的功率。因此,互连结构用来串联或并联连接或耦合相邻的燃料电池以形成燃料电池堆。通常,燃料电池的组件包含电解质,阳极和阴极。产生电力的反应通常发生在阳极和阴极处,在阳极和阴极处通常设置催化剂以加速反应。阳极和阴极被构造成包含通道和多孔层以增加用于发生化学反应的表面面积。电解质在阳极和阴极之间携带带电颗粒,并且否则电解质对燃料和氧化剂二者都基本上不可渗透。
基于燃料电池的能量生成系统是复杂的,因为它们涉及热,流体和电化学现象。此外,它们需要一组辅助元件,例如阀,压缩机,传感器和调节器,一般使燃料电池在预先建立的最佳工作点处操作。由于这些原因,它们容易受到燃料电池部分失效(也称为“故障”)的影响,其能够导致燃料电池的性能下降,停止或永久损坏。
位于不同位置中的许多已知的燃料电池系统遇到类似的故障状况并要求人为干预来校正故障状况。此外,由于许多已知的燃料电池系统缺乏适应认知特征,包含适应学习特征,因此对于未预料到的现实世界的实时事件的后续校正需要由人代理进行指导。
发明内容
在一方面中,提供了一种分布式故障管理系统。燃料电池故障管理系统包含与燃料电池系统相关联的至少一个传感器以及至少一个第一故障管理计算装置和至少一个第二故障管理计算装置。至少一个第一故障管理计算装置耦合到至少一个传感器。至少一个第一故障管理计算装置配置成从至少一个传感器接收测量数据。测量数据包含与第一故障状况相关联的数据。至少一个第一故障管理计算装置还配置成生成对第一故障状况的解析(resolution)。至少一个第一故障管理计算装置还配置成基于对第一故障状况的解析而生成至少一个解析命令信号。至少一个第一故障管理计算装置还配置成将至少一个解析命令信号传输到至少一个第二故障管理计算装置。燃料电池故障管理系统还包含至少一个第二故障管理计算装置,其配置成接收至少一个解析命令信号。至少一个解析命令信号将至少一个第二故障管理计算装置配置成实现解析以便以类似方式解析第二故障状况。第二故障状况与第一故障状况类似。
在另一方面中,提供了一种用于控制分布式故障管理系统的方法。分布式故障管理系统包含与燃料电池系统相关联的至少一个传感器以及耦合到至少一个传感器的至少一个第一故障管理计算装置。方法包含由至少一个第一故障管理计算装置接收来自至少一个传感器的测量数据。测量数据包含与第一故障状况相关联的数据。方法进一步包含由至少一个第一故障管理计算装置生成对第一故障状况的解析。方法还包含由至少一个第一故障管理计算装置基于对第一故障状况的解析而生成至少一个解析命令信号。方法进一步包含由至少一个第一故障管理计算装置将至少一个解析命令信号传输到至少一个第二故障管理计算装置。至少一个解析命令信号将至少一个第二故障管理计算装置配置成实现解析以便以类似方式解析第二故障状况。第二故障状况与第一故障状况类似。
在又一方面中,提供了一种具有在其上体现的计算机可运行指令的非暂时性计算机可读存储媒介。当由耦合到与燃料电池系统相关联的至少一个传感器的至少一个第一故障管理计算装置运行时,计算机可运行指令使至少一个第一故障管理计算装置接收来自至少一个传感器的测量数据。测量数据包含与第一故障状况相关联的数据。计算机可运行指令还使至少一个第一故障管理计算装置生成对第一故障状况的解析。计算机可运行指令还使至少一个第一故障管理计算装置基于对第一故障状况的解析而生成至少一个解析命令信号。计算机可运行指令还使至少一个第一故障管理计算装置将至少一个解析命令信号传输到至少一个第二故障管理计算装置。至少一个解析命令信号将至少一个第二故障管理计算装置配置成实现解析以便以类似方式解析第二故障状况。第二故障状况与第一故障状况类似。
本发明提供一组技术方案,如下。
1.一种分布式故障管理系统,包括:
与燃料电池系统相关联的至少一个传感器;和
至少一个第一故障管理计算装置和至少一个第二故障管理计算装置,其中所述至少一个第一故障管理计算装置耦合到所述至少一个传感器和所述至少一个第二故障管理计算装置,所述至少一个第一故障管理计算装置配置成:
从所述至少一个传感器接收测量数据,其中所述测量数据包含与第一故障状况相关联的数据;
生成对所述第一故障状况的解析;
基于对所述第一故障状况的所述解析而生成至少一个解析命令信号;以及
将所述至少一个解析命令信号传输到所述至少一个第二故障管理计算装置,其中所述至少一个第二故障管理计算装置配置成接收所述至少一个解析命令信号,其中所述至少一个解析命令信号将所述至少一个第二故障管理计算装置配置成实现所述解析以便以类似方式解析第二故障状况,其中所述第二故障状况与所述第一故障状况类似。
2.根据技术方案1所述的分布式故障管理系统,其中所述解析命令信号改变所述至少一个第二故障管理计算装置中的维护规程和控制设置中的至少一个以解析所述第二故障状况。
3.根据技术方案1所述的分布式故障管理系统,其中所述至少一个第一故障管理计算装置还配置成使用机器学习方法和人工智能方法中的至少一个来生成对所述第一故障状况的所述解析。
4.根据技术方案3所述的分布式故障管理系统,其中所述至少一个第一故障管理计算装置还配置成使用所述机器学习方法,所述人工智能方法和所述测量数据中的至少一个来学习配置成至少部分地解析所述第一故障状况的维护规程和控制设置中的至少一个。
5.根据技术方案1所述的分布式故障管理系统,其中所述至少一个第一故障管理计算装置和所述至少一个第二故障管理计算装置在地理上被分开。
6.根据技术方案1所述的分布式故障管理系统,其中所述至少一个第一故障管理计算装置还包括显示装置,其中所述至少一个第一故障管理计算装置还配置成显示燃料电池系统的可视数据,图像,3D模型,视频,规程和细节。
7.根据技术方案1所述的分布式故障管理系统,其中所述至少一个第一故障管理计算装置还配置成从所述至少一个第二故障管理计算装置接收解析命令信号,其中所述解析命令信号将所述至少一个第一故障管理计算装置配置成使用解析来以预定方式解析相关联的故障状况。
8.根据技术方案1所述的分布式故障管理系统,其中所述燃料电池系统包含多个固体氧化物燃料电池。
9.一种用于控制分布式故障管理系统的方法,所述分布式故障管理系统包含与燃料电池系统相关联的至少一个传感器以及耦合到所述至少一个传感器的至少一个第一故障管理计算装置和至少一个第二故障管理计算装置,所述方法包括:
由所述至少一个第一故障管理计算装置接收来自所述至少一个传感器的测量数据,其中所述测量数据包含与第一故障状况相关联的数据;
由所述至少一个第一故障管理计算装置生成对所述第一故障状况的解析;
由所述至少一个第一故障管理计算装置来基于对所述第一故障状况的所述解析而生成至少一个解析命令信号;以及
由所述至少一个第一故障管理计算装置将所述至少一个解析命令信号传输到所述至少一个第二故障管理计算装置,其中所述解析命令信号将所述至少一个第二故障管理计算装置配置成实现所述解析以便以类似方式解析第二故障状况,其中所述第二故障状况与所述第一故障状况类似。
10.根据技术方案9所述的方法,还包括通过所述解析命令信号改变所述至少一个第二故障管理计算装置中的维护规程和控制设置中的至少一个以解析所述第二故障状况。
11.根据技术方案9所述的方法,还包括由所述至少一个第一故障管理计算装置使用机器学习方法和人工智能方法中的至少一个来生成对所述第一故障状况的所述解析。
12.根据技术方案11所述的方法,还包括由所述至少一个第一故障管理计算装置使用所述机器学习方法,所述人工智能方法和所述测量数据中的至少一个来学习配置成至少部分地解析所述第一故障状况的维护规程和控制设置中的至少一个。
13.根据技术方案9所述的方法,其中所述至少一个第一故障管理计算装置和所述至少一个第二故障管理计算装置在地理上被分开。
14.根据技术方案9所述的方法,还包括由所述至少一个第一故障管理计算装置显示所述燃料电池系统的可视数据,图像,3D模型,视频,规程和细节。
15.根据技术方案9所述的方法,还包括由所述至少一个第一故障管理计算装置接收来自所述至少一个第二故障管理计算装置的解析命令信号,其中所述解析命令信号将所述至少一个第一故障管理计算装置配置成使用解析来以预定方式解析相关联的故障状况。
