CN112505568B - 一种多电堆固体氧化物燃料电池系统寿命预测方法 - Google Patents
一种多电堆固体氧化物燃料电池系统寿命预测方法 Download PDFInfo
- Publication number
- CN112505568B CN112505568B CN202011251782.8A CN202011251782A CN112505568B CN 112505568 B CN112505568 B CN 112505568B CN 202011251782 A CN202011251782 A CN 202011251782A CN 112505568 B CN112505568 B CN 112505568B
- Authority
- CN
- China
- Prior art keywords
- time
- stack
- pile
- electric pile
- electric
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000000446 fuel Substances 0.000 title claims abstract description 13
- 239000007787 solid Substances 0.000 title claims abstract description 11
- 241000039077 Copula Species 0.000 claims abstract description 17
- 238000005315 distribution function Methods 0.000 claims abstract description 14
- 230000001186 cumulative effect Effects 0.000 claims abstract description 13
- 230000007423 decrease Effects 0.000 claims abstract description 13
- 230000005653 Brownian motion process Effects 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000006731 degradation reaction Methods 0.000 claims description 14
- 230000015556 catabolic process Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000005295 random walk Methods 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000012886 linear function Methods 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007850 degeneration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- 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]
- G01R31/3644—Constructional arrangements
- G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
-
- 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]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- 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]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- 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]
- G01R31/385—Arrangements for measuring battery or accumulator variables
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Fuel Cell (AREA)
Abstract
本发明公开了一种多电堆固体氧化物燃料电池系统寿命预测方法,属于固体氧化物燃料电池技术领域。本发明根据多电堆系统中各电堆的输出电压历史观测数据,基于非线性维纳过程建立考虑测量误差的单电堆输出电压的衰退模型,进而计算得到多电堆系统中各电堆剩余寿命的累积分布函数。然后,通过Copula函数描述系统中各电堆衰退电压之间的相关性,从而得到多电堆系统剩余寿命的累积分布函数,实现对多电堆系统剩余寿命的预测。本发明基于非线性Wiener过程,能够表征电堆在复杂工况下运行的衰退过程;同时,使用Copula函数表征多电堆系统中电堆之间的相关性与忽略电堆之间的相关性相比,更符合实际应用。
