CN110165259A - 电池的运行状态的监测方法及装置、系统 - Google Patents

Abstract

本申请公开了一种电池的运行状态的监测方法及装置、系统。其中，该方法包括：检测电池的所有单节电压值；依据单节电压值确定单节电压偏离值与单节电压方差，其中，单节电压偏离值为单节电压值中偏离单节电压平均值的最大值；将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态。本申请解决了针对燃料电池，现阶段缺少一种简单高效、成本低廉的水淹与过干状态在线诊断与自我修复的方法的技术问题。

Description

电池的运行状态的监测方法及装置、系统

技术领域

本申请涉及燃料电池水管理及故障诊断领领域，具体而言，涉及一种电池的运行状态的监测方法及装置、系统。

背景技术

燃料电池的水管理问题是燃料电池基本问题，也是难点问题。适量的水有助于质子通过质子交换膜，降低燃料电池内阻，从而提高燃料电池性能，然而，必须防止两种故障状态：水淹或过干。水淹会阻塞气体扩散层孔隙，影响气体传输，使电压降低，加速催化层内碳腐蚀；过干会降低质子交换膜导电性能，甚至损坏膜电极。因此有必要对燃料电池的过干与水淹状态进行诊断，并对两种故障状态采取相应控制策略，使膜湿度维持在合理范围内。

对于车用燃料电池，需要对水淹与过干状态进行监控，目前缺少一种结合先验理论与数据、简单高效、成本低廉的水淹与过干状态在线诊断与自我修复的方法。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种电池的运行状态的监测方法及装置、系统，以至少解决针对燃料电池，现阶段缺少一种简单高效、成本低廉的水淹与过干状态在线诊断与自我修复的方法的技术问题。

根据本申请实施例的一个方面，提供了一种电池的运行状态的监测方法，包括：检测电池的所有单节电压值；依据单节电压值确定单节电压偏离值与单节电压方差，其中，单节电压偏离值为单节电压值中偏离单节电压平均值的最大值；将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态。

可选地，在将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测之前，方法还包括：对分类器模型进行训练，训练方法包括：获取样本数据，样本数据包括：单节电压偏离值、单节电压方差以及与单节电压偏离值和单节电压方差对应的电池的运行状态，该运行状态包括：正常状态、可修复故障状态以及不可修复故障状态，其中，不可修复故障状态表示不能通过修复手段使电池的运行状态恢复至正常状态；依据样本数据，确定多条决策边界；依据多条决策边界，确定多个两类分类器。

可选地，可修复故障状态包括：水淹状态和过干状态。

可选地，多条决策边界包括六条决策边界；多个两类分类器包括六个两类分类器。

可选地，依据样本数据，确定多条决策边界，包括：对第一样本数据进行训练，得到决策边界的初始位置；在该初始位置设置第二样本数据进行训练，得到决策边界的目标位置，其中，第一样本数据、第二样本数据与上述样本数据的种类相同，且第一样本数据的数量少于第二样本数据的数量。

可选地，将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态，包括：将单节电压偏离值与单节电压方差输入至多个两类分类器，得到多个分类结果；将多个分类结果中数量最多的分类结果作为电池的实际运行状态。

可选地，在得到电池的实际运行状态之后，上述方法还包括：依据电池的实际运行状态，对电池的运行状态进行调整。

可选地，依据电池的实际运行状态，对电池的运行状态进行调整，包括：如果实际运行状态为水淹状态，对电池的运行状态执行以下至少之一调整：在电池的阳极侧排水、在电池的阴极侧排水以及提高电池的温度；如果实际运行状态为过干状态，对电池的运行状态执行以下至少之一调整：降低电池的发动机系统的空气压缩机转速、降低电池的温度以及降低电池的阳极吹扫频率如果实际运行状态为；如果实际运行状态为故障状态，对电池的运行状态执行以下至少之一调整：切断电池的负载、降低电池的温度以及控制电池的发动机系统停机；如果实际运行状态为正常状态，拒绝调整电池的运行状态。

根据本申请实施例的另一方面，还提供了一种电池的运行状态的监测装置，包括：检测模块，用于检测电池的所有单节电压值；确定模块，用于依据单节电压值确定单节电压偏离值与单节电压方差，其中，单节电压偏离值为单节电压值中偏离单节电压平均值的最大值；预测模块，用于将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态。