16.一种具有在其上体现的计算机可运行指令的非暂时性计算机可读存储媒介,其中当由耦合到与燃料电池系统相关联的至少一个传感器的至少一个第一故障管理计算装置和至少一个第二故障管理计算装置运行时,所述计算机可运行指令使所述至少一个第一故障管理计算装置:
从所述至少一个传感器接收测量数据,其中所述测量数据包含与第一故障状况相关联的数据;
生成对所述第一故障状况的解析;
基于对所述第一故障状况的所述解析而生成至少一个解析命令信号;以及
将所述至少一个解析命令信号传输到所述至少一个第二故障管理计算装置,其中所述解析命令信号将所述至少一个第二故障管理计算装置配置成实现所述解析以便以类似方式解析第二故障状况,其中所述第二故障状况与所述第一故障状况类似。
17.根据技术方案16所述的非暂时性计算机可读存储媒介,其中所述计算机可运行指令还使所述解析命令信号改变所述至少一个第二故障管理计算装置中的维护规程和控制设置中的至少一个以解析所述第二故障状况。
18.根据技术方案16所述的非暂时性计算机可读存储媒介,其中所述计算机可运行指令还使所述至少一个第一故障管理计算装置使用机器学习方法和人工智能方法中的至少一个来生成对所述第一故障状况的所述解析。
19.根据技术方案18所述的非暂时性计算机可读存储媒介,其中所述计算机可运行指令还使所述至少一个第一故障管理计算装置使用所述机器学习方法,所述人工智能方法和所述测量数据中的至少一个来学习配置成至少部分地解析所述第一故障状况的维护规程和控制设置中的至少一个。
20.根据技术方案16所述的非暂时性计算机可读存储媒介,其中所述至少一个第一故障管理计算装置和所述至少一个第二故障管理计算装置在地理上被分开。
21.根据技术方案16所述的非暂时性计算机可读存储媒介,其中所述计算机可运行指令还使所述至少一个第一故障管理计算装置显示所述燃料电池系统的可视数据,图像,3D模型,视频,规程和细节。
22.根据技术方案16所述的非暂时性计算机可读存储媒介,其中所述计算机可运行指令还使所述至少一个第一故障管理计算装置从所述至少一个第二故障管理计算装置接收解析命令信号,其中所述解析命令信号将所述至少一个第一故障管理计算装置配置成使用解析来以预定方式解析相关联的故障状况。
附图说明
当参考附图阅读以下详细描述时,本公开的这些和其他特征,方面和优点将变得更好理解,其中在附图通篇中相似的字符表示相似的部分,其中:
图1是耦合到故障管理计算装置的示范性燃料电池系统的前瞻性(prospective)视图;
图2是包含与图1所示的燃料电池系统的组件耦合的故障管理计算装置的控制系统的框图。
图3是图1和图2中示出的示范性故障管理计算装置的框图;
图4是分布式故障管理系统的一部分的框图,其包含耦合到图1和图2所示的故障管理计算装置的燃料电池系统;
图5是分布式故障管理系统的一部分的框图,其包含耦合到图1和图2所示的故障管理计算装置的多个燃料电池系统;以及
图6是使用多个燃料电池系统的分布式故障管理的示范性方法的示意图。
除非另有指示,否则本文提供的附图意味着图示本公开的实施例的特征。相信这些特征可应用于包括本公开的一个或多个实施例的各种各样的系统中。因此,附图并不意味着包含由本领域普通技术人员已知的对于本文公开的实施例的实践所要求的所有常规特征。
具体实施方式
在下面的说明书和权利要求书中,将参考多个术语,其应被定义为具有以下含义。
除非上下文另有明确指示,否则单数形式“一”、“一个”和“所述”包含复数参考。
“任选”或“任选地”意味着随后描述的事件或情形可能发生或可能不发生,且描述包含其中事件发生的实例和其中事件不发生的实例。
如本文所使用的近似语言在说明书和权利要求书通篇中可应用于修改任何数量表示,该任何数量表示能够准许变化而没有导致与它相关的基本功能的改变。因此,通过诸如“大约”、“基本上”和“近似”的一个术语或多个术语所修改的值不是要局限于所指定的精确值。在至少一些实例中,近似语言可对应于用于测量该值的仪器的精确度。在这里并且在说明书和权利要求书通篇中,范围限制可被组合和/或互换,这类范围被识别,并且包含在其中所包含的所有子范围,除非上下文或语言另有指示。
如本文所用的,术语“智能”和“智能的”意图描述任何计算机实现的程序和基于计算机的系统,其被实现,使得它们确然地展现出能力,包含但不限于注意力,抽象思考,理解力,沟通,推理,学习,计划,情绪智商和/或问题解决。
如本文所用的,术语“认知的”和“认知”意图描述运行过程的任何计算机实现的程序和基于计算机的系统,所述过程包含但不限于连续学习,适应,计划,记忆,遗忘,语言,记忆结构,感知,沟通,商讨,应用知识,解决问题,做出决定,改变偏好,感官输入,内部思考和反射行为。认知或认知过程能够是人为的,包含智能实体的状态,例如具有处理(例如考虑)来自环境的反馈的能力的高度自主机器和人工智能。
如本文所用的,术语“智能系统”,“人工智能”,“智能代理”和“人工意识”意图表示但不限于感知其环境,独立确定行动过程,并采取将使成功机会最大化的行动的任何计算机实现的程序和基于计算机的系统。
如本文所用的,术语“SVM聚类”意图表示使用基于SVM的聚类算法来根据数据的属性对数据进行分类和归类的任何计算机实现的和基于计算机的方法。这些属性可以是预定义的,包含具有预定义的相关性的每个属性,且聚类算法将根据预定义的属性和它们的相关度进行聚类。这样的SVM聚类算法将通常被称为“监督的”SVM算法,且要求外部支持以用于它们的训练。备选地,这样的属性可能是未定义的,且聚类算法将自我确定这样的属性,相应地分类,并检查分类的数据以用于属性一致性,从而执行自我训练。这样的SVM聚类算法通常被称为“非参数”SVM算法,且对其训练几乎不要求外部支持。
如本文所用的,术语“遗传算法(GA)”意图表示计算机实现的程序和基于计算机的系统的任何部分,其包含模拟自然演进过程以生成优化和搜索问题的有用解析的启发式搜索。
如本文所用的,术语“启发式”意图表示使用基于经验的技术以用于问题解决,学习和发现的计算机实现的程序和基于计算机的系统的任何部分。
如本文所用的,术语“处理器”和“计算机”以及相关术语,例如“处理装置”,“计算装置”和“控制器”不限于仅本领域称为计算机的那些集成电路,而是在广义上表示微控制器,微型计算机,可编程逻辑控制器(PLC),专用集成电路和其他可编程电路,且这些术语在本文中可互换使用。在本文所述的实施例中,存储器可以包含但不限于计算机可读媒介,例如随机存取存储器(RAM)以及计算机可读非易失性媒介,例如闪速存储器。备选地,也可以使用软盘,紧致盘-只读存储器(CD-ROM),磁光盘(MOD)和/或数字多功能盘(DVD)。而且,在本文所述的实施例中,附加的输入通道可以是但不限于与操作员界面相关联的计算机外围装置例如鼠标和键盘。备选地,也可以使用其他计算机外围装置,其可以包含例如但不限于扫描仪。此外,在示范性实施例中,附加的输出通道可以包含但不限于操作员界面监测器。
此外,如本文所用的,术语“软件”和“固件”是可互换的,且包含存储在存储器中供由个人计算机,工作站,客户端和服务器运行的任何计算机程序。
如本文所用的,术语“非暂时性计算机可读媒体”意图表示以任何方法或技术实现的用于信息的短期和长期存储的任何有形的基于计算机的装置,所述信息例如是计算机可读指令,数据结构,程序模块和子模块,或任何装置中的其他数据。因此,本文所述的方法可以被编码为体现在有形的非暂时性计算机可读媒介中的可运行指令,所述计算机可读媒介包含但不限于存储装置和/或存储器装置。这样的指令在由处理器运行时使处理器执行本文所述的方法的至少一部分。此外,如本文所用的,术语“非暂时性计算机可读媒体”包含所有有形的计算机可读媒体,包含但不限于非暂时性计算机存储装置,包含但不限于易失性和非易失性媒体,和可移动和不可移动媒体,例如固件,物理和虚拟存储装置,CD-ROM,DVD以及任何其他数字源例如网络或因特网,以及还有待开发的数字部件,其中唯一的例外是暂时的传播信号。
此外,如本文所用的,术语“实时”表示相关联事件发生的时间,预定数据的测量和收集的时间,处理数据的时间以及对事件和环境的系统响应的时间中的至少一个。在本文所述的实施例中,这些活动和事件基本上瞬间发生。
