CN112563543A - 一种燃料电池系统的寿命预测及维护方法 - Google Patents

一种燃料电池系统的寿命预测及维护方法 Download PDF

Info

Publication number
CN112563543A
CN112563543A CN202110202089.XA CN202110202089A CN112563543A CN 112563543 A CN112563543 A CN 112563543A CN 202110202089 A CN202110202089 A CN 202110202089A CN 112563543 A CN112563543 A CN 112563543A
Authority
CN
China
Prior art keywords
voltage
fuel cell
fitting
cell system
lowest
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
CN202110202089.XA
Other languages
English (en)
Other versions
CN112563543B (zh
Inventor
赵兴旺
周鹏飞
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.)
Beijing Sinohytec Co Ltd
Original Assignee
Beijing Sinohytec 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 Beijing Sinohytec Co Ltd filed Critical Beijing Sinohytec Co Ltd
Priority to CN202110202089.XA priority Critical patent/CN112563543B/zh
Publication of CN112563543A publication Critical patent/CN112563543A/zh
Application granted granted Critical
Publication of CN112563543B publication Critical patent/CN112563543B/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
    • H01M8/04313—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
    • H01M8/04552—Voltage of the individual 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
    • H01M8/04664—Failure or abnormal function
    • H01M8/04671—Failure or abnormal function of the individual 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
    • H01M8/04992—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
    • 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)
  • General Chemical & Material Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuel Cell (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)

Abstract

本发明提供了一种燃料电池系统的寿命预测方法，包括以下步骤：分电流区间获取燃料电池系统在不同时点的平均单片电压和最低单片电压；分电流区间计算不同时点平均单片电压和最低单片电压的电压偏差值；判断电压偏差值处于线性区域或非线性区域；按照电压偏差值所处的区域，分电流区间得出最低单片电压随时间的变化公式，并以最低单片电压降至预设阈值的时间作为预期寿命终止时间；基于各个电流区间下的预期寿命终止时间，得出期望寿命。基于以上寿命预测方法，本发明还提供了一种燃料电池系统的维护方法，在达到寿命终止时间后更换部分燃料电池单片。本发明的方法有效解决了电堆寿命衰减预测过程中的非线性拐点和不一致性的问题。