根据本申请实施例的再一方面，还提供了一种的运行状态的监测系统，包括：电压检测装置，用于检测电池的所有单节电压值；控制器，与电压检测装置连接，用于依据单节电压值确定单节电压偏离值与单节电压方差，其中，单节电压偏离值为单节电压值中偏离单节电压平均值的最大值；将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态。

根据本申请实施例的再一方面，还提供了一种非易失性存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的电池的运行状态的监测方法。

根据本申请实施例的又一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行以上的电池的运行状态的监测方法。

在本申请实施例中，采用检测电池的所有单节电压值；依据单节电压值确定单节电压偏离值与单节电压方差，其中，单节电压偏离值为单节电压值中偏离单节电压平均值的最大值；将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态的方式，通过将燃料电池的单节电压偏离值与单节电压方差输入到多个SVM两类分类器判断燃料电池的运行状态，与已有的分类器相比，达到了降低了实验数据量地需求，使实验数据具有针对性的目的，从而实现了结合先验理论数据，简单高效地对燃料电池的运行状态进行监控的技术效果，进而解决了针对燃料电池，现阶段缺少一种简单高效、成本低廉的水淹与过干状态在线诊断与自我修复的方法的技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种电池的运行状态的监测方法流程图；

图2a是根据本申请实施例的一种燃料电池为正常运行状态时的单节电压分布图；

图2b是根据本申请实施例的一种燃料电池为过干状态时的单节电压分布图；

图2c是根据本申请实施例的一种燃料电池为水淹状态时的单节电压分布图；

图2d是根据本申请实施例的一种燃料电池为严重故障状态时的单节电压分布图；

图3a是根据本申请实施例的一种分类器的示意图；

图3b是根据本申请实施例的一种分类器决策边界训练方法的示意图；

图4是根据本申请实施例的一种电池运行状态诊断及相应控制策略的流程图；

图5是根据本申请实施例的一种燃料电池发动机系统的结构示意图；

图6示出了一种电池在进行水淹状态修复过程中单节电压偏离值与单节电压方差的变化曲线图；

图7示出了图6所示水淹状态修复过程中单节电压偏离值与单节电压方差在分类器坐标下的轨迹变化示意图；

图8出了一种电池在进行过干状态修复过程中单节电压偏离值与单节电压方差的变化曲线图；

图9出了图8示过干状态修复过程中单节电压偏离值与单节电压方差在分类器坐标下的轨迹变化示意图；

图10是根据申请实施例的一种电池的运行状态的监测装置的结构图；

图11是根据本申请实施例一种电池的运行状态的监测系统的结构图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本申请实施例，提供了一种电池的运行状态的监测的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的一种电池的运行状态的监测方法流程图，如图1所示，该方法包括以下步骤：

步骤S102，检测电池的所有单节电压值。

上述电池指燃料电池，燃料电池是一种把燃料所具有的化学能直接转换成电能的化学装置，又称为电化学发电器。在步骤S102中获取所有单节电压值是分别获取燃料电池堆中多个燃料电池的电压值。

步骤S104，依据单节电压值确定单节电压偏离值与单节电压方差，其中，单节电压偏离值为单节电压值中偏离单节电压平均值的最大值。

根据水淹与过干状态下单节电压统计特性，膜电极湿度适中时，各单电池电压均一性较好，单节电压偏离值与方差均较小；水淹率先发生在某一节单电池，一旦有积水存在，将形成正反馈，导致该节电压明显低于其他电压，单节电压偏离值较大，方差较小；过干发生时，每节燃料电池膜电极湿度分布不均匀，所有单节电压分布参差不齐，方差较大；单节电压偏离均值过大或方差过大，则出现不可修复严重故障。故选取单节电压偏离平均电压最大值与单节电压方差为判别属性。

获取所有电池堆中的所有燃料电池的点节点压值后，计算得出单节电压平均值，然后得到单节电压值中偏离单节电压平均值的最大值以及通过计算得出单节电压方差。通过选取单节电压偏离平均电压最大值与单节电压方差为判别属性，只需要电压检测装置获得信息，不需要额外的传感器与监测设备，降低了对燃料电池运行状态的监控成本。

步骤S106，将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态。

根据本申请的一个可选的实施例，步骤S106中的预设分类器模型是一种基于支持向量机(Support Vector Machine，SVM)的多类分类器。支持向量机是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。