如本文所述,用于使用多个燃料电池系统的分布式故障管理的分布式故障管理系统的实施例克服了已知分布式故障管理系统的许多缺陷,并提供了用于管理这样的燃料电池系统上的故障状况的成本有效的方法。具体而言,本文所述的实施例包含与故障管理计算装置相关联的燃料电池系统。故障管理计算装置包含存储器和与燃料电池系统和通信网络通信的处理器。故障管理计算装置配置成使用人工智能和/或机器学习来确定对在燃料电池和燃料电池组件中检测的故障状况的解析,并将故障状况解析作为解析命令信号传送到多个故障管理计算装置。解析命令信号将多个故障管理计算装置配置成使用故障状况解析来响应当在燃料电池系统中检测时的相同或类似的故障状况。因此,本文所述的实施例使燃料电池系统能够动态地且适应地解析故障状况且与其他燃料电池系统共享对故障状况的解析,从而改善一些部分失效的燃料电池的性能。
图1是燃料电池系统10的示范性配置。燃料电池系统10(也称为“燃料电池功率系统”)的所描绘的配置是示范性的,且其他配置是可能的。如所示,燃料电池系统10包含围绕多个燃料电池盒14提供的壳体12。在示范性实施例中,壳体12限定了子机架组合件。
燃料电池系统10配置成利用一个或多个燃料电池盒14。本文所述的燃料电池系统10的实施例中利用十二个这样的燃料电池盒14。如下所述,个别的燃料电池盒14包含多个燃料电池。在所描述的配置中,个别的燃料电池盒14包含四个燃料电池。这样的燃料电池包含质子交换膜燃料电池(也称为PEM燃料电池和聚合物电解质膜燃料电池),膜电极组合件(MEA)燃料电池,膜电极扩散组合件(MEDA)燃料电池,固体氧化物燃料电池(SOFC),磷酸燃料电池(PAFC),氢氧燃料电池,熔融碳酸盐燃料电池(MCFC)等。
壳体12另外包含操作员界面16。在该示范性实施例中,操作员界面16包含显示器18和接口开关20。操作员界面16配置成指示燃料电池系统10的操作且还使操作员能够控制燃料电池系统10的各种功能。
操作员界面16的显示器18配置成发出人类可感知信号例如可见信号以指示燃料电池系统10的操作。在该示范性实施例中,显示器18包含多个发光二极管(LED)条形图阵列以指示相应燃料电池盒14的操作条件。在一种配置中,显示器18的个别条形图阵列指示对应的燃料电池盒14内的燃料电池的高电压和低电压。
接口开关20允许用户控制燃料电池系统10的操作。例如,一个接口开关20使用户能够开启燃料电池系统10。另外,另一接口开关20包含允许用户选择性将来自燃料电池系统10的功率施加到与燃料电池系统10耦合的负载22的负载启动开关。另一个接口开关20如下所述的那样控制盒重置功能。
示出与计算装置24耦合的燃料电池系统10。在示范性实施例中,如本文所述,计算装置24是故障管理计算装置。在备选实施例中,计算装置24包含场外控制和监测站。燃料电池系统10配置成与计算装置24通信。燃料电池系统10从计算装置24接收可能包含数据和命令的通信。燃料电池系统10还配置成向计算装置24输出数据,请求等。
图2是包含与燃料电池系统10的组件耦合的计算装置24的燃料电池控制系统的框图。在示范性实施例中,如本文所述,计算装置24是故障管理计算装置。组件在燃料电池系统10的壳体12的内部和外部。在内部,仅示出三个燃料电池盒14。在典型配置中提供更多的燃料电池盒14。另外,燃料电池盒14通常包含用于测量燃料电池的关键操作特性的多个传感器以及用于调制燃料和氧化剂气流的多个致动器。
燃料电池系统10与计算装置24耦合。燃料电池系统10从计算装置24接收包含数据和命令的通信。燃料电池系统10还配置成向计算装置24输出数据,请求等。所描绘的组件包含上面讨论的多个燃料电池盒14和操作员界面16。另外,燃料电池系统10包含控制系统30。下面详细描述控制系统30的一个配置。控制系统30与功率供应传感器31和充电电路系统34耦合,所述功率供应传感器31与功率供应32相关联。控制系统30另外与燃料电池盒14和操作员界面16耦合。此外,控制系统30与通信端口36,切换装置38和电流传感器40耦合。控制系统30另外与排放螺线管(bleed solenoid)42耦合,所述排放螺线管42与排放阀43相关联。
所描绘的燃料电池系统10包含燃料递送系统28。燃料递送系统28与燃料供应23耦合以向燃料电池盒14供应燃料。示范性燃料包含氢气。燃料电池的其他燃料包含柴油(diesel),甲醇,化学氢化物,天然气和沼气。其他燃料也会是可能的。
所描绘的燃料递送系统28包含主阀47和与相应的燃料电池盒14相关联的多个辅助阀45。主阀47控制燃料从燃料供应23到燃料电池系统10中的流动。辅助阀45控制燃料到相应的燃料电池盒14的流动。控制系统30与相关联的辅助阀45的多个辅助螺线管44耦合。控制系统30还与相关联的主阀47的主螺线管46耦合。
燃料电池系统10包含空气温度控制组合件50。空气温度控制组合件50包含具有对应于燃料电池盒14的相关联的端口52的集气室(plenum)51。包含在空气温度控制组合件50的集气室51内的是温度修改元件53,风扇54,温度传感器55和燃料传感器61。
可控的空气流装置或空气通道56将集气室51耦合到壳体12外的外部环境空气。空气通道56允许空气到集气室51中的吸入以及从集气室51排放空气。控制系统30与修改元件53的控制电路41,风扇54的风扇控制电路系统48和风扇监测器电路系统49,与温度传感器55相关联的温度电路系统68,空气通道56的控制电路系统57以及燃料传感器61的加热器75耦合。
第一燃料传感器58提供在壳体12内且在集气室51的外部。第一燃料传感器58监测壳体12内的燃料的存在。第二燃料传感器61提供在集气室51内并监测集气室51内的燃料的存在。控制系统30与燃料检测电路系统64耦合,所述燃料检测电路系统64与燃料传感器58,61相关联。燃料检测电路系统64调节从燃料传感器58,61获得的测量。
加热器74,75与相应的燃料传感器58,61耦合,以响应于来自控制系统30的控制而提供燃料传感器58,61的选择性加热。在一些配置中,加热器74,75是燃料传感器58,61的组成部分。加热器74,75优选提供在预定义的温度范围中以确保适当的操作。燃料传感器58,61的其他配置是可能的。
在一个实施例中,外部温度传感器59提供在壳体12的外部。控制系统30还与温度电路系统67耦合以监测外部温度,所述温度电路系统67与温度传感器59相关联。温度电路系统67调节从温度传感器59接收的信号。
控制系统30配置成下列中的至少一个:控制和监测燃料电池系统10的至少一个操作。在操作期间,来自燃料供应23的燃料被施加到主阀47。如所示,主阀47与辅助阀45耦合。响应于来自控制系统30的控制,主阀47和辅助阀45向相应的燃料电池盒14施加燃料。响应于燃料的供应,且在氧的存在下,燃料电池盒14产生电功率。
功率总线60将燃料电池盒14串联耦合。功率总线60与外部端子62,63耦合,外部端子62,63可以与外部负载22(在图1中所示)连接。1)。端子62是燃料电池系统10的正极端子且端子63是负极端子。
空气温度控制组合件50通过端口52将氧气施加到相应的燃料电池盒14。燃料电池盒14可以个别操作以将化学能转换成电力。每个燃料电池盒14包含多个燃料电池,每个燃料电池包含阳极侧和阴极侧。辅助阀45将燃料施加到燃料电池的阳极侧。集气室51引导燃料电池的阴极侧内的空气。空气温度控制组合件50提供预定温度范围内的循环空气。这种循环空气是外部空气和/或再循环空气中的一个。
根据燃料电池系统10的启动条件,修改元件53可以经由控制系统30使用元件控制电路系统41来控制,以增加或减小在集气室51内存在的空气的温度。风扇54使集气室51内的空气循环到相应的燃料电池盒14。示出与风扇54耦合的风扇控制电路系统48和风扇监测器电路系统49。响应于来自控制系统30的控制,风扇控制电路系统48控制风扇54的空气流速度(例如,旋转速度)。风扇监测器电路系统49监测由风扇54引起的实际空气流速度(例如,风扇监测器电路系统49可包含用于旋转风扇配置的转速计)。
控制系统30使用温度传感器55监测集气室51内的空气的温度。在操作期间,热量从燃料电池盒14生成并发出。因此,降低集气室51内的空气的温度以提供燃料电池系统10的有效操作可能是必需的。响应于来自控制系统30的控制,空气通道56将外部空气引入到集气室51中并将空气从集气室51排放到环境。