Description
技术领域
本发明属于固体氧化物燃料电池技术领域,具体涉及一种多电堆固体氧化物燃料电池系统寿命预测方法。
背景技术
固体氧化物燃料电池(Solid Oxide Fuel Cell,SOFC)是一种在中高温条件下将化石燃料中的化学能直接转换为电能的电化学装置,其中没有燃烧过程和机械运动,并且反应产物只有水,从而使其具有高效率、零污染、低噪声等优点。SOFC作为“后石油时代”解决能源危机的重要手段,是21世纪最具发展前景的发电技术之一。在实际应用中,对于大型耗电设备的燃料电池供电系统,单电堆提供的功率有限,往往通过串联或者并联多个电堆来满足其负载需求。
受外部环境与内部因素的影响,电堆性能会衰退,造成电堆输出电压逐渐下降。分析电堆的退化电压数据,对电堆的剩余寿命进行预测,可以帮助技术人员及时对多电堆系统进行维护,以此延长电堆系统的运行时间,降低经济损失。
当前针对燃料电池剩余寿命预测的方式,包括基于模型的方法、基于数据的方法以及混合方法,但是当前的方法主要是对单个电堆的剩余寿命进行预测,缺乏对多电堆系统的剩余寿命预测。对于多电堆系统,在高温运行环境下每个电堆的退化速度各不相同,彼此之间还会相互影响,若忽略电堆之间的相关性,以现有的单个电堆的剩余寿命预测方法对多电堆系统的剩余寿命进行预测,则很难达到理想的预测效果。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种多电堆固体氧化物燃料电池系统剩余寿命预测方法。本发明根据多电堆系统中各电堆的输出电压历史观测数据,基于非线性维纳过程建立考虑测量误差的单电堆输出电压的衰退模型,进而计算得到多电堆系统中各电堆剩余寿命的累积分布函数。然后,通过Copula函数描述系统中各电堆衰退电压之间的相关性,从而得到多电堆系统剩余寿命的累积分布函数,实现对多电堆系统剩余寿命的预测。
本发明的多电堆固体氧化物燃料电池系统寿命预测方法,包括下列步骤:
步骤1:基于多电堆系统在同一工况下,各电堆的衰退电压数据,采用非线性维纳过程建立各电堆的衰退模型,并对衰退模型的参数进行参数估计处理;
步骤2:定义单个电堆的寿命为其退化过程中电压首次达到或者低于阈值电压所对应的时间,基于电堆的衰退模型计算当前时刻tk的电堆剩余寿命的概率密度函数;
步骤3:基于电堆之间的相关性,以及时刻tk的电堆剩余寿命的概率密度函数,计算tk时刻关于系统剩余寿命的累积分布函数;
基于所述系统剩余寿命的累积分布函数,计算平均系统剩余寿命作为tk时刻的系统剩余寿命预测值。
进一步的,步骤3中,采用Copula函数表征多电堆系统中各电堆之间的相关性。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
基于非线性Wiener过程,能够表征电堆在复杂工况下运行的衰退过程;
同时,使用Copula函数表征多电堆系统中电堆之间的相关性与忽略电堆之间的相关性相比,更符合实际应用。
附图说明
图1是本发明的实施例中的多电堆系统剩余寿命的预测处理过程示意图;
图2是本发明实施例中搭建单电堆衰退模型的处理过程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本发明作进一步地详细描述。
本发明提出了一种基于Copula函数描述电堆相关性,从而实现对多电堆系统剩余寿命预测方法。本发明首先根据非线性维纳过程(Wiener过程)建立多电堆系统中电堆各自的退化模型,进而计算得到单电堆各自剩余寿命的累积分布函数,然后利用Copula函数描述电堆之间的相关性,得到多电堆系统剩余寿命的累积分布函数,进而实现多电堆系统剩余寿命的预测。
实施例
参见图1,本发明的多电堆固体氧化物燃料电池系统寿命预测方法的具体实现步骤包括:
步骤S1、建立多电堆系统中各电堆的衰退模型,参见图2,对单电堆衰退模型的搭建具体为;
S1.1、根据Wiener过程建立电堆的衰退模型:
ΔV(i)(t)=V(i)(0)-V(i)(t)=f(t;b(i))α(i)+β(i)B(t)
V(i)(0)-Y(i)(t)=ΔV(i)(t)+γ(i)
其中,t为系统运行时间,i=1,2,...,n,n为多电堆系统中电堆个数,ΔV(i)(t)为第i个电堆输出电压的实时衰退值,V(i)(0)表示电堆i的标准电压(即初始电压)。V(i)(t)为在时间t时电堆i输出电压的真实值,f(t;b(i))α(i)为电堆i的漂移系数,表示该电堆的平均退化速率,f(t;b(i))为时间t的非线性函数,b(i)为固定参数,即常数,本实施例中,所采用的非线性函数具体为:为体现每个电堆的个体差异性,α(i)为随机变量,且 与分别表示随机变量α(i)的均值与方差,β(i)为电堆i的扩散系数,B(t)为标准布朗过程,即维纳过程。Y(i)(t)为在时间t时电堆i输出电压的测量值,γ(i)为随机测量误差,且γ(i)~N(0,(ε(i))2),(ε(i))2表示随机测量误差γ(i)的方差。