通过将燃料电池的单节电压偏离值与单节电压方差输入到多个SVM两类分类器判断燃料电池的运行状态，与已有的分类器相比，达到了降低了实验数据量地需求，使实验数据具有针对性的目的，从而实现了结合先验理论数据，简单高效地对燃料电池的运行状态进行监控的技术效果。

在本申请的一些实施例中，在执行步骤S106之前，还需要对分类器模型进行训练，训练方法包括：获取样本数据，样本数据包括：单节电压偏离值、单节电压方差以及与单节电压偏离值和单节电压方差对应的电池的运行状态，该运行状态包括：正常状态、可修复故障状态以及不可修复故障状态，其中，不可修复故障状态表示不能通过修复手段使电池的运行状态恢复至正常状态；依据样本数据，确定多条决策边界；依据多条决策边界，确定多个两类分类器。

根据本申请的一个可选的实施例，可修复故障状态包括：水淹状态和过干状态。

在本申请的一些实施例中，多条决策边界包括六条决策边界；多个两类分类器包括六个两类分类器。

燃料电池的运行状态可以通过燃料电池的单节电压单节电压统计特性体现，在本申请实施例中选取单节电压偏离平均电压最大值与单节电压方差作为分类器的判别属性。燃料电池的膜电极湿度适中时，各单电池电压均一性较好，单节电压偏离值与方差均较小；水淹率先发生在某一节单电池，一旦有积水存在时，将形成正反馈，导致该节电压明显低于其他电压，单节电压偏离值较大，方差较小；过干发生时，由于每节单电池之间温度与气量分布不均，以及膜电极本身不均匀，每节单电池膜电极湿度分布存在差异，表现为所有单节电压方差较大；如果单节电压偏离均值与方差均过大，可能对燃料电池堆造成损伤，应立即停止电堆运行，此时认为系统出现不可自修复严重故障。

图2a是根据本申请实施例的一种燃料电池为正常运行状态时的单节电压分布图，如图2a所示，单节电压偏离平均电压最大值与单节电压方差均较小。图2b是根据本申请实施例的一种燃料电池为过干状态时的单节电压分布图，如图2b所示，单节电压偏离平均电压最大值较小，单节电压方差较大。图2c是根据本申请实施例的一种燃料电池为水淹状态时的单节电压分布图，如图2c所示，单节电压偏离平均电压最大值较大，单节电压方差较小。图2d是根据本申请实施例的一种燃料电池为严重故障状态时的单节电压分布图，如图2d所示，单节电压偏离平均电压最大值与单节电压方差均较大。

表1为图2d至图2d各图中单节电压均值、方差以及单节电压偏离平均电压最大值的具体实际值，如表1所示：

特性	a正常	b过干	c水淹	d严重故障
					均值μ	0.701	0.585	0.692	0.431
方差Δ	5.381×10-5	6.628×10-3	2.675×10<sup>-3</sup>	2.756×10<sup>-2</sup>
					最大偏离值Max|V-μ|	1.34×10-2	0.130	0.351	0.221

表1

由图2a至图2d以及表1可知，燃料电池的单节电压单节电压统计特性可以体现燃料电池的运行状态，因此，在分类器的训练阶段，选取单节电压偏离值、单节电压方差以及单节电压偏离值和单节电压方差对应的电池的运行状态作为训练样本数据。其中，电池的运行状态包括正常状态、可修复状态以及不可修复状态。可修复故障状态又包括水淹状态和过干状态。其中，水淹状态是指燃料电池内有积水存在，当燃料电池处于水淹状态时，会阻塞气体扩散层孔隙，影响气体传输，使电压降低，加速催化层内碳腐蚀。过干状态是指燃料电池内水分蒸发或多，当燃料电池处于过干状态时，会降低质子交换膜导电性能，甚至损坏膜电极。

利用选取的样本数据确定多条决策边界，在具有两个类的统计分类问题中，决策边界是超曲面，分类器将决策边界一侧的所有点划分为一个类，将决策边界另一侧的所有点划分为另一个类。图3a是根据本申请实施例的一种分类器的示意图，如图3a所示，L_ij表示第i类故障和第j类故障之间的决策边界，其中，i，j∈{1,2,3,4}，①②③④表示训练样本标签，①表示正常状态，②表示过干状态，③表示水淹状态，④表示严重故障状态；△表示系统运行中通过单节电压实测值计算得到的待识别特征点。