控制系统30与控制电路系统57通信以控制空气通道56。在一个实施例中,空气通道56包含多个叶片(vane),且控制电路系统57控制空气通道56的叶片的位置以选择性将外部空气引入到集气室51中。空气通道56的叶片在打开位置和关闭位置之间以多个方向提供,以响应于来自控制系统30的控制来改变引入到集气室51中的外部新鲜空气的量或从集气室51排放的空气的量。在集气室51内循环的空气包含再循环的和/或新鲜的环境空气。
利用温度传感器59,控制系统30还监测壳体12周围的环境空气的温度。控制系统30利用来自温度传感器59的这样的外部温度信息来控制空气通道56的操作。在一个优选实施例中,温度传感器59与空气通道56相邻地定位。
如下面进一步详细描述的,控制系统30使用风扇控制电路系统48控制风扇54的空气流速度。风扇监测器电路系统49向控制系统30提供空气流速度信息。控制系统30通过对个别电池电压进行求和来监测经由功率总线60递送的总系统电压。控制系统30使用电流传感器40监测经由功率总线60递送的电气负载。在了解系统总线电压和负载的情况下,控制系统30计算浪费热功率并提供预期的冷却空气流。根据燃料电池系统10的一个实施例,控制系统30还根据浪费热功率来控制风扇54的空气流速度。
在燃料电池盒14的操作期间,非燃料稀释剂例如阴极侧水和大气成分可以通过燃料电池的膜电极组合件从燃料电池的阴极侧扩散且积聚在燃料电池的阳极侧。另外,直接递送到燃料电池的阳极侧的燃料供应中的杂质也积聚。在没有干预的情况下,这些稀释剂可以足够充分稀释燃料以降低性能。因此,个别燃料电池的阳极侧连接到排放歧管65。排放歧管65另外与排放阀43耦合。
控制系统30选择性操作排放螺线管42以选择性打开和关闭排放阀43,允许经由壳体12内的排放废气66排放物质例如夹带的稀释剂以及可能某一燃料。控制系统30操作以在定期的基础上打开和关闭排放阀43。排放阀43的打开和关闭的频率由许多因素(例如与端子62,63等耦合的电气负载)决定。尽管未示出,燃料回收系统可以与排放废气66耦合以取回未使用的燃料以用于再循环或其他用途。
在经由界面或从计算装置24输入的启动条件之后,控制系统30选择性控制切换装置38以将功率总线60与正极端子62耦合。切换装置38包含并联的金属氧化物半导体场效应晶体管(MOSFET)开关,以选择性将功率总线60与外部负载22耦合。
例如,控制系统30可以验证利用温度传感器55何时达到集气室51内的合适操作温度。另外,控制系统30验证在关闭切换装置38以将功率总线60与相关联的负载22耦合之前,已经达到相应的燃料电池盒14的至少一个电特性,例如电压和/或电流。这样在将总线60与外部负载22耦合之前提供了燃料电池系统10的适当操作。
在示范性实施例中,功率供应32包含具有不同电压电势的功率供应。例如,功率供应32提供用于操作燃料电池系统10的数字电路系统(例如控制系统30)的5伏供应电压。功率供应32还提供较高的电压电势,例如+/- 12伏,以用于燃料电池系统10内的组件例如风扇54的操作。
此外,功率供应32在启动规程期间包含电池组供电组件。在启动规程之后,功率供应32与功率总线60耦合,且由燃料电池系统10利用的内部功率从由燃料电池盒14生成的电功率得出。提供充电电路系统34以利用来自功率总线60的功率来选择性对功率供应32的电池组充电。控制系统30使用功率供应传感器31监测电池组的电状态和功率供应32的供应电压。控制系统30操作充电电路系统34以根据这种监测操作对功率供应32的电池组充电。
控制系统30还与向外部装置(例如计算装置24)提供通信的通信端口36耦合。在另一个实施例中,计算装置24包含离开燃料电池系统10的场外的外部控制系统或监测系统。控制系统30使用通信端口36输出包含燃料电池系统10的请求,命令,操作条件等的数据。另外,控制系统30使用通信端口36从计算装置24接收包含命令,请求等的数据。
图3是示范性计算装置24(例如故障管理计算装置)的框图。计算装置24配置成使用机器学习来确定图1所示的燃料电池系统中的故障状况的解析,将解析传送到一个或多个计算装置24,和/或从一个或多个计算装置24接收一个或多个故障状况解析。
计算装置24包含存储器装置110和可操作地耦合到存储器装置110的用于运行指令的处理器115。在一些实施例中,可运行指令存储在存储器装置110中。计算装置24可配置成通过编程处理器115执行本文所述的一个或多个操作。例如,处理器115可以通过将操作编码为一个或多个可运行指令并在存储器装置110中提供可运行指令来编程。在示范性实施例中,存储器装置110是实现信息例如可运行指令和/或其他数据的存储和检索的一个或多个装置。存储器装置110可以包含一个或多个计算机可读媒体。存储器装置110配置成存储传感器数据和/或任何其他类型的数据。而且,存储器装置110包含但不限于足够的数据,算法和命令,以便于生成对燃料电池中的故障状况的数据驱动的解决方案。
计算装置24接收与燃料电池系统中的故障状况相关联的传感器数据,并基于传感器数据而确定对故障状况的解析。例如,第一工厂(palnt)处的第一计算装置24(在图3中未示出)可以基于传感器数据或操作员输入来学习一个维护规程或控制设置中的改变与不同的维护规程或控制设置中的不同改变相比,更适合于解析燃料电池中的故障状况。第一计算装置24使用通信接口135将学习的规程或设置改变传送到第二工厂(图3中未示出的第二工厂)中的第二计算装置24。该过程使第二计算装置24能够响应于在第二发电站中检测的相同或类似的故障状况而使用相同的规程或相同的改变。在附加的实施例中,计算装置24基于传感器数据或其他信息向用户125生成维护规程的推荐。
在示范性实施例中,计算装置24包含人机界面(HMI)140,其包含呈现界面120和用户输入界面130。呈现界面120耦合到处理器115并将信息呈现给用户125。在一些实施例中,呈现界面120包含一个或多个显示装置,并向用户125呈现可视数据,例如图像,3D模型以及关于燃料电池和堆的更具体细节。在示范性实施例中,用户输入界面130耦合到处理器115并接收来自用户125的输入。
HMI 140使用户125能够适当地查看和响应改变过程条件,以确保燃料电池系统和燃料电池工厂的安全和可靠的操作。例如,HMI 140显示至少一个过程变量名称,且与过程变量名称,实时变量值,指示上限或下限的定义的操作极限以及操作裕度相关联。HMI 140实现即刻(at-a-glance)比较由实时变量值和操作极限之间的距离所限定的操作裕度。在一些实施例中,HMI 140结合颜色编码以容易地指示过程变量与预定义的过程限值有多接近。例如,颜色编码“黄色”指示过程变量值接近或等于定义的过程极限,而颜色编码“红色”指示过程变量值违反该极限。操作极限从工厂模型预测和/或工程判断得出,且包含过程极限,可靠性极限,操作极限或安全极限。例如,操作极限包含以下中的一个或多个:(1)过程值,包含但不限于压力,温度和流速;(2)变化率,包含但不限于温度变化率,功率输出变化率和气体组成变化率;以及(3)两个过程值之间的距离,例如但不限于阳极压力和阴极压力之间的差。描述操作极限的工厂模型能够是基于物理的模型,经验模型,数据驱动模型或启发式模型。在一些实施例中,操作裕度的呈现包含关于时间的趋势图,静态和/或动态表以及具有动画的简图。
在示范性实施例中,HMI 140基于一个或多个操作裕度的状态影响燃料电池工厂操作。例如,在一个实施例中,HMI 140通过使用颜色编码指示极限违反来影响工厂操作。在另一个实施例中,HMI 140通过指示待操作以增加操作裕度的直接旋钮来影响工厂操作。在又一个实施例中,HMI 140通过主动传输警告例如注释,SMS,警报和/或喇叭来影响工厂操作。在又一个实施例中,HMI 140通过暂停预定义的操作顺序,或发起到待机状态的操作,或甚至触发自动关机来影响工厂操作。
