CN112038670A - 一种质子交换膜燃料电池及其水状态监测方法和装置 - Google Patents

一种质子交换膜燃料电池及其水状态监测方法和装置 Download PDF

Info

Publication number
CN112038670A
CN112038670A CN202010760441.7A CN202010760441A CN112038670A CN 112038670 A CN112038670 A CN 112038670A CN 202010760441 A CN202010760441 A CN 202010760441A CN 112038670 A CN112038670 A CN 112038670A
Authority
CN
China
Prior art keywords
fuel cell
water
exchange membrane
proton exchange
water state
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
Application number
CN202010760441.7A
Other languages
English (en)
Other versions
CN112038670B (zh
Inventor
顾欣
侯中军
蔡俊
朱益佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Hydrogen Propulsion Technology Co Ltd
Original Assignee
Shanghai Jieqing Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jieqing Technology Co Ltd filed Critical Shanghai Jieqing Technology Co Ltd
Priority to CN202010760441.7A priority Critical patent/CN112038670B/zh
Publication of CN112038670A publication Critical patent/CN112038670A/zh
Application granted granted Critical
Publication of CN112038670B publication Critical patent/CN112038670B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H01M8/04305—Modeling, demonstration models of fuel cells, e.g. for training purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • H01M8/04291—Arrangements for managing water in solid electrolyte fuel cell systems
    • 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
    • H01M8/0432—Temperature; Ambient temperature
    • 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
    • H01M8/0438—Pressure; Ambient pressure; Flow
    • H01M8/04388—Pressure; Ambient pressure; Flow of anode reactants at the inlet or inside the fuel cell
    • 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
    • H01M8/04537—Electric variables
    • H01M8/04544—Voltage
    • H01M8/04559—Voltage 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
    • H01M8/04537—Electric variables
    • H01M8/04574—Current
    • H01M8/04589—Current of fuel cell stacks
    • 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

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Fuel Cell (AREA)

Abstract

本申请公开了一种质子交换膜燃料电池的水状态监测方法和装置，该方法和装置应用于基于氢燃料的质子交换膜燃料电池，具体为获取质子交换膜燃料电池的多个运行参数；用基于LSTM网络的水状态监测模型对多个运行参数进行处理，得到质子交互膜燃料电池的电堆的水状态参数。通过本方案可以实时得到反映电堆的水状态的水状态参数，从而能够根据水状态参数对电堆进行管理，保证了电堆的良好运行。