在本申请的一些实施例中，依据样本数据，确定多条决策边界，通过以下方法实现：对第一样本数据进行训练，得到决策边界的初始位置；在初始位置附近设置第二样本数据进行训练，得到决策边界的目标位置，其中，第一样本数据、第二样本数据与上述样本数据的种类相同，且第一部分数据的数量少于第二样本数据的数量。

由SVM算法特性，决策边界只与支持向量有关，因此只需要关心决策边界附近的数据。本申请实施例先通过少量样本数据训练得到决策边界的大致位置，然后在决策边界大致位置附近增加实验点，获取一个较大的样本数据集后，重新训练决策边界，得到一个精确的决策边界，图3b是根据本申请实施例的一种分类器决策边界训练方法的示意图，如图3b所示，先通过少量的样本数据确定一个初始决策边界L_23-1,然后在决策边界L_23-1附近增加大量样本数据，继续进行训练，得到精确的决策边界L_23-2，通过该方法既减少了实验成本与时间，又保证了分类器精度。

由图3a可知，本申请实施例采用一对一多分类结构，对正常、水淹、过干、严重故障四种运行状态中任意两种运行状态进行判别，共需训练6个决策边界。若数据是线性可分的，则采用超平面作为决策边界，若数据不是线性可分的，则通过核函数映射到高维线性可分空间后再训练超平面决策边界。

两类分类问题通常是线性可分的，6决策边界可以表示为：w_i ^Tx+b_i＝0，i＝1,2,3,4,5,6，其中w_i是权值向量，x是属性向量，b_i是偏置。若数据不是线性可分的，则通过核函数映射到高维线性可分空间后再训练超平面决策边界，此时决策边界可表示为w_i ^Tφ(x)+b_i＝0，其中向量函数φ(x)是核函数。线性决策边界使SVM计算量远小于含有大量非线性激活函数的神经网络，从而降低了对计算机配置的需求。

为在训练和使用中区分各类故障，赋予四种运行状态不同标签，如图3中所示，①正常、②过干、③水淹、④严重故障。训练后得到6个决策边界，分别是L₁₂、L₁₃、L₁₄、L₂₃、L₂₄、L₃4，这六个决策边界分别将图3中对应的两种运行状态隔离开，且隔离边缘最大化，具有良好的泛化能力。对于每个分类器，选择标签小的类为正例，标签大的类为反例。利用拉格朗日乘子法，决策边界参数w_i通过优化问题确定：

其中i是分类器序号，j是训练样本序号，α是拉格朗日乘子，d_j是第j个样本的标签，+1表示正例，-1表示反例。目标函数J关于w_i和b_i最小化，关于α最大化。该问题的求解是应用凸优化对偶问题的KKT条件，最终得出w_i的计算式：

其中Ns是支持向量的个数。求出w_i后，将一个支持向量代入式d_j(w_i ^Tx+b_i)＝1可求出b_i。训练好第k个两类分类器的决策边界，例如第四个分类器决策边界L₂₃，若新输入判别属性x₀，若满足w₄ ^Tx+b₄≥1，则分类器判断为过干；若满足w₄ ^Tx+b₄≤1，则分类器判断为水淹。

在本申请的一个可选的实施例中，步骤S106包括以下方法：将单节电压偏离值与单节电压方差输入至多个两类分类器，得到多个分类结果；将多个分类结果中数量最多的分类结果作为电池的实际运行状态。

在具体实施时检测装置采集所有单节电压数据，并将采集的电压数据发送给燃料电池发动机控制器，控制器计算出单节电压偏离平均电压最大值与单节电压方差，并将这两个属性输入到上述训练好的六个分类器，通过“投票法”确定故障类别，即六个分类器判别结果最多的类为最终结果。

根据本申请的一个可选的实施例，在执行步骤S106之后，还需要依据电池的实际运行状态，对电池的运行状态进行调整。

在本申请的一个可选的实施例中，依据电池的实际运行状态，对电池的运行状态进行调整包括以下方法：如果实际运行状态为水淹状态，对电池的运行状态执行以下至少之一调整：在电池的阳极侧排水、在电池的阴极侧排水以及提高电池的温度；如果实际运行状态为过干状态，对电池的运行状态执行以下至少之一调整：降低电池的发动机系统的空气压缩机转速、降低电池的温度以及降低电池的阳极吹扫频率如果实际运行状态为；如果实际运行状态为故障状态，对电池的运行状态执行以下至少之一调整：切断电池的负载、降低电池的温度以及控制电池的发动机系统停机；如果实际运行状态为正常状态，拒绝调整电池的运行状态。