通信接口135耦合到处理器115,且配置成与一个或多个其他装置(例如一个或多个传感器或一个或多个计算装置24)通信耦合,且在作为输入通道执行时执行关于这些装置的输入和输出操作。通信接口135从一个或多个远程装置接收数据和/或向一个或多个远程装置传输数据。例如,一个计算装置24的通信接口135将信号传输到另一个计算装置24的通信接口135。更具体而言,计算装置24使用通信接口135以将对故障状况的解析传输到一个或多个计算装置24。另外,计算装置24使用通信接口135以从一个或多个计算装置24接收对故障状况的一个或多个解析。在一些实施例中,通信接口135是无线接口。
使用计算装置24来促进通过燃料电池控制系统的一个或多个燃料电池系统的操作,如图2所示。在一些实施例中,计算装置24还包含足够的计算机可读/可运行指令,数据结构,程序模块和程序子模块,以接收与来自其他发电站和燃料电池控制系统的测量值相关联的其他数据,以促进发电站中的燃料电池的整体故障管理。
图4是分布式故障管理系统400的一部分的框图,该系统包含耦合到计算装置24(图1和2中所示)的燃料电池系统10。在该示范性实施例中,计算装置24是故障管理计算装置。系统400包括足够的计算机可读/可运行指令,数据结构,程序模块和程序子模块,以从其他系统传输和接收数据,以促进位于分开位置中的计算装置24之间的协作。例如,计算装置24可以位于分开的发电站处。计算装置24是基于计算机的系统,其接收传感器数据并生成对燃料电池系统10的故障状况的一个或多个解析。在示范性实施例中,计算装置24配置成运行监测算法和监测逻辑。
在示范性实施例中,计算装置24经由通信接口135(在图3中示出)耦合到网络425。计算装置24经由网络425耦合到一个或多个附加的计算装置24(图4中未示出的附加的计算装置24)。在一些实施例中,网络425是无线网络。
计算装置24经由用户输入界面130和/或呈现界面120(在图3中示出)与操作员430例如用户125(在图1中示出)交互。在一个实施例中,计算装置24向操作员430呈现关于燃料电池系统10的信息,例如各种可视数据,例如图像,3D模型,视频和规程。例如,计算装置24向操作员430呈现操作信息。如本文所用的,术语“操作员”包含以与操作和维护燃料电池系统10相关联的任何能力的任何人员,包含但不限于换班操作(shift operation)人员,维护技术人员和设施监督员。
计算装置24包含输入界面130和呈现界面120,或耦合到输入界面130和呈现界面120,以用于将自动或手动操作命令输入到燃料电池系统10,而同时接收使操作员430能够根据操作命令监测燃料电池系统10的操作状态的返回信息。计算装置24根据操作命令例如使用控制系统30来控制燃料电池系统10的操作。计算装置24包含处理器115(在图3中示出),其用于实现控制策略。另外,计算装置24根据操作命令来传输包含燃料电池系统的操作状态的监测信号。例如,计算装置24将预定的操作命令传输到控制系统30。
在示范性实施例中,燃料电池系统10包含通过至少一个输入通道(未示出)耦合到计算装置24的至少一个传感器440。至少一个传感器440位于燃料电池系统10的至少一个组件中,之内,之上或以其他方式附接至燃料电池系统10的至少一个组件。传感器440收集与但不限于此从燃料电池系统10的部分发出的电压,温度,功率,电流,压力,气流,浓度以及燃料数据相关联的燃料电池测量。传感器440可以包含但不限于温度传感器,燃料传感器,电压传感器,电流传感器和功率供应传感器。传感器440可以包含图2所示的功率供应传感器31,温度传感器55或59,电流传感器40和燃料传感器58或61。这些燃料电池测量可以表示个别电池局部的多个量,或燃料电池系统10中的电池堆的总体的量。例如,在一个实施例中,燃料电池系统10包含围绕燃料电池的壳体内的一个或多个温度传感器。在另一个实施例中,燃料电池系统10包含一个或多个燃料传感器,其配置成监测壳体内燃料的存在。在又一个实施例中,一个或多个传感器配置成供应到与端子耦合的负载的监测器电流和至少一个燃料电池的监测电压中的至少一个。
传感器440根据传输到计算装置24的燃料电池系统10的燃料电池测量产生传感器信号。传感器440重复地,例如周期性地,连续地和/或根据请求,在测量时传输测量数据。计算装置24直接连接到燃料电池系统10且使用监测算法和监测逻辑来接收和处理测量数据以检测和/或确定一个或多个故障状况。
计算装置24设计成与人工智能软件程序和/或机器学习软件程序一起操作。计算装置24附接到燃料电池系统10且与其组件交互。这使计算装置24能够将数据和命令输出到燃料电池系统10并从燃料电池系统10接收输出数据,请求等。计算装置24收集传感器数据并编译数据。计算装置24配置成尽可能详细地自动学习故障状况的解析。根据数据分析的已知的技术预期在此可适用,包含机器学习,认知系统,模式识别,聚类识别(SVM聚类),遗传算法,启发式和大数据分析。
计算装置24使用人工智能和/或机器学习来确定对一个或多个故障状况的解析。在一些实施例中,实现从传感器数据和/或操作员输入学习的人工智能算法。然后,它管理燃料电池系统10中的故障状况的解析。例如,计算装置24配置成基于传感器数据或操作员输入来学习维护规程或控制设置中的改变比不同的维护规程或控制设置中的其他改变更适合于解析燃料电池中的故障状况。例如,维护规程可以包含增加或降低壳体中的温度。在另一个示例中,控制设置中的改变可以包含例如响应于基于从燃料传感器接收的数据而检测壳体内的燃料而实现关闭操作。
计算装置24基于对一个或多个故障状况的解析而生成解析命令信号。计算装置24跨网络425传输解析命令信号。解析命令信号由能够访问网络425的任何装置访问,包含但不限于其他计算装置24。解析命令信号将其他计算装置24配置成使用解析来以类似方式解析类似的故障状况。更具体地,解析命令信号包含配置成改变其他计算装置24的维护规程和/或控制设置的指令。
计算装置24还配置成经由网络425接收来自其他计算装置24的解析命令信号。如本文所述,解析命令信号将计算装置24配置成使用指定的解析来解析相同或类似的故障状况。
图5是分布式故障管理系统500的一部分的框图,其包含分别耦合到故障管理计算装置502,512的多个燃料电池系统508,516。燃料电池系统508,516与燃料电池系统10相同。故障管理计算装置502,512与上述的计算装置24相同。在示范性实施例中,计算装置502位于第一工厂506处并与燃料电池系统508通信。计算装置502基于来自至少一个传感器510或操作员输入的传感器数据学习对检测的故障状况的解析。例如,计算装置502学习维护规程或控制设置中的改变比不同的维护规程或控制设置中的其他改变更适合于解析故障状况。燃料电池中的故障状况包含但不限于燃料泄漏,风扇故障,制冷系统故障,燃料交叉增长以及氢气压力故障。
在学习故障状况解析时,计算装置502基于故障状况解析而生成解析命令信号。计算装置502经由网络425将解析命令信号传送到第二工厂514中的计算装置512,以使计算装置512能够响应于检测第二工厂514中的燃料电池系统516中检测的相同或类似的故障状况而使用相同的解析规程。在一些实施例中,计算装置502还向计算装置512传输指令以改变由计算装置512使用的维护规程或控制设置来解析相同或类似的故障状况。这实现用于解析在各种不同位置处发现的故障状况的分布式故障管理。
尽管在图5中的示范性实施例中仅示出两个计算装置502和512,两个燃料电池系统508和516,一个网络425以及两个工厂506和514,系统500可以包含任何数量的计算装置,燃料电池系统,网络和工厂,且如本文所述的那样运行。
图6是用于使用多个燃料电池系统10(在图1中所示)的分布式故障管理的示范性方法600的示意图。方法600包含至少一个第一故障管理计算装置24和耦合到第一故障管理计算装置24的至少一个传感器440。传感器440与燃料电池系统10相关联。第一故障管理计算装置24从传感器440接收602测量数据。测量数据包含与至少一个故障状况相关联的数据。第一故障管理计算装置24使用机器学习在燃料电池和燃料电池组件中生成604对至少一个故障状况的解析。第一故障管理计算装置24将故障状况解析传送到通常位于远程位置中的至少一个第二故障管理计算装置24。更具体地,第一故障管理计算装置24基于对至少一个故障状况的解析而生成606至少一个解析命令信号。第一故障管理计算装置24将至少一个解析命令信号传输608到第二故障管理计算装置24。解析命令信号将第二故障管理计算装置24配置610成使用解析来以类似方式解析类似的故障状况。
