CN111144021A - 一种燃料电池寿命预测方法及系统 - Google Patents

Abstract

本发明公开了一种燃料电池寿命预测方法及系统，其中方法包括如下步骤：采集燃料电池的多项原始性能测试参数信息并存储至测试台内；对原始性能测试参数进行识别获得测试数据的关键变量信息；对关键变量进行第一次统计分析，对位于置信区间的样本数据进行第二次统计分析，将两次统计分析出的统计指标信息输出；使用上述统计指标衡量样本数据的离散度，根据衍生统计量集合中的数据分析燃料电池的性能变化趋势得到预测的性能变化轨迹从而获得燃料电池的预测寿命。

Description

一种燃料电池寿命预测方法及系统

技术领域

本发明涉及燃料电池性能分析技术领域，尤其涉及一种燃料电池寿命预测方法及系统。

背景技术

现有技术中预测燃料电池剩余寿命的方法着眼于燃料电池堆的剩余寿命的预测，但是其切入点是在于“统计电池堆负载功率变动幅度”，并测试该统计量与燃料电池寿命的关联性。目前采取数据驱动方式进行燃料电池寿命预测的方案普遍存在这样一个问题：在样本的维度上，对数据存在过度的清洗。在数据驱动下，算法结果的上限是数据的质量，这个上限客观存在，与算法本身的精良与否没有关系，当然，在数据质量相同的条件下，更精良的算法会更接近这个上限。基于这个情况，为了保证数据驱动的结果，我们不主张通过过度的清洗数据样本去适应各种算法，而是在尽量保护源数据质量的前提下，不断的改良算法去适应数据，并尽量接近数据的上限。

发明内容

根据现有技术存在的问题，本发明公开了一种燃料电池寿命预测方法，具体包括如下步骤：

采集燃料电池的多项原始性能测试参数信息并存储至测试台内；

对原始性能测试参数进行识别、读取、遍历、拼接、动态可视化观测，，从而获得测试数据的关键变量信息；

对关键变量进行第一次统计分析，计算关键变量的样本均值、样本标准差、四分位数、样本偏度、样本峰度的相关统计指标，根据切比雪夫定理计算粗略有效数据所在的置信区间，同时将位于置信区间之外的数据样本作为异常数据予以清洗；

对位于置信区间的样本数据进行第二次统计分析，计算有效数据的样本均值、样本标准差、四分位数、样本偏度、样本峰度和样本拟合曲线，通过此次计算的均值、分位数和标准差得到精确有效数据的置信区间，同时分别将两次统计分析计算出的统计指标信息输出；

使用上述统计指标衡量样本数据的离散度，如果样本数据的离散度符合设定条件则形成衍生变量并存储，如果样本数据的离散度不符合设定条件则跳转至下一时段的样本数据继续判断最后形成样本数据的衍生统计量集合；

根据衍生统计量集合中的数据分析燃料电池的性能变化趋势得到预测的性能变化轨迹从而获得燃料电池的预测寿命。

进一步的，获得测试数据的关键变量信息时首先对原始性能测试参数进行动态可视化观测获取各变量随时间的变化趋势，从而确认相关特征作为进行分析处理的关键变量。

进一步的，采用切比雪夫定理计算有效数据所在的置信区间时：

根据第一四分位数位于左端异常值区间右手边，第三四分位数位于右端异常值区间左手边，从而确定中位值位于有效数值区间，并以该值代替样本均值描述总体均值特征，再根据切比雪夫定律获得有效数据的置信区间，

其中：kσ为半径区间内的概率是1-1/k²。

其中，kσ表示样本标准差，该不等式意味着，无论数据分布如何，数据位于以μ为中心，kσ为半径区域内的概率的下限是1-1/k²。

一种燃料电池寿命预测系统，包括：

数据采集单元，获取燃料电池的多项原始性能测试参数信息并输出；

数据统计和筛选单元，接收数据采集单元传送的参数信息、对原始性能测试参数进行识别、读取、遍历和拼接从而获得测试数据的关键变量信息；

数据分析单元，对关键变量信息进行两次统计分析、计算关键变量的样本均值、样本标准差、四分位数、样本偏度、样本峰度的相关统计指标，根据切比雪夫定理计算精确有效数据的置信区间，同时分别将两次统计分析出的统计指标信息输出；

判别单元,接收数据分析单元传送的统计指标信息，使用统计指标衡量样本数据的离散度，如果样本数据的离散度符合设定条件则形成衍生变量并存储，如果样本数据的离散度不符合设定条件则跳转至下一时段的样本数据继续判断最后形成样本数据的衍生统计量集合；