将训练好的分类器写入燃料电池发动机控制器的控制程序中，在线对四种状态进行判断，并执行相应管理策略。其具体过程如下：

如果电池的实际运行状态是水淹情况，控制策略包括：1.阳极侧排水，增加氢气循环泵转速，提高阳极流道内气体流速，促进水从阳极流道排出；增加排气阀排气频率，利用脉冲气流使液态水排出。2.阴极侧排水，增加空压机转速，提高阴极流道内气体流速，促进水从阴极流道排出，同时加快膜电极内液态水蒸发速度，使膜电极湿度下降。3.提高电池堆温度，减小冷却风扇转速，使电堆温度升高，有利于加快流道内液态水蒸发速率，同时提高阴极流道内饱和蒸气压，使阴极尾气带走更多水蒸气，从而使膜电极湿度恢复正常。

如果电池的实际运行状态为过干情况，控制策略包括：1.减小空气计量比，空气流量过大容易引起膜电极过干，因此判断出过干情况，需要减小空气计量比，通过降低空压机转速实现。2.降低电堆温度，加大冷却风扇转速，使电堆温度降低，有利于减小流道内液态水蒸发速率，从而使膜电极湿度恢复正常。3.降低阳极吹扫频率，燃料电池发动机氢气尾气中水循环回阳极入口，构成密闭回路，减少脉冲气流排除液态水量，有利于维持阳极密闭回路湿度。

如果电池的实际运行状态为严重故障情况，控制策略包括：1.切断负载。2.开启散热风扇、降低电堆温度。3.发动机停机。

图4是根据本申请实施例的一种电池运行状态诊断及相应控制策略的流程图，如图4所示，该方法包括以下步骤：

步骤S401，单节电压采集；

步骤S402，计算单节电压偏离平均电压最大值、单节电压方差；

图5是根据本申请实施例的一种燃料电池发动机系统的结构示意图，如图5所示，该发动机系统主要包括：空气过滤器1，空气流量计2，空气压缩机3，氢气循环泵4，循环水泵5，风冷换热器6，轴流风扇7，氢气吹扫阀8，空气背压阀9，电压检测装置10，发动机控制器11，高压氢气瓶12，燃料电池堆13，DC/DC变换器14，接触器15。

在执行步骤S401时，通过燃料电池发动机系统中的电压检测装置10采集电池堆中全部单电池电压。

在执行步骤S402时，压检测装置10将采集的全部单电池电压，通过控制局域网络(Controller Area Network，CAN)通信传送给发动机控制器11，经过控制程序计算出单节电压平均值、单节电压偏离平均电压最大值和单节电压方差。

步骤S403，将单节电压偏离平均电压最大值以及单节电压方差输入至6个分类器，投票结果最多的类型选为输出；

将计算好的特征值输入分类器中，如果特征值为图3中点△，则6个两类分类器判断结果分别为①、③、①、③、④、③，根据“投票法”，最终判断该时刻状态为③水淹。

如果经过分类器判断结果为③水淹状态，燃料电池发动机控制器执行水淹自修复控制策略，具体步骤如下：

步骤S4031，增加氢气循环泵转速，对于氢气路，控制器11传送增加转速信号至氢气循环泵4，使燃料电池堆13阳极流道内气体流速增加，促进水从阳极流道排出；控制器11控制氢气吹扫阀8的吹扫周期与时间，利用氢气回路中脉冲气流使液态水排出。

步骤S4032，增加空气压缩机转速，对于空气路，控制器11控制空气压缩机3转速增加，提高阴极流道内空气流速，促进水从阴极流道排出，同时加快膜电极内液态水蒸发速度，使膜电极湿度下降。

步骤S4033，减小冷却风扇转速，控制器11控制轴流风扇7转速减小，使燃料电池堆13温度升高，有利于加快流道内液态水蒸发速率，同时提高阴极流道内饱和蒸气压，使阴极尾气带走更多水蒸气，从而使膜电极湿度恢复正常。

如果经过分类器判断结果为②过干，控制器11执行过干自修复控制策略，具体步骤如下：

步骤S4034，减小空气压缩机转速，空气流量过大会加速液态水排除与蒸发，容易引起膜电极过干，因此判断出过干情况，需要减小空气计量比。控制器11经过程序计算，确定降低后的空气流量，根据空气流量计2反馈到控制器11的流量信号，根据控制算法确定控制信号并发送至空气压缩机3实现减空气小计量比。