上述燃料电池故障管理系统提供了一种用于使用多个燃料电池系统的分布式故障管理的系统和方法以克服已知的燃料电池故障管理系统的许多缺陷,并提供了用于管理这样的燃料电池系统上的故障状况的成本有效的方法。具体而言,本文所述的实施例包含与故障管理计算装置相关联的燃料电池系统。故障管理计算装置包含存储器和与燃料电池系统和通信网络通信的处理器。故障管理计算装置配置成使用人工智能和/或机器学习来确定对在燃料电池和燃料电池组件中检测的故障状况的解析,并将故障状况解析作为解析命令信号传送到多个故障管理计算装置。解析命令信号将多个故障管理计算装置配置成使用故障状况解析来响应当在燃料电池系统中检测时的相同或类似的故障状况。因此,本文所述的实施例使燃料电池系统能够动态地且适应地解析故障状况且与其他燃料电池系统共享对故障状况的解析,从而改善一些部分失效的燃料电池的性能。
本文所述的方法,系统和装置的示范性技术效果包含以下中的至少一个:(a)提高工业设施中的功率源的可靠性; (b)为燃料电池系统提供电功率,与传统的发电系统的供应的独立性,可用性,效率,可靠性和排放相比,提高了供应的独立性,可用性,效率,可靠性并减少了排放; (c)使得分布式人工智能和/或机器学习能够用于解在各种不同位置处检测的故障状况; (d)通过在不同位置中的燃料电池系统之间的协作,避免多个位置中的相同或类似的故障状况重复发生;和(e)通过快速和自动地解析故障状况来改善部分失效的燃料电池的性能。
用于使用多个分布式燃料电池系统的故障管理的方法,系统和装置的示范性实施例不限于本文所述的具体实施例,而是可与本文所描述的其他组件和/或步骤分开地和独立地利用系统的组件和/或方法的步骤。例如,所述方法也可以与要求高可靠性的其他发电系统组合使用,且不限于仅采用如本文所述的系统和方法来实践。相反,示范性实施例可以结合可以从使用分布式系统的故障管理中受益的许多其他应用,设备和系统来实现和利用。
虽然本公开的各个实施例的具体特征可在一些附图中示出而在其他附图中未示出,但是这只是为了方便。按照本公开的原理,可与任何其他附图的任何特征结合参考和/或要求保护附图的任何特征。
一些实施例涉及使用一个或多个电子或计算装置。这样的装置通常包含处理器,处理装置或控制器,例如通用中央处理单元(CPU),图形处理单元(GPU),微控制器,精简指令集计算机(RISC)处理器,专用集成电路(ASIC),可编程逻辑电路(PLC),现场可编程门阵列(FPGA),数字信号处理(DSP)装置,和/或能够运行本文所述的功能的任何其他电路或处理装置。本文所述的方法可以被编码为体现在计算机可读媒介中的可运行指令,包含但不限于存储装置和/或存储器装置。这样的指令在由处理装置运行时使处理装置执行本文所述的方法的至少一部分。以上示例仅是示范性的,并且因此不意图以任何方式限制术语处理器和处理装置的定义和/或含义。
本书面描述使用包含最佳模式的示例来公开实施例,并且还使本领域的任何技术人员能够实践实施例,包含制作和使用任何装置或系统以及执行任何包含的方法。本公开的可取得专利的范围由权利要求书限定,并且可包含本领域的技术人员想到的其他示例。如果这类其他示例具有没有不同于权利要求书的文字语言的结构元件,或者如果它们包含具有与权利要求书的文字语言的无实质差异的等效结构元件,则它们意图处于权利要求书的范围之内。
部件列表
Claims (10)
1.一种分布式故障管理系统,包括:
与燃料电池系统相关联的至少一个传感器;和
至少一个第一故障管理计算装置和至少一个第二故障管理计算装置,其中所述至少一个第一故障管理计算装置耦合到所述至少一个传感器和所述至少一个第二故障管理计算装置,所述至少一个第一故障管理计算装置配置成:
从所述至少一个传感器接收测量数据,其中所述测量数据包含与第一故障状况相关联的数据;
生成对所述第一故障状况的解析;
基于对所述第一故障状况的所述解析而生成至少一个解析命令信号;以及
将所述至少一个解析命令信号传输到所述至少一个第二故障管理计算装置,其中所述至少一个第二故障管理计算装置配置成接收所述至少一个解析命令信号,其中所述至少一个解析命令信号将所述至少一个第二故障管理计算装置配置成实现所述解析以便以类似方式解析第二故障状况,其中所述第二故障状况与所述第一故障状况类似。
2.根据权利要求1所述的分布式故障管理系统,其中所述解析命令信号改变所述至少一个第二故障管理计算装置中的维护规程和控制设置中的至少一个以解析所述第二故障状况。
3.根据权利要求1所述的分布式故障管理系统,其中所述至少一个第一故障管理计算装置还配置成使用机器学习方法和人工智能方法中的至少一个来生成对所述第一故障状况的所述解析。
4.根据权利要求3所述的分布式故障管理系统,其中所述至少一个第一故障管理计算装置还配置成使用所述机器学习方法,所述人工智能方法和所述测量数据中的至少一个来学习配置成至少部分地解析所述第一故障状况的维护规程和控制设置中的至少一个。
5.根据权利要求1所述的分布式故障管理系统,其中所述至少一个第一故障管理计算装置和所述至少一个第二故障管理计算装置在地理上被分开。
6.根据权利要求1所述的分布式故障管理系统,其中所述至少一个第一故障管理计算装置还包括显示装置,其中所述至少一个第一故障管理计算装置还配置成显示燃料电池系统的可视数据,图像,3D模型,视频,规程和细节。
7.根据权利要求1所述的分布式故障管理系统,其中所述至少一个第一故障管理计算装置还配置成从所述至少一个第二故障管理计算装置接收解析命令信号,其中所述解析命令信号将所述至少一个第一故障管理计算装置配置成使用解析来以预定方式解析相关联的故障状况。
8.根据权利要求1所述的分布式故障管理系统,其中所述燃料电池系统包含多个固体氧化物燃料电池。
9.一种用于控制分布式故障管理系统的方法,所述分布式故障管理系统包含与燃料电池系统相关联的至少一个传感器以及耦合到所述至少一个传感器的至少一个第一故障管理计算装置和至少一个第二故障管理计算装置,所述方法包括:
由所述至少一个第一故障管理计算装置接收来自所述至少一个传感器的测量数据,其中所述测量数据包含与第一故障状况相关联的数据;
由所述至少一个第一故障管理计算装置生成对所述第一故障状况的解析;
由所述至少一个第一故障管理计算装置来基于对所述第一故障状况的所述解析而生成至少一个解析命令信号;以及
由所述至少一个第一故障管理计算装置将所述至少一个解析命令信号传输到所述至少一个第二故障管理计算装置,其中所述解析命令信号将所述至少一个第二故障管理计算装置配置成实现所述解析以便以类似方式解析第二故障状况,其中所述第二故障状况与所述第一故障状况类似。
10.根据权利要求9所述的方法,还包括通过所述解析命令信号改变所述至少一个第二故障管理计算装置中的维护规程和控制设置中的至少一个以解析所述第二故障状况。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/400,190 US11508980B2 (en) | 2017-01-06 | 2017-01-06 | Systems and methods for distributed fault management in fuel cell systems |
US15/400190 | 2017-01-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108306029A true CN108306029A (zh) | 2018-07-20 |
CN108306029B CN108306029B (zh) | 2022-08-23 |
Family
ID=62783806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810011534.2A Active CN108306029B (zh) | 2017-01-06 | 2018-01-05 | 用于燃料电池系统中的分布式故障管理的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11508980B2 (zh) |