S1.2、定义tk时刻电堆i的输出电压测量值为基于采集的从t1至tk(0<t1<t2<…<tk)时刻的输出电压测量值,得到输出电压测量值集合即每个电堆的历史衰退电压测量值集合;并使用状态空间模型来描述电堆退化的演变过程,并利Kalman滤波算法分别对电堆i在tk时刻的输出电压衰退值ΔV(i)(tk)与随机参数α(i)在tk时刻的值进行估计:
其中,表示电堆i的随机参数α(i)在tk-1时刻的值,ΔV(i)(tk-1)为电堆i在tk-1时刻输出电压的衰退值;λ(i)~N(0,(σ(i))2),γ(i)~N(0,(ε(i))2),其中,(σ(i))2表示随机参数α(i)更新的随机游走项λ(i)的方差。
其中,K(i)(k)表示tk时刻Kalman滤波器的增益,上标“T”表示转置。
S1.3.2、E步,
S1.3.3、M步,
S2、基于电堆的衰退模型获取单个电堆的剩余寿命的概率密度函数:
S2.1、根据物理设备失效过程特征,定义单个电堆的寿命为其退化过程中电压首次达到或者低于阈值电压所对应的时间,通常设定阈值电压为初始电压V(i)(0)的80%。如果单个电堆运行到tk时刻的输出电压的衰退值根据当前时刻隐状态的后验分布,基于贝叶斯法则与全概率法则得到第i个电堆在tk时刻剩余寿命的概率密度函数:
为电压衰退值ΔV(i)(tk)与随机参数α(i)在tk时刻的协方差,为tk时刻随机参数α(i)的后验分布的方差,表示电堆i的阈值电压,表示电堆i的在tk时刻的电压衰退值ΔV(i)(tk)的估计值,表示电堆i的在tk时刻的随机参数α(i)估计值;为当前tk时刻电压衰退值ΔV(i)(tk)的后验分布方差。
S3、基于Copula相关性描述得到多电堆系统剩余寿命预测:
本实施例中n=2。
使用二元Copula函数C(·)来表征系统中两个电堆之间的退化相关特性,将得到的tk时刻两电堆各自的剩余寿命的累积分布函数作为边缘分布,构建两电堆系统的剩余寿命联合分布函数,得到多电堆系统剩余寿命的累积分布函数
其中,lk表示tk时刻系统的剩余寿命的取值,表示tk时刻系统的剩余寿命,为电堆i在tk时刻的剩余寿命,为电堆i在tk时刻剩余寿命的累积分布函数,C()表示Copula函数,θ为Copula函数的相关性系数。系统剩余寿命的概率密度函数
S3.2、构造似然函数,利用极大似然法估计相关性系数θ:
其中,M表示样本个数,c(·)为Copula函数C(·)的概率密度函数。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。
Claims (5)
1.一种多电堆固体氧化物燃料电池系统寿命预测方法,其特征在于,包括下列步骤:
步骤1:基于多电堆系统在同一工况下,各电堆的衰退电压数据,采用非线性维纳过程建立各电堆的衰退模型,并对衰退模型的参数进行参数估计处理;
所述电堆的衰退模型具体为:
ΔV(i)(t)=V(i)(0)-V(i)(t)=f(t;b(i))α(i)+β(i)B(t)
V(i)(0)-Y(i)(t)=ΔV(i)(t)+γ(i)
其中,t为系统运行时间,i为电堆区分符;
ΔV(i)(t)表示第i个电堆的输出电压衰退值;
V(i)(0)表示电堆i的标准电压;
V(i)(t)表示在时间t电堆i输出电压的真实值;
β(i)表示电堆i的扩散系数,B()表示关于时间的标准布朗过程;
Y(i)(t)表示在时间t电堆i输出电压的测量值;
γ(i)表示随机测量误差,且γ(i)~N(0,(ε(i))2),(ε(i))2表示随机测量误差γ(i)的方差;
基于采集的当前时刻tk及其之前的各时刻的输出电压测量值,得到每个电池的历史衰退电压测量值集合使用状态空间模型描述电堆退化的演变过程,并利用Kalman滤波算法分别对电堆i在tk时刻的输出电压衰退值ΔV(i)(tk)与随机参数α(i)在tk时刻的值进行估计;
则有:
其中,K(i)(k)表示tk时刻Kalman滤波器的增益;
步骤2:定义单个电堆的寿命为其退化过程中电压首次达到或者低于阈值电压所对应的时间,基于电堆的衰退模型计算当前时刻tk的电堆剩余寿命的概率密度函数;
第i个电堆在tk时刻电堆剩余寿命的概率密度函数为:
为电压衰退值ΔV(i)(tk)与随机参数α(i)在tk时刻的协方差,为tk时刻随机参数α(i)的后验分布的方差,表示电堆i的阈值电压,表示电堆i的在tk时刻的电压衰退值ΔV(i)(tk)的估计值,表示电堆i的在tk时刻的随机参数α(i)估计值;为当前tk时刻电压衰退值ΔV(i)(tk)的后验分布方差;
步骤3:基于电堆之间的相关性,以及时刻tk的电堆剩余寿命的概率密度函数,计算tk时刻关于系统剩余寿命的累积分布函数;
基于所述系统剩余寿命的累积分布函数,计算平均系统剩余寿命作为tk时刻的系统剩余寿命预测值。
2.如权利要求1所述的方法,其特征在于,采用最大期望EM算法对电堆的衰退模型中的待设置参数进行参数估计处理。
3.如权利要求1中所述的方法,其特征在于,步骤3中,采用Copula函数表征多电堆系统中各电堆之间的相关性。