Description

一种质子交换膜燃料电池及其水状态监测方法和装置
技术领域
本申请涉及电池技术领域，更具体地说，涉及一种质子交换膜燃料电池及其水状态监测方法和装置。
背景技术
质子交换膜燃料电池技术因具有启动快、效率高、温度低、功率密度高、运行平稳、使用纯氢时不会造成环境污染等优点得到日益广泛的应用，随着环境污染与全球气候变暖问题的日益严重，作为一种汽车动力系统解决方案因其环保优点而日益受到关注。
质子交换膜燃料电池系统目前主要以氢作为燃料，该系统的核心为基于氢燃料的电堆，电堆的正常工作的需要适中的湿度范围，所以良好的水管理是实现电堆正常工作的保证，且能够提升质子交换膜燃料电池可靠性与耐久性。而实现良好的水管理必须对电堆的水状态进行有效的实时监测，以便根据水状态参数对电堆进行管理，保证电堆的良好运行。
发明内容
有鉴于此，本申请提供一种质子交换膜燃料电池及其水状态监测方法和装置，用于对基于氢燃料的质子交换膜燃料电池的电堆的水状态进行监测，以便根据水状态对电堆实现管理，保证电堆的良好运行。
为了实现上述目的，现提出的方案如下：
一种水状态监测方法，应用于基于氢燃料的质子交换膜燃料电池，所述水状态监测方法包括步骤：
获取质子交换膜燃料电池的多个运行参数；
用基于LSTM网络的水状态监测模型对所述多个运行参数进行处理，得到所述质子交互膜燃料电池的电堆的水状态参数。
可选的，所述多个运行参数包括所述电堆的运行参数和所述质子交换膜燃料电池的辅助系统的状态参数。
可选的，所述状态参数至少包括所述电堆的氢循环泵的DC侧电流。
可选的，还包括步骤：
基于反向传播算法对预先构建的LSTM网络进行训练，得到所述水状态监测模型。
一种水状态监测装置，应用于基于氢燃料的质子交换膜燃料电池，所述水状态监测装置包括：
参数采集模块，被配置为获取质子交换膜燃料电池的多个运行参数；
数据处理模块，被配置为用基于LSTM网络的水状态监测模型对所述多个运行参数进行处理，输出所述质子交互膜燃料电池的电堆的水状态参数。
可选的，所述多个运行参数包括所述电堆的运行参数和所述质子交换膜燃料电池的辅助系统的状态参数。
可选的，所述状态参数至少包括所述电堆的氢循环泵的DC侧电流。
可选的，还包括：
模型训练模块，被配置为基于反向传播算法对预先构建的LSTM网络进行训练，得到所述水状态监测模型。
一种质子交换膜燃料电池，包括电堆和辅助系统，还包括如上所述的水状态监测装置。
从上述的技术方案可以看出，本申请公开了一种质子交换膜燃料电池的水状态监测方法和装置，该方法和装置应用于基于氢燃料的质子交换膜燃料电池，具体为获取质子交换膜燃料电池的多个运行参数；用基于LSTM网络的水状态监测模型对多个运行参数进行处理，得到质子交互膜燃料电池的电堆的水状态参数。通过本方案可以实时得到反映电堆的水状态的水状态参数，从而能够根据水状态参数对电堆进行管理，保证了电堆的良好运行。
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为本申请实施例的一种水状态监测方法的流程图；
图2为质子交换膜燃料电池的结构示意图；
图3为本申请实施例的水状态监测模型的示意图；
图4为本申请实施例的另一种水状态监测方法的流程图；
图5为本申请实施例的一种水状态监测装置的框图；
图6为本申请实施例的另一种水状态监测装置的框图；
图7为燃料电池系统在低电流密度运行下的系统参数变化曲线图；
图8为一种THDA设备诊断结果与水状态监测装置输出结果示意图；
图9为本申请实施例的燃料电池系统的参数变化曲线图；
图10为另一种THDA设备诊断结果与水状态监测装置输出结果示意图。
具体实施方式
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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
鉴于质子交换膜燃料电池的水状态是一个多维时间序列的积累作用，本发明使用了LSTM网络对水状态进行建模，避免了传统“无记忆”的神经网络无法学习燃料电池水积累过程的缺点，同时利用车载的该燃料电池的辅助系统的信息弥补电堆传感器的不足。对模型进行精度与模型复杂度的综合优化后，通过在90kw燃料电池系统上的实验，证明了该方法的有效性。基于以上条件，本申请提供如下的实施例：
实施例一
图1为本申请实施例的一种水状态监测方法的流程图。