JP (1) | JP7364832B2 (zh) |
KR (1) | KR102562921B1 (zh) |
CN (1) | CN108306029B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110688762A (zh) * | 2019-09-30 | 2020-01-14 | 集美大学 | 一种新型固体氧化物燃料电池电堆模型构建方法 |
CN110706752A (zh) * | 2019-09-10 | 2020-01-17 | 华中科技大学 | 一种固体氧化物燃料电池系统多模态分析模型建模方法 |
CN111752257A (zh) * | 2019-03-27 | 2020-10-09 | 通用电气公司 | 具有内置测试和控制保持故障响应的分布式控制模块 |
CN112534371A (zh) * | 2018-08-12 | 2021-03-19 | 斯凯孚人工智能有限公司 | 优化用于监视工业机器操作的机器学习算法的准确度 |
CN112736268A (zh) * | 2020-12-17 | 2021-04-30 | 华中科技大学 | 一种提高sofc系统寿命的控制优化方法和系统 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102461397B1 (ko) * | 2018-10-25 | 2022-10-28 | 삼성중공업 주식회사 | 선박 유지 보수 시스템 |
KR102018115B1 (ko) * | 2018-12-28 | 2019-09-04 | 주식회사 코텍에너지 | 진동을 이용한 연료전지의 상태 진단 시스템 및 진단 방법 |
KR102046536B1 (ko) * | 2019-08-01 | 2019-11-19 | 서울대학교산학협력단 | 연료전지 열관리 시스템의 고장 진단 방법 |
JP2021096966A (ja) * | 2019-12-18 | 2021-06-24 | 大阪瓦斯株式会社 | 異常判定システム及び燃料電池装置 |
DE102020202881A1 (de) * | 2020-03-06 | 2021-09-09 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvorrichtung und Brennstoffzellenvorrichtung |
CN117558948A (zh) * | 2022-11-22 | 2024-02-13 | 苏州氢辀新能源科技有限公司 | 一种燃料电池的调节方法和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007305327A (ja) * | 2006-05-09 | 2007-11-22 | Yokogawa Electric Corp | 燃料電池発電監視システム |
US20080145727A1 (en) * | 2006-12-15 | 2008-06-19 | Waseem Ibrahim Faidi | Systems and methods for solid oxide fuel cell surface analysis |
US20090037206A1 (en) * | 2007-07-31 | 2009-02-05 | Brian Dara Byrne | Method of forecasting maintenance of a machine |
CN105680071A (zh) * | 2016-03-16 | 2016-06-15 | 华中科技大学 | 基于分数阶滑模变结构sofc系统热电协同控制方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10116625A (ja) | 1996-10-11 | 1998-05-06 | Nippon Telegr & Teleph Corp <Ntt> | 電力供給システム |
US6387556B1 (en) | 1997-11-20 | 2002-05-14 | Avista Laboratories, Inc. | Fuel cell power systems and methods of controlling a fuel cell power system |
US20040081868A1 (en) | 2002-10-23 | 2004-04-29 | Edlund David J. | Distributed fuel cell network |
JP2004272375A (ja) | 2003-03-05 | 2004-09-30 | Mazda Motor Corp | 遠隔故障予測システム |
CN1645661A (zh) | 2004-01-20 | 2005-07-27 | 布莱特·D·文森特 | 燃料电池系统 |
EP1728086A1 (en) * | 2004-03-15 | 2006-12-06 | Hydrogenics Corporation | Test station for a fuel cell power module |
JP4922597B2 (ja) | 2005-10-27 | 2012-04-25 | 株式会社日立製作所 | 燃料電池システムの診断方法および診断装置 |
US20080278183A1 (en) | 2007-05-07 | 2008-11-13 | Mound Technical Solutions, Inc. | Fuel cell test system |
KR101145591B1 (ko) | 2009-12-15 | 2012-05-15 | 주식회사 효성 | 연료전지 시스템 제어장치 |
US8244382B2 (en) | 2010-01-11 | 2012-08-14 | Atomic Energy Council—Institute of Nuclear Research | Apparatus for monitoring a schedule for testing a fuel cell |
US8333125B2 (en) | 2010-01-19 | 2012-12-18 | Atomic Energy Council—Institute of Nuclear Energy Research | Environmentally friendly, energy-economic system for testing fuel cell stacks |
CN102623728A (zh) | 2012-02-17 | 2012-08-01 | 昆山弗尔赛能源有限公司 | 一种基于can总线的人机界面在燃料电池系统的应用结构 |
US8679698B2 (en) | 2012-07-11 | 2014-03-25 | Google Inc. | Module level redundancy for fuel cell systems |
US9438341B2 (en) * | 2014-01-21 | 2016-09-06 | Laser Light Communications Llc | Optical communication system |
KR102042077B1 (ko) * | 2016-09-26 | 2019-11-07 | 주식회사 엘지화학 | 인공지능형 연료전지 시스템 |
-
2017
- 2017-01-06 US US15/400,190 patent/US11508980B2/en active Active