5.如权利要求1至4任一项所述的方法,其特征在于,阈值电压设置为初始电压的80%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011251782.8A CN112505568B (zh) | 2020-11-11 | 2020-11-11 | 一种多电堆固体氧化物燃料电池系统寿命预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011251782.8A CN112505568B (zh) | 2020-11-11 | 2020-11-11 | 一种多电堆固体氧化物燃料电池系统寿命预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112505568A CN112505568A (zh) | 2021-03-16 |
CN112505568B true CN112505568B (zh) | 2022-03-15 |
Family
ID=74957822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011251782.8A Expired - Fee Related CN112505568B (zh) | 2020-11-11 | 2020-11-11 | 一种多电堆固体氧化物燃料电池系统寿命预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112505568B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114417686B (zh) * | 2022-01-20 | 2023-02-03 | 哈尔滨工业大学 | 一种面向单个锂离子电池的自适应在线剩余使用寿命预测方法 |
CN114859231B (zh) * | 2022-04-27 | 2023-06-09 | 电子科技大学 | 基于维纳过程和极限学习机的电池剩余寿命预测方法 |
CN114843558B (zh) * | 2022-05-20 | 2023-07-21 | 上海捷氢科技股份有限公司 | 一种燃料电池运行特性确定方法和装置 |
CN116482555B (zh) * | 2023-04-10 | 2024-03-19 | 南通大学 | 基于Wiener的锂离子电池非线性建模及其参数辨识方法 |
CN116879781B (zh) * | 2023-06-21 | 2024-07-02 | 中国石油大学(华东) | 固体氧化物燃料电池电堆电化学性能的寿命预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1121681A1 (ru) * | 1982-10-01 | 1984-10-30 | Московский Институт Электронного Машиностроения | Система полунатурного моделировани динамических систем |
CN107145645A (zh) * | 2017-04-19 | 2017-09-08 | 浙江大学 | 带不确定冲击的非平稳退化过程剩余寿命预测方法 |
CN107436983A (zh) * | 2017-07-28 | 2017-12-05 | 南京理工大学 | 一种基于多元样本差异的o型橡胶密封圈寿命预测方法 |
CN110197288A (zh) * | 2019-05-30 | 2019-09-03 | 重庆大学 | 故障影响下设备的剩余使用寿命预测方法 |
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 |
CN111046564A (zh) * | 2019-12-16 | 2020-04-21 | 重庆大学 | 两阶段退化产品的剩余寿命预测方法 |
-
2020
- 2020-11-11 CN CN202011251782.8A patent/CN112505568B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1121681A1 (ru) * | 1982-10-01 | 1984-10-30 | Московский Институт Электронного Машиностроения | Система полунатурного моделировани динамических систем |
CN107145645A (zh) * | 2017-04-19 | 2017-09-08 | 浙江大学 | 带不确定冲击的非平稳退化过程剩余寿命预测方法 |
CN107436983A (zh) * | 2017-07-28 | 2017-12-05 | 南京理工大学 | 一种基于多元样本差异的o型橡胶密封圈寿命预测方法 |
CN110197288A (zh) * | 2019-05-30 | 2019-09-03 | 重庆大学 | 故障影响下设备的剩余使用寿命预测方法 |