步骤S4035，增加冷却风扇转速，控制器11控制轴流风扇7转速增大，使燃料电池堆13温度降低，有利于减小流道内液态水蒸发速率，同时降低阴极流道内饱和蒸气压，使阴极尾气携带较少水蒸气，从而使膜电极湿度恢复正常。

步骤S4036，降低阳极吹扫频率。燃料电池发动机氢气尾气中水循环回阳极入口，构成密闭回路，减少脉冲气流排除液态水量，使阳极水积聚在回路内，有利于维持膜电极湿度。

如果经过分类器判断结果为④严重故障，控制器11执行紧急停机控制策略，具体步骤如下：

步骤S4037，切断负载，控制器11控制DC/DC14输入电流立刻降为0，控制接触器15断开，切断燃料电池堆13电流输出。

步骤S4038，开启散热风扇，控制器11控制轴流风扇7转动，待温度降低至设定值后，执行下一步。

步骤S4039，控制发动机停机，控制器11控制轴流风扇7停止转动，关闭所有部件供电电源。

如果经过分类器判断结果为①正常，则不执行任何修复措施。

经过上述控制策略，水淹故障自修复过程如图6与图7所示。在t1时刻，两个判别属性值均较小，分类器判定当前运行状态为①正常，控制器保持原有控制策略。随后，某一节单电池逐渐发生水淹，单节电压偏离平均电压最大值增加，在t2时刻，分类器判断出水淹故障，并执行水淹管理策略，由于调节需要一段时间，故在t3时刻单节电压偏离平均电压最大值达到最大，之后迅速减小，在t4时刻电堆恢复正常运行状态。

与水淹过程类似，过干管理策略执行过程如图8与图9所示。在t1时刻，两个判别属性值均较小，分类器判定当前运行状态为①正常，控制器保持原有控制策略。随后，燃料电池发生过干故障，单节电压方差增加，在t2时刻，分类器判断出过干故障，并执行过干管理策略，由于调节需要一段时间，故在t3时刻单节电压方差值达到最大，之后迅速减小，在t4时刻电堆恢复正常运行状态。

通过上述方法可以实现以下技术效果：基于燃料电池水淹与过干先验知识与实验数据得到分类器，避免建模不确定性的影响；使用多个SVM两类分类器，与已有分类器相比，降低了实验数据量需求，使实验具有针对性；SVM分类器与神经网络相比，计算量更小，降低了对计算机配置需求；选取单节电压偏离平均电压最大值与单节电压方差为判别属性，只需要电压检测装置获得信息，不需要额外传感器与监测设备；针对水淹与过干两种状态，采取间接管理方式，系统不需要集成加湿器，降低了燃料电池发动机集成复杂度与成本，使其具备自修复能力。

图10是根据申请实施例的一种电池的运行状态的监测装置的结构图，该装置包括：

检测模块100，用于检测电池的所有单节电压值。

确定模块102，用于依据单节电压值确定单节电压偏离值与单节电压方差，其中，单节电压偏离值为单节电压值中偏离单节电压平均值的最大值。

预测模块104，用于将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态。

需要说明的是，图10所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。

图11是根据本申请实施例一种电池的运行状态的监测系统的结构图，如图10所示，该系统包括：

电压检测装置110，用于检测电池的所有单节电压值。

控制器112，与电压检测装置100连接，用于依据单节电压值确定单节电压偏离值与单节电压方差，其中，单节电压偏离值为单节电压值中偏离单节电压平均值的最大值；将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态。

需要说明的是，图10所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。

本申请实施例还提供了一种非易失性存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的电池的运行状态的监测方法。

存储介质用于存储执行以下功能的程序：检测电池的所有单节电压值；依据单节电压值确定单节电压偏离值与单节电压方差，其中，单节电压偏离值为单节电压值中偏离单节电压平均值的最大值；将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态。

本申请实施例还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行以上的电池的运行状态的监测方法。

处理器用于运行执行以下功能的程序：检测电池的所有单节电压值；依据单节电压值确定单节电压偏离值与单节电压方差，其中，单节电压偏离值为单节电压值中偏离单节电压平均值的最大值；将单节电压偏离值与单节电压方差输入至预设分类器模型进行预测，得到电池的实际运行状态。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (12)