- 2017-12-21 JP JP2017244567A patent/JP7364832B2/ja active Active
- 2017-12-26 KR KR1020170179688A patent/KR102562921B1/ko active IP Right Grant
-
2018
- 2018-01-05 CN CN201810011534.2A patent/CN108306029B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007305327A (ja) * | 2006-05-09 | 2007-11-22 | Yokogawa Electric Corp | 燃料電池発電監視システム |
US20080145727A1 (en) * | 2006-12-15 | 2008-06-19 | Waseem Ibrahim Faidi | Systems and methods for solid oxide fuel cell surface analysis |
US20090037206A1 (en) * | 2007-07-31 | 2009-02-05 | Brian Dara Byrne | Method of forecasting maintenance of a machine |
CN105680071A (zh) * | 2016-03-16 | 2016-06-15 | 华中科技大学 | 基于分数阶滑模变结构sofc系统热电协同控制方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112534371A (zh) * | 2018-08-12 | 2021-03-19 | 斯凯孚人工智能有限公司 | 优化用于监视工业机器操作的机器学习算法的准确度 |
CN111752257A (zh) * | 2019-03-27 | 2020-10-09 | 通用电气公司 | 具有内置测试和控制保持故障响应的分布式控制模块 |
CN110706752A (zh) * | 2019-09-10 | 2020-01-17 | 华中科技大学 | 一种固体氧化物燃料电池系统多模态分析模型建模方法 |
CN110706752B (zh) * | 2019-09-10 | 2022-03-25 | 华中科技大学 | 一种固体氧化物燃料电池系统多模态分析模型建模方法 |
CN110688762A (zh) * | 2019-09-30 | 2020-01-14 | 集美大学 | 一种新型固体氧化物燃料电池电堆模型构建方法 |
CN110688762B (zh) * | 2019-09-30 | 2023-06-23 | 集美大学 | 一种固体氧化物燃料电池电堆模型构建方法 |
CN112736268A (zh) * | 2020-12-17 | 2021-04-30 | 华中科技大学 | 一种提高sofc系统寿命的控制优化方法和系统 |
CN112736268B (zh) * | 2020-12-17 | 2022-02-15 | 华中科技大学 | 一种提高sofc系统寿命的控制优化方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108306029B (zh) | 2022-08-23 |
US20180198143A1 (en) | 2018-07-12 |
US11508980B2 (en) | 2022-11-22 |
KR102562921B1 (ko) | 2023-08-02 |
JP7364832B2 (ja) | 2023-10-19 |
KR20180081449A (ko) | 2018-07-16 |
JP2018137210A (ja) | 2018-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108306029A (zh) | 用于燃料电池系统中的分布式故障管理的系统和方法 | |
Yuan et al. | A new technique for optimal estimation of the circuit-based PEMFCs using developed sunflower optimization algorithm | |
CN107180983B (zh) | 一种固体氧化物燃料电池电堆故障诊断方法和系统 | |
CN104595170B (zh) | 一种自适应核高斯混合模型的空压机监控诊断系统及方法 | |
CN113671382A (zh) | 一种基于云-端数字孪生的电池储能系统状态估计方法 | |
CN102062842B (zh) | 质子交换膜燃料电池安全性能测试方法及装置 | |
Feng et al. | Artificial intelligence-based multi-objective optimisation for proton exchange membrane fuel cell: A literature review | |
KR102190845B1 (ko) | Ai기반 건물 전력부하 예측을 통한 연료전지 발전시스템 운전제어방법 | |
CN102621499A (zh) | 用于测试燃料电池堆的装置 | |
CN113050523B (zh) | 一种基于大数据融合模型的电力监控系统 | |
Escobet et al. | PEM fuel cell fault diagnosis via a hybrid methodology based on fuzzy and pattern recognition techniques | |
CN106450384A (zh) | 一种燃料电池多参数优化测试系统及其工作方法 | |
CN105446288B (zh) | 燃料电池分布式控制系统及控制方法 | |
KR102191146B1 (ko) | 직/병렬 dc-dc 컨버터 장치 및 연료전지 시스템 | |
CN111061152B (zh) | 基于深度神经网络的攻击识别方法及智慧能源功率控制装置 | |
CN209505506U (zh) | 一种氢燃料电池管理系统 | |
CN110762396A (zh) | 一种智能燃气调压箱 | |
Salim et al. | A parameter identification approach of a PEM fuel cell stack using particle swarm optimization | |
Wang et al. | A GM‐Based Energy Management Strategy of Hybrid Power System for Hydrogen Fuel Cell Buses | |
Wang et al. | Design of a fault diagnosis system for PEM fuel cells | |
EP4312026A1 (en) | Aspiration based measurement and analysis of multipoint gases | |
CN217485497U (zh) | 一种适用于低氧环境作业的燃料电池发动机 | |
Azadeh | Dynamic modelling of proton exchange membrane fuel cell system for electric bicycle/Azadeh Kheirandish | |
Kheirandish | Dynamic Modelling of Proton Exchange Membrane Fuel Cell System for Electric Bicycle | |
CN211010808U (zh) | 一种智能燃气调压箱 |
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 |