数据回归单元，根据衍生统计量集合中的数据分析燃料电池的性能变化趋势得到预测的性能变化轨迹从而获得燃料电池的预测寿命。

由于采用了上述技术方案，本发明提供的一种燃料电池寿命预测方法及系统，其中该方法通过对燃料电池的多项性能测试数据进行详细的分析，从而找到适合描述电池堆性能衰减趋势的关键指标量，进而计算出衍生统计量集合，根据该衍生统计量集合回归燃料电池的性能变化趋势，从而预测该燃料电池的寿命，其中该方法对原始性能测试参数进行动态可视化分析和帅选筛选，引入衍生统计量概念，通过对数据的有效转换，使即将进入回归分析阶段的数据量大大压缩，同时保留原始数据信息的完整性，回归模型精确度和稳定性提高的同时，回归运算时间缩短以便于实时预测，因此该预测方法可以广泛应用到燃料电池寿命预测中。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法的流程图；

图2为本发明系统的结构图；

图3为本发明实施例的示意图；

图4为本发明实施例的示意图；

图5为本发明实施例的示意图；

图6为本发明实施例的示意图；

图7为本发明实施例的示意图。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1所示的一种燃料电池寿命预测方法，具体包括如下步骤：

S1:在燃料电池测试台上产生燃料电池的多项性能测试数据信息，其中性能测试数据包括电堆功率、氢气入口压力、空气入口温度等的特征指标量。并且在产生数据之前需要设定燃料电池的原始数据包含的特征、格式等基本参数以保证数据遵循基本的格式规范。在经过240-300小时后，在燃料电池测试台存储介质中会积累满足寿命预测所需的原始测试数据。接下来，这部分测试数据将被传输至数据分析平台磁盘当中，并通过数据分析平台中的I/O接口以便于处理的方式读取至计算机内存。

S2:对S1中获取的燃料电池的原始性能测试数据进行动态可视化观测，从而快速观察各变量随时间的变化趋势，从而决定选择何种特征作为进行分析处理的关键变量；以关键变量为参考目标，流程进入数据遍历阶段，在这个阶段当中，整个数据集合将以特定时间段为单位进行拼接、划分形成数据子集合，同时该数据子集会经过如下处理环节。

S3:对关键变量进行第一次统计分析，结果如图3所示计算数据的样本均值、样本标准差、四分位数、样本偏度、样本峰度等统计指标，根据切比雪夫定理计算一个较为粗略的有效数据所在的置信区间，同时将位于置信区间之外的数据样本作为异常数据予以清洗。

其中，经相应算法统计，由于第一四分位数位于左端异常值区间右手边，而第三四分位数位于右端异常值区间左手边，从而确定中位值位于有效数值区间，并以该值代替样本均值描述总体均值特征；再根据切比雪夫定律：

该式的意义是，在无论数据是如何分布的情况下，数据在以样本均值为中心，kσ为半径区间内的概率下限是1-1/k²，这是一个很强的结论，由于使用中位值修正样本均值，且燃料电池堆测试数据剔除异常值后样本集中度高，基于该定律构成的置信区间经验证包括有效数据的97％以上。

x∈[μ_i-kσ_max,μ_i+kσ_max]

where,i＝1,2,...n

S4：对上述位于置信区间的样本数据进行第二次统计分析，此次计算有效数据的样本均值、样本标准差、四分位数、样本偏度、样本峰度和样本拟合曲线，通过此次计算的均值、分位数和标准差得到一个更精确的有效数据置信区间，同时，分别将两次统计分析计算出的统计指标信息输出。结果如图4和图5所示，通过与前一次计算量的对比可以看到，样本中位数保持稳定，样本标准差和样本偏度大大下降，同时样本峰度上升，这说明样本集中度升高，异常样本被有效剔除。接下来会进入判别环节：其中

样本标准差：

样本偏度：

样本峰度：

使用上述统计指标衡量样本的离散度，如果样本离散度符合设定条件，则形成衍生变量，并将转换结果储存至存储列表，如果样本离散度不符合设定条件，则跳过对此时段的数据转换，进入下一时段的数据处理分析，重复S1-S4直至剩余数据为空，此时衍生变量存储列表不再发生变化构成衍生统计量集合。

进一步的，衍生统计量集合具有如下特征：相对原始数据规模，衍生统计量集合规模极小；相对原始数据波动性，衍生统计量具有更小的波动性、数据稳定性极高；衍生统计量集合包含几乎所有有效数据的信息，并且具有向下缓慢衰减的趋势。而这些特征给接下来的数据回归过程带来极大的便利，同时稳定性更高。