本实施例提供的水状态监测方法应用于基于氢燃料的质子交换膜燃料电池，具体来说用于对质子交换膜燃料电池的氢堆的水状态进行监测，以便获得氢堆的实时的水状态参数，该质子交换膜燃料电池的结构如图2所示。
该电池设置有多种传感器，分别用于监测氢气子系统的压力、空气子系统的压力和流量、水热子系统的电堆入口和电堆出口温度、电堆的输出电压和输出电流。另外还采集循环泵、水泵、空气压缩机、背压阀、尾排阀和节温器的反馈信号。
如图1所示，本实施例提供的水状态监测方法包括如下步骤：
S1、获取质子交换膜电池的多个运行参数。
这里的运行参数是利用燃料电池上设置的多个传感器采集，采集后输出到燃料电池或车辆的控制器，利用控制器内设或连接的AD转换器通过AD转换得到相应的运行参数。该运行参数基本上都是常规廉价传感器所测得的参数，这样能够避免整个系统的成本过高，便于系统的普及推广。
本申请中的多个运行参数不仅包括电堆的运行参数，还包括燃料电池的辅助系统的状态参数，这样可以在真实反应电堆状态的同时避免安装更多的传感器，节约对车载应用至关重要的系统总成本。特别的，如前文所述当燃料电池的电堆发生水淹时，辅助系统中相应元件的功耗会明显增加，所以本申请中将氢循环泵的DC侧电流作为监测模型的重要输入。
本申请中所采集的运行参数如表1所述。
Figure BDA0002612929170000041
Figure BDA0002612929170000051
S2、用水状态监测模型对运行参数进行处理，得到水状态参数。
在取得上述多个运行参数的前提下，将多个运行参数输入到预先训练的水状态监测模型进行处理，得到电堆的当前的水状态参数，该水状态参数能够反映该电堆的水状态。该水状态监测模型是预先基于LSTM网络进行训练得到的。
本申请中基于LSTM网络的水状态监测模型使用了4个门(gate)单元，门是一层全连接层，激活函数使用sigmoid函数或tanh函数。其中遗忘门的计算方法为式(1)，其中Wf为遗忘门权矩阵，Xt为当前时刻的输入向量，ht为上一时刻的输出向量，bf为偏置项。遗忘门决定了上一时刻的单元状态Ct-1有多少保留到当前时刻，激活函数为sigmoid函数。
Figure BDA0002612929170000052
输入门的计算方法为式(2)，其中Wi为输入门权矩阵，其决定了当前时刻网络的输入Xt有多少保存到单元状态Ct。
Figure BDA0002612929170000053
当前状态的计算为式(3)，其通过上一时刻的状态与当前时刻的输入计算当前时刻的状态Ct。
Figure BDA0002612929170000061
Figure BDA0002612929170000062
最后通过输出门计算当前时刻的输出
Figure BDA0002612929170000063
Figure BDA0002612929170000064
如图3所示，本申请中质子交换膜燃料电池的水状态是较长时间的积累作用，所以该水状态监测模型的输入时间序列长度为10s。模型的输出使用softmax分类器，对模型的输出进行分类。
从上述技术方案可以看出，本实施例提供了一种水状态监测方法，该方法应用于基于氢燃料的质子交换膜燃料电池，具体为获取质子交换膜燃料电池的多个运行参数；用基于LSTM网络的水状态监测模型对多个运行参数进行处理，得到质子交互膜燃料电池的电堆的水状态参数。通过本方案可以实时得到反映电堆的水状态的水状态参数，从而能够根据水状态参数对电堆进行管理，保证了电堆的良好运行。
在本实施例的一个具体实施方式中，还包括如下步骤，如图4所示。
S3、基于反向传播算法训练水状态监测模型。
本实施例中采用反向传播算法对预先构建的SLTM网络进行训练，从而得到该水状态监测模型。训练过程如下所述：
a.前向计算ft、it、Ct、Ot和ht五个向量的值
b.反向计算每个神经元的误差项值。与循环神经网络一样，LSTM误差项的反向传播也是包括两个方向：一个是沿时间的反向传播，即从当前t时刻开始，计算每个时刻的误差项；一个是将误差项向上一层传播。
c.根据相应的误差项，计算每个权重的梯度。
LSTM网络的隐层神经元的数量和模型的复杂度密切相关。为确保模型在车载嵌入式平台的在线运行，需要对隐层神经元维度进行简化，综合模型复杂度与模型准确度后，隐层神经元的尺度选为15。
模型的训练epoch为2000，通过正向传播与反向传播，模型最终可以训练完成。