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 |
CN111046564A (zh) * | 2019-12-16 | 2020-04-21 | 重庆大学 | 两阶段退化产品的剩余寿命预测方法 |
Non-Patent Citations (2)
Title |
---|
一种SOFC多电池系统寿命预测方法;王君皓;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20200715(第7期);第29-51页 * |
王君皓.一种SOFC多电池系统寿命预测方法.《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》.2020,(第7期), * |
Also Published As
Publication number | Publication date |
---|---|
CN112505568A (zh) | 2021-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112505568B (zh) | 一种多电堆固体氧化物燃料电池系统寿命预测方法 | |
Wu et al. | A modified relevance vector machine for PEM fuel-cell stack aging prediction | |
CN112687926B (zh) | 一种燃料电池衰减趋势预测、剩余使用寿命预测方法及系统 | |
Chiche et al. | Design of experiment to predict the time between hydrogen purges for an air-breathing PEM fuel cell in dead-end mode in a closed environment | |
CN113484774B (zh) | 一种基于温度校准和神经网络的锂电池组容量估计方法 | |
CN113128672B (zh) | 一种基于迁移学习算法的锂离子电池组soh估计方法 | |
CN107169170B (zh) | 一种电池剩余容量的预测方法 | |
CN113359048A (zh) | 一种锂离子电池剩余使用寿命间接预测方法 | |
Jouin et al. | Prognostics of PEM fuel cells under a combined heat and power profile | |
CN116840720A (zh) | 燃料电池剩余寿命预测方法 | |
CN111313056A (zh) | 一种数据驱动燃料电池在线性能评估方法 | |
CN113392507A (zh) | 一种锂离子动力电池剩余寿命预测方法 | |
CN113884928B (zh) | 一种基于燃料电池健康度校正的多堆分布式控制方法 | |
CN114814591A (zh) | 一种锂电池soe估算方法、装置及系统 | |
CN116340766B (zh) | 基于滑动窗口的锂电池soc在线预测方法与相关设备 | |
CN116774045A (zh) | 一种基于hho-svr的锂电池健康状态预测方法 | |
CN115684941A (zh) | 一种锂离子电池组容量估计方法和系统 | |
CN114566686B (zh) | 一种燃料电池状态评估和寿命预测的方法 | |
Dhiman et al. | Lithium-Ion Battery Prognostics based on Support Vector Regression and Time-Series Analysis | |
CN115693916A (zh) | 一种变电站直流电源智能在线监测方法及系统 | |
CN115047346A (zh) | 一种锂电池soc估计的高阶卡尔曼滤波算法 | |
Yu et al. | Remaining-useful-lifetime prediction of proton exchange membrane fuel cell considering model uncertainty quantification on the full-time scale | |
CN116973791A (zh) | 考虑不确定度的质子交换膜燃料电池寿命预测方法及系统 | |
Wu et al. | Remaining useful life prediction for a multi-stack solid oxide fuel cell system with degradation interactions | |
Qi et al. | Remaining useful life estimation for PEMFC based on monitoring data |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220315 |