S5：根据衍生统计量集合中的数据分析燃料电池的性能变化趋势得到预测的性能变化轨迹从而获得燃料电池的预测寿命。结果如图6和图7所示。其中图6和图7分别是对两组本公司大容量测试数据(每组数据样本779万条、容量7.7G)进行上述操作后产生的结果，通过比较，该解决方式在两组数据中的表现均极其稳定。

如图2所示，一种燃料电池寿命预测系统，包括：数据采集单元、数据采集单元、数据分析单元、判别单元和数据回归单元。

其中数据采集单元的作用是获取燃料电池的多项原始性能测试参数信息并输出。数据统计和筛选单元的作用是接收数据采集单元传送的参数信息、对原始性能测试参数进行识别、读取、遍历和拼接从而获得测试数据的关键变量信息。数据分析单元的作用是对关键变量信息进行两次统计分析、计算关键变量的样本均值、样本标准差、四分位数、样本偏度、样本峰度的相关统计指标，根据切比雪夫定理计算精确有效数据的置信区间，同时分别将两次统计分析出的统计指标信息输出。判别单元的作用是接收数据分析单元传送的统计指标信息，使用统计指标衡量样本数据的离散度，如果样本数据的离散度符合设定条件则形成衍生变量并存储，如果样本数据的离散度不符合设定条件则跳转至下一时段的样本数据继续判断最后形成样本数据的衍生统计量集合。数据回归单元的作用是根据衍生统计量集合中的数据分析燃料电池的性能变化趋势得到预测的性能变化轨迹从而获得燃料电池的预测寿命。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种燃料电池寿命预测方法，其特征在于包括：

采集燃料电池的多项原始性能测试参数信息并存储至测试台内；

对原始性能测试参数进行识别、读取、遍历和拼接，从而获得测试数据的关键变量信息；

对关键变量进行第一次统计分析，计算关键变量的样本均值、样本标准差、四分位数、样本偏度、样本峰度的相关统计指标，根据切比雪夫定理计算粗略有效数据所在的置信区间，同时将位于置信区间之外的数据样本作为异常数据予以清洗；

对位于置信区间的样本数据进行第二次统计分析，计算有效数据的样本均值、样本标准差、四分位数、样本偏度、样本峰度和样本拟合曲线，通过此次计算的均值、分位数和标准差得到精确有效数据的置信区间，同时分别将两次统计分析出的统计指标信息输出；

使用上述统计指标衡量样本数据的离散度，如果样本数据的离散度符合设定条件则形成衍生变量并存储，如果样本数据的离散度不符合设定条件则跳转至下一时段的样本数据继续判断最后形成样本数据的衍生统计量集合；

根据衍生统计量集合中的数据分析燃料电池的性能变化趋势得到预测的性能变化轨迹从而获得燃料电池的预测寿命。

2.根据权利要求1所述的一种燃料电池寿命预测方法，其特征还在于：获得测试数据的关键变量信息时首先对原始性能测试参数进行动态可视化观测获取各变量随时间的变化趋势，从而确认相关特征作为进行分析处理的关键变量。

3.根据权利要求1所述的一种燃料电池寿命预测方法，其特征还在于：采用切比雪夫定理计算有效数据所在的置信区间时：

根据第一四分位数位于左端异常值区间右手边，第三四分位数位于右端异常值区间左手边，从而确定中位值位于有效数值区间，并以该值代替样本均值描述总体均值特征，再根据切比雪夫定律获得有效数据的置信区间，

上述表达式表示：无论数据处于何种分布，其落入以样本均值为中心，半径为kσ的区间内的概率下限为1-1/k²。

4.一种燃料电池寿命预测系统，其特征在于包括：

数据采集单元，获取燃料电池的多项原始性能测试参数信息并输出；

数据统计和筛选单元，接收数据采集单元传送的参数信息、对原始性能测试参数进行识别、读取、遍历和拼接、动态可视化观测，从而获得测试数据的关键变量信息；

数据分析单元，对关键变量信息进行两次统计分析、计算关键变量的样本均值、样本标准差、四分位数、样本偏度、样本峰度的相关统计指标，根据切比雪夫定理计算精确有效数据的置信区间，同时分别将两次统计分析出的统计指标信息输出；

判别单元,接收数据分析单元传送的统计指标信息，使用统计指标衡量样本数据的离散度，如果样本数据的离散度符合设定条件则形成衍生变量并存储，如果样本数据的离散度不符合设定条件则跳转至下一时段的样本数据继续判断最后形成样本数据的衍生统计量集合；

数据回归单元，根据衍生统计量集合中的数据分析燃料电池的性能变化趋势得到预测的性能变化轨迹从而获得燃料电池的预测寿命。

Images