实施例二
图5为本申请实施例的一种水状态监测装置的框图。
本实施例提供的水状态监测装置应用于基于氢燃料的质子交换膜燃料电池，具体来说用于对质子交换膜燃料电池的氢堆的水状态进行监测，以便获得氢堆的实时的水状态参数，该质子交换膜燃料电池的结构如图2所示。
该电池设置有多种传感器，分别用于监测氢气子系统的压力、空气子系统的压力和流量、水热子系统的电堆入口和电堆出口温度、电堆的输出电压和输出电流。另外还采集循环泵、水泵、空气压缩机、背压阀、尾排阀和节温器的反馈信号。
如图5所示，本实施例提供的水状态监测装置包括参数采集模块10和数据处理模块20。
参数采集模块用于获取质子交换膜电池的多个运行参数。
这里的运行参数是利用燃料电池上设置的多个传感器采集，采集后输出到燃料电池或车辆的控制器，利用控制器内设或连接的AD转换器通过AD转换得到相应的运行参数。该运行参数基本上都是常规廉价传感器所测得的参数，这样能够避免整个系统的成本过高，便于系统的普及推广。
本申请中的多个运行参数不仅包括电堆的运行参数，还包括燃料电池的辅助系统的状态参数，这样可以在真实反应电堆状态的同时避免安装更多的传感器，节约对车载应用至关重要的系统总成本。特别的，如前文所述当燃料电池的电堆发生水淹时，辅助系统中相应元件的功耗会明显增加，所以本申请中将氢循环泵的DC侧电流作为监测模型的重要输入。
本申请中所采集的运行参数如表1所述。
Figure BDA0002612929170000071
Figure BDA0002612929170000081
数据处理模块用于用水状态监测模型对运行参数进行处理，得到水状态参数。
在取得上述多个运行参数的前提下，将多个运行参数输入到预先训练的水状态监测模型进行处理，得到电堆的当前的水状态参数，该水状态参数能够反映该电堆的水状态。该水状态监测模型是预先基于LSTM网络进行训练得到的。
本申请中基于LSTM网络的水状态监测模型使用了4个门(gate)单元，门是一层全连接层，激活函数使用sigmoid函数或tanh函数。其中遗忘门的计算方法为式(1)，其中Wf为遗忘门权矩阵，Xt为当前时刻的输入向量，ht为上一时刻的输出向量，bf为偏置项。遗忘门决定了上一时刻的单元状态Ct-1有多少保留到当前时刻，激活函数为sigmoid函数。
Figure BDA0002612929170000082
输入门的计算方法为式(2)，其中Wi为输入门权矩阵，其决定了当前时刻网络的输入Xt有多少保存到单元状态Ct。
Figure BDA0002612929170000083
当前状态的计算为式(3)，其通过上一时刻的状态与当前时刻的输入计算当前时刻的状态Ct。
Figure BDA0002612929170000091
Figure BDA0002612929170000092
最后通过输出门计算当前时刻的输出
Figure BDA0002612929170000093
Figure BDA0002612929170000094
如图3所示，本申请中质子交换膜燃料电池的水状态是较长时间的积累作用，所以该水状态监测模型的输入时间序列长度为10s。模型的输出使用softmax分类器，对模型的输出进行分类。
从上述技术方案可以看出，本实施例提供了一种水状态监测装置，该装置应用于基于氢燃料的质子交换膜燃料电池，具体为获取质子交换膜燃料电池的多个运行参数；用基于LSTM网络的水状态监测模型对多个运行参数进行处理，得到质子交互膜燃料电池的电堆的水状态参数。通过本方案可以实时得到反映电堆的水状态的水状态参数，从而能够根据水状态参数对电堆进行管理，保证了电堆的良好运行。
在本实施例的一个具体实施方式中，还包括模型训练模块30，如图6所示。
模型训练模块用于基于反向传播算法训练水状态监测模型。
本实施例中采用反向传播算法对预先构建的SLTM网络进行训练，从而得到该水状态监测模型。训练过程如下所述：
a.前向计算ft、it、Ct、Ot和ht五个向量的值
b.反向计算每个神经元的误差项值。与循环神经网络一样，LSTM误差项的反向传播也是包括两个方向：一个是沿时间的反向传播，即从当前t时刻开始，计算每个时刻的误差项；一个是将误差项向上一层传播。
c.根据相应的误差项，计算每个权重的梯度。
LSTM网络的隐层神经元的数量和模型的复杂度密切相关。为确保模型在车载嵌入式平台的在线运行，需要对隐层神经元维度进行简化，综合模型复杂度与模型准确度后，隐层神经元的尺度选为15。