1.一种电池的运行状态的监测方法，其特征在于，包括：

检测电池的所有单节电压值；

依据所述单节电压值确定单节电压偏离值与单节电压方差，其中，所述单节电压偏离值为所述单节电压值中偏离单节电压平均值的最大值；

将所述单节电压偏离值与所述单节电压方差输入至预设分类器模型进行预测，得到所述电池的实际运行状态。

2.根据权利要求1所述的方法，其特征在于，在将所述单节电压偏离值与所述单节电压方差输入至预设分类器模型进行预测之前，所述方法还包括：

对所述分类器模型进行训练，训练方法包括：

获取样本数据，所述样本数据包括：单节电压偏离值、单节电压方差以及与所述单节电压偏离值和单节电压方差对应的电池的运行状态，所述运行状态包括：正常状态、可修复故障状态以及不可修复故障状态，其中，所述不可修复故障状态表示不能通过修复手段使所述电池的运行状态恢复至所述正常状态；

依据所述样本数据，确定多条决策边界；

依据所述多条决策边界，确定多个两类分类器。

3.根据权利要求2所述的方法，其特征在于，所述可修复故障状态包括：水淹状态和过干状态。

4.根据权利要求2所述的方法，其特征在于，

所述多条决策边界包括六条决策边界；

所述多个两类分类器包括六个两类分类器。

5.根据权利要求2所述的方法，其特征在于，依据所述样本数据，确定多条决策边界，包括：

对第一样本数据进行训练，得到所述决策边界的初始位置；

在所述初始位置附近设置第二样本数据进行训练，得到所述决策边界的目标位置，其中，所述第一样本数据、所述第二样本数据与所述样本数据的种类相同，且所述第一样本数据的数量少于所述第二样本数据的数量。

6.根据权利要求2所述的方法，其特征在于，将所述单节电压偏离值与所述单节电压方差输入至预设分类器模型进行预测，得到所述电池的实际运行状态，包括：

将所述单节电压偏离值与所述单节电压方差输入至所述多个两类分类器，得到多个分类结果；

将所述多个分类结果中数量最多的分类结果作为所述电池的实际运行状态。

7.根据权利要求3所述的方法，其特征在于，在得到所述电池的实际运行状态之后，所述方法还包括：

依据所述电池的实际运行状态，对所述电池的运行状态进行调整。

8.根据权利要求7所述的方法，其特征在于，依据所述电池的实际运行状态，对所述电池的运行状态进行调整，包括：

如果所述实际运行状态为所述水淹状态，对所述电池的运行状态执行以下至少之一调整：在所述电池的阳极侧排水、在所述电池的阴极侧排水以及提高所述电池的温度；

如果所述实际运行状态为所述过干状态，对所述电池的运行状态执行以下至少之一调整：降低所述电池的发动机系统的空气压缩机转速、降低所述电池的温度以及降低所述电池的阳极吹扫频率；

如果所述实际运行状态为所述故障状态，对所述电池的运行状态执行以下至少之一调整：切断所述电池的负载、降低所述电池的温度以及控制所述电池的发动机系统停机；

如果所述实际运行状态为所述正常状态，拒绝调整所述电池的运行状态。

9.一种电池的运行状态的监测装置，其特征在于，包括：

检测模块，用于检测电池的所有单节电压值；

确定模块，用于依据所述单节电压值确定单节电压偏离值与单节电压方差，其中，所述单节电压偏离值为所述单节电压值中偏离单节电压平均值的最大值；

预测模块，用于将所述单节电压偏离值与所述单节电压方差输入至预设分类器模型进行预测，得到所述电池的实际运行状态。

10.一种电池的运行状态的监测系统，其特征在于，包括：

电压检测装置，用于检测电池的所有单节电压值；

控制器，与所述电压检测装置连接，用于依据所述单节电压值确定单节电压偏离值与单节电压方差，其中，所述单节电压偏离值为所述单节电压值中偏离单节电压平均值的最大值；将所述单节电压偏离值与所述单节电压方差输入至预设分类器模型进行预测，得到所述电池的实际运行状态。

11.一种非易失性存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序运行时控制存储介质所在的设备执行权利要求1至8中任意一项所述的电池的运行状态的监测方法。

12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至8中任意一项所述的电池的运行状态的监测方法。