模型的训练epoch为2000，通过正向传播与反向传播，模型最终可以训练完成。
实施例三
本实施例提供了一种质子交换膜燃料电池。该燃料电池设置有上一实施例所提供的水状态监测装置。
在一个具体实施方式中，该质子交换膜燃料电池为全功率燃料电池系统，系统功率92kW，最高效率60％，工作温度95℃，最低启动温度为零下30℃。具体由系统由氢气子系统，空气子系统，散热子系统，电气子系统构成。
电气子系统通过DC-DC变换器调节燃料电池输出功率；氢气子系统通过喷射器与循环泵调节氢气路的压力与流量；空气子系统调节空压机转速与背压阀开度，为空气路提供当前状态下所需的空气压力与空气流量；冷却子系统调节水泵转速与节温器开度，控制系统散热维持燃料电池电堆的工作温度在95℃以下。
如图7所示，该全功率燃料系统开始运行在较低电流密度下，氢气压力、空气压力与空气流量随电流增加而增加，且随着电堆的运行，冷却水温不断上升，代表电堆此时不断升温。如图8所示，此时电堆产生的水较少，THDA诊断设备显示电堆没有发生水淹故障，此时本申请的水装置监测装置显示未发生水淹故障。本申请的水状态监测装置的输出结果与THDA设备的输出结果一致。
如图9示出了燃料电池系统运行800秒到920秒的数据。在系统运行的827秒，本申请的水状态监测装置显示系统即将发生水淹故障，如图10所示；系统运行的832秒，THDA诊断设备报出了水淹故障。实验结果显示本申请的技术方案对水淹故障的诊断具有一定的预诊断作用。在系统参数方面，820秒时循环泵功耗有明显增加的迹象，本申请的水监测装置准确的识别了817秒到827秒系统参数的变化过程，并准确做出了预诊断。因此还能够避免水淹事故的发生。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种水状态监测方法，应用于基于氢燃料的质子交换膜燃料电池，其特征在于，所述水状态监测方法包括步骤：
获取质子交换膜燃料电池的多个运行参数；
用基于LSTM网络的水状态监测模型对所述多个运行参数进行处理，得到所述质子交互膜燃料电池的电堆的水状态参数。
2.如权利要求1所述的水状态监测方法，其特征在于，所述多个运行参数包括所述电堆的运行参数和所述质子交换膜燃料电池的辅助系统的状态参数。
3.如权利要求2所述的水状态监测方法，其特征在于，所述状态参数至少包括所述电堆的氢循环泵的DC侧电流。
4.如权利要求1所述的水状态监测方法，其特征在于，还包括步骤：
基于反向传播算法对预先构建的LSTM网络进行训练，得到所述水状态监测模型。
5.一种水状态监测装置，应用于基于氢燃料的质子交换膜燃料电池，其特征在于，所述水状态监测装置包括：
参数采集模块，被配置为获取质子交换膜燃料电池的多个运行参数；
数据处理模块，被配置为用基于LSTM网络的水状态监测模型对所述多个运行参数进行处理，输出所述质子交互膜燃料电池的电堆的水状态参数。
6.如权利要求5所述的水状态监测装置，其特征在于，所述多个运行参数包括所述电堆的运行参数和所述质子交换膜燃料电池的辅助系统的状态参数。
7.如权利要求6所述的水状态监测装置，其特征在于，所述状态参数至少包括所述电堆的氢循环泵的DC侧电流。
8.如权利要求5所述的水状态监测装置，其特征在于，还包括：
模型训练模块，被配置为基于反向传播算法对预先构建的LSTM网络进行训练，得到所述水状态监测模型。
9.一种质子交换膜燃料电池，其特征在于，包括电堆和辅助系统，还包括如权利要求5～8任一项所述的水状态监测装置。
CN202010760441.7A 2020-07-31 2020-07-31 一种质子交换膜燃料电池及其水状态监测方法和装置 Active CN112038670B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010760441.7A CN112038670B (zh) 2020-07-31 2020-07-31 一种质子交换膜燃料电池及其水状态监测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010760441.7A CN112038670B (zh) 2020-07-31 2020-07-31 一种质子交换膜燃料电池及其水状态监测方法和装置

Publications (2)

Publication Number Publication Date
CN112038670A true CN112038670A (zh) 2020-12-04
CN112038670B CN112038670B (zh) 2021-09-14

Family

ID=73583689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010760441.7A Active CN112038670B (zh) 2020-07-31 2020-07-31 一种质子交换膜燃料电池及其水状态监测方法和装置

Country Status (1)

Country Link
CN (1) CN112038670B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013122548A1 (en) * 2012-02-16 2013-08-22 Nanyang Technological University A metal oxide composite and a method of forming thereof
CN104934619A (zh) * 2015-04-30 2015-09-23 西南交通大学 一种水冷型质子交换膜燃料电池热管理系统及其控制方法
CN108241128A (zh) * 2018-01-09 2018-07-03 西南交通大学 一种质子交换膜燃料电池系统状态估计方法
CN108682418A (zh) * 2018-06-26 2018-10-19 北京理工大学 一种基于预训练和双向lstm的语音识别方法
CN108764460A (zh) * 2018-05-16 2018-11-06 华中科技大学 一种基于时间卷积和lstm的时间序列预测方法
CN108832159A (zh) * 2018-06-26 2018-11-16 德州新动能铁塔发电有限公司 一种燃料电池控制系统及控制方法
CN109755683A (zh) * 2018-12-04 2019-05-14 厦门大学 一种基于压缩感知理论的电池包内部温度实时监测方法
CN109991542A (zh) * 2019-03-27 2019-07-09 东北大学 基于wde优化lstm网络的锂离子电池剩余寿命预测方法
CN109993270A (zh) * 2019-03-27 2019-07-09 东北大学 基于灰狼群优化lstm网络的锂离子电池剩余寿命预测方法
US20200011932A1 (en) * 2018-07-05 2020-01-09 Nec Laboratories America, Inc. Battery capacity fading model using deep learning
CN110703120A (zh) * 2019-09-29 2020-01-17 上海海事大学 基于粒子滤波和长短时记忆网络的锂离子电池寿命预测方法
CN111046550A (zh) * 2019-12-10 2020-04-21 电子科技大学 一种基于时空特征的燃料电池电压预测系统
CN111103544A (zh) * 2019-12-26 2020-05-05 江苏大学 基于长短时记忆lstm和粒子滤波pf的锂离子电池剩余使用寿命预测方法
CN111146478A (zh) * 2019-12-22 2020-05-12 同济大学 一种用于质子交换膜燃料电池堆剩余使用寿命的预测方法
CN111210049A (zh) * 2019-12-05 2020-05-29 云南电网有限责任公司玉溪供电局 基于lstm的变电站铅酸阀控蓄电池退化趋势预测方法
CN111396622A (zh) * 2020-04-27 2020-07-10 上海捷氢科技有限公司 质子交换膜燃料电池系统及其排氢电磁阀

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104302390A (zh) * 2012-02-16 2015-01-21 南洋理工大学 一种金属氧化物复合物及其形成方法
WO2013122548A1 (en) * 2012-02-16 2013-08-22 Nanyang Technological University A metal oxide composite and a method of forming thereof
CN104934619A (zh) * 2015-04-30 2015-09-23 西南交通大学 一种水冷型质子交换膜燃料电池热管理系统及其控制方法
CN108241128A (zh) * 2018-01-09 2018-07-03 西南交通大学 一种质子交换膜燃料电池系统状态估计方法
CN108764460A (zh) * 2018-05-16 2018-11-06 华中科技大学 一种基于时间卷积和lstm的时间序列预测方法
CN108682418A (zh) * 2018-06-26 2018-10-19 北京理工大学 一种基于预训练和双向lstm的语音识别方法
CN108832159A (zh) * 2018-06-26 2018-11-16 德州新动能铁塔发电有限公司 一种燃料电池控制系统及控制方法
US20200011932A1 (en) * 2018-07-05 2020-01-09 Nec Laboratories America, Inc. Battery capacity fading model using deep learning
CN109755683A (zh) * 2018-12-04 2019-05-14 厦门大学 一种基于压缩感知理论的电池包内部温度实时监测方法
CN109991542A (zh) * 2019-03-27 2019-07-09 东北大学 基于wde优化lstm网络的锂离子电池剩余寿命预测方法
CN109993270A (zh) * 2019-03-27 2019-07-09 东北大学 基于灰狼群优化lstm网络的锂离子电池剩余寿命预测方法
CN110703120A (zh) * 2019-09-29 2020-01-17 上海海事大学 基于粒子滤波和长短时记忆网络的锂离子电池寿命预测方法
CN111210049A (zh) * 2019-12-05 2020-05-29 云南电网有限责任公司玉溪供电局 基于lstm的变电站铅酸阀控蓄电池退化趋势预测方法
CN111046550A (zh) * 2019-12-10 2020-04-21 电子科技大学 一种基于时空特征的燃料电池电压预测系统
CN111146478A (zh) * 2019-12-22 2020-05-12 同济大学 一种用于质子交换膜燃料电池堆剩余使用寿命的预测方法
CN111103544A (zh) * 2019-12-26 2020-05-05 江苏大学 基于长短时记忆lstm和粒子滤波pf的锂离子电池剩余使用寿命预测方法
CN111396622A (zh) * 2020-04-27 2020-07-10 上海捷氢科技有限公司 质子交换膜燃料电池系统及其排氢电磁阀

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
RENFANG WANG，ET AL.: "Comfort index evaluating the water and thermal characteristics of proton exchange membrane fuel cell", 《ENERGY CONVERSION AND MANAGEMENT》 *

Also Published As

Publication number Publication date
CN112038670B (zh) 2021-09-14

Similar Documents

Publication Publication Date Title
Gu et al. Data-based flooding fault diagnosis of proton exchange membrane fuel cell systems using LSTM networks
WO2020200214A1 (zh) 一种质子交换膜燃料电池系统温度主动容错控制方法
Liu et al. PEMFC residual life prediction using sparse autoencoder-based deep neural network
Li et al. Online implementation of SVM based fault diagnosis strategy for PEMFC systems
CN110165259B (zh) 电池的运行状态的监测方法及装置、系统
Zuo et al. Data-driven flooding fault diagnosis method for proton-exchange membrane fuel cells using deep learning technologies
DE102017110008A1 (de) System und verfahren zur luftregelung für brennstoffzellenstapelsystem
Oh et al. Residual-based fault diagnosis for thermal management systems of proton exchange membrane fuel cells
Wilberforce et al. Remaining useful life prediction for proton exchange membrane fuel cells using combined convolutional neural network and recurrent neural network
DE102015222149A1 (de) Vorrichtung und Verfahren zum Steuern eines Spülventils eines Brennstoffzellenfahrzeugs
CN113299954A (zh) 控制燃料电池电堆内水含量的方法、装置及设备
CN111948562A (zh) 一种燃料电池全生命周期监控与评估系统
CN113505926A (zh) 一种基于阻抗预测模型自更新的燃料电池故障预测方法
CN114300712A (zh) 用于确定燃料电池系统的状态的设备和计算机实现的方法
Park et al. Severity-based fault diagnostic method for polymer electrolyte membrane fuel cell systems
Xu et al. Anode state observation of polymer electrolyte membrane fuel cell based on unscented Kalman filter and relative humidity sensor before flooding
CN112038670B (zh) 一种质子交换膜燃料电池及其水状态监测方法和装置
Gong et al. High-precision and efficiency diagnosis for polymer electrolyte membrane fuel cell based on physical mechanism and deep learning
Wang et al. A data-driven approach to lifespan prediction for vehicle fuel cell systems
US10601060B2 (en) Systems and methods to determine cathode inlet pressure limits in a fuel cell system
CN114843560A (zh) 一种燃料电池系统水淹故障诊断方法和装置
Wang Remaining Useful Life Prediction of Proton Exchange Membrane Fuel Cell Based on Deep Learning
Liu et al. Multi-objective optimization of ice distribution uniformity and startup failure time for cold start of PEMFC catalyst layer based on CTnet and PSO-GA
Wu et al. Multi-tasks Joint Prediction of Fuel Cells Based on Self-attention Residual Network
CN114976133B (zh) 基于模型的质子交换膜燃料电池水管理容错控制方法

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 201804 unit 10, No.17, Lane 56, Antuo Road, Jiading District, Shanghai

Patentee after: Shanghai jiehydrogen Technology Co.,Ltd.

Address before: 201804 unit 10, No.17, Lane 56, Antuo Road, Jiading District, Shanghai

Patentee before: Shanghai Jet Hydrogen Technology Co.,Ltd.