Description

一种燃料电池系统的寿命预测及维护方法
技术领域
本发明涉及燃料电池技术领域，特别是涉及一种燃料电池系统的寿命预测及维护方法。
背景技术
质子交换膜燃料电池的工作原理是氢气和氧气发生电化学反应，生成水的同时输出电能。由于燃料电池单体的电压通常小于1V，在实际应用时，需要将上百片单体电池串联组成燃料电池电堆，并匹配相应的外围附件，构成燃料电池系统。
寿命是燃料电池系统的核心指标之一。燃料电池系统运行过程中，由膜串漏、碳腐蚀和活性面积下降等因素导致的衰减问题，基本都呈现出先线性后加速的特征。同时，由于电堆通常由数百片单体电池组成，通常衰减会首先出现在某一片或某几片单体电池中。因此非线性和不一致性两个因素是燃料电池系统寿命预测和识别的难点。现有的燃料电池系统寿命预测方法通常利用工况组合法或者模型的方法来进行预测。但由于对加速衰减区域的识别和拟合不足、燃料电池堆一致性差等问题，导致对燃料电池系统寿命的预测精度低，无法为燃料电池系统的可靠运行提供有效的指导。
发明内容
针对现有技术中的上述不足，本发明提供一种燃料电池系统的寿命预测及维护方法，解决电堆寿命衰减预测过程中的非线性拐点和不一致性的问题。
为达到上述目的，本发明提供了一种燃料电池系统的寿命预测方法，所述方法包括：
S1：分电流区间获取燃料电池系统在不同时点的平均单片电压和最低单片电压；
S2：分电流区间计算不同时点平均单片电压和最低单片电压的电压偏差值；
S3：判断电压偏差值处于线性区域或非线性区域；
S4：按照电压偏差值所处的区域，分电流区间得出最低单片电压随时间的变化公式，并以最低单片电压降至预设阈值的时间作为预期寿命终止时间；
S5：基于各个电流区间下的预期寿命终止时间，得出期望寿命。
在一些实施例中，以上技术方案中所述“分电流区间”是指在0~2000A/cm2的范围内，每100A/cm2作为一个电流区间。
在一些实施例中，步骤S3中通过如下方式判断电压偏差值处于线性区域或非线性区域：
S31：对电压偏差值进行线性拟合；
S32：对电压偏差值进行非线性拟合；
S33：计算线性拟合的拟合效果值R1和非线性拟合的拟合效果值R2，根据拟合效果值判定电压偏差值处于线性区域或非线性区域；
具体的，步骤S31、S32中所述的拟合具体为移动窗式数据拟合，优选的，所述移动窗式数据拟合以300小时作为一个窗口。
具体的，步骤S32中所述非线性拟合优选为指数拟合，得到拟合公式∆U=m·en·t，其中∆U为电压偏差值，m、n为拟合系数，t为时间。
具体的，步骤S33中所述的拟合效果值选自和方差SSE，确定系数R-square，或均方差MSE中的任意一种。更具体的，步骤S33中当(R1-R2)/R1>C时，则判定处于线性区，否则则判定处于非线性区；其中C为选自1.6~2.4的常数，优选C=2。
在另外一些实施例中，步骤S3中还可以通过如下方式判断电压偏差值处于线性区域或非线性区域：当∆U<r·K时，则判定处于线性区，否则则判定处于非线性区；其中∆U为电压偏差值，1.5<r<3，r优选为2，K为电压偏差常数，初始值和出厂时的电堆单片间的一致性相关，通常为5~10mV。
在一些实施例中，步骤S4中最低单片电压随时间的变化公式通过以下方式确定：
当电压偏差值处于线性区域时，按照公式Umin=h·t+i对最低单片电压进行线性拟合，其中Umin为最低单片电压，h、i为拟合系数，t为时间；当电压偏差值处于非线性区域时，按照公式Umin=h·t+i+m·en·t对最低单片电压进行非线性拟合，其中Umin为最低单片电压，h、i、m、n为拟合系数，t为时间。
在一些实施例中，步骤S4中所述预设阈值可以设置为出厂单片电压的80~90%，优选设为90%。
在一些实施例中，步骤S5中以额定电流区间下的预期寿命终止时间作为期望寿命。
在一些实施例中，步骤S5中以平均电流区间下的预期寿命终止时间作为期望寿命。其中，“平均电流区间”是指在进行寿命预测时，实际统计得出的电流区间。
同时，本发明还提供了一种燃料电池系统的维护方法，采用上述燃料电池系统的寿命预测方法预测寿命，在达到期望寿命时，更换电压值在预设阈值以下的燃料电池单片。
本发明的有益效果为：
本发明提供了一种燃料电池系统的寿命预测方法，根据获取的平均单片电压和最低单片电压判断电堆所处的状态，并根据不同的状态采用不同的拟合公式进行寿命预测。相较于现有技术，本发明的方法有效解决了电堆寿命衰减预测过程中的非线性拐点和不一致性的问题，提高对燃料电池加速衰减区域的识别和拟合，综合考量了不同电流区间多个单体电池之间的不一致性，从而有效提高了寿命预测结果的准确性。本方法预测精度高，适用于燃料电池寿命预测以及对电堆的健康状态进行监控。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明的寿命预测方法的流程示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，本发明提供了一种燃料电池系统的寿命预测方法，以下对各个步骤进行说明：
S1：分电流区间获取燃料电池系统在不同时点的平均单片电压和最低单片电压。在不同的电流区间下，燃料电池将表现出不同的衰减特性，电池寿命会产生比较明显的差异，因此本发明采集了不同电流区间下的电压数据。具体的，本实施例在0~2000A/cm2的范围内，每100A/cm2作为一个电流区间，共采集了20组数据；其中，“平均单片电压”指的是燃料电池总电压除以总电堆片数得到的电压值，“最低单片电压”则指的是电堆各片中的最低电压值。
S2：分电流区间计算不同时点平均单片电压和最低单片电压的电压偏差值。由于燃料电池的衰减通常首先体现在个别的单片中，因此平均单片电压和最低单片电压的电压偏差值随时间的变化规律能够体现燃料电池的衰减情况。
S3：判断电压偏差值处于线性区域或非线性区域。
在本发明的第一实施例中，采用的判断方法具体包括如下步骤：
S31：对电压偏差值进行线性拟合；
S32：对电压偏差值进行非线性拟合，具体的，步骤S31、S32中采用移动窗式数据拟合，每300小时作为一个窗口，其中步骤S32中所述非线性拟合为指数拟合，得到拟合公式∆U=m·en·t，其中∆U为电压偏差值，m、n为拟合系数，t为时间；
S33：计算线性拟合的拟合效果值R1和非线性拟合的拟合效果值R2，根据拟合效果值判定电压偏差值处于线性区域或非线性区域，具体的，本实施例使用均方差MSE评价拟合效果，因此线性拟合和非线性拟合的拟合效果值分别为MSE1、MSE2；当(MSE1-MSE2)/MSE1>C时，则认为线性拟合的效果更好，电压偏差值随时间的变化规律处于线性区域，反之则认为非线性拟合的效果更好，电压偏差值随时间的变化规律处于非线性区域。其中，C为选自1.6~2.4的常数，具体可以按照评价者可接受的程度选定，本实施例中的C选定为2。
在本发明的第二实施例中，步骤S3采用了一种简便的判断方式：当∆U<r·K时，则判定处于线性区，否则则判定处于非线性区；其中∆U为电压偏差值，1.5<r<3，r优选为2，K为电压偏差常数，初始值和出厂时的电堆单片间的一致性相关，通常为5~10mV。本实施例提供的判断方式直接将电压偏差值和电压偏差常数进行对比，当电压偏差值在一定范围内时，则认定处于线性区。该判断方式的计算过程更加简单，通常也具有较高的准确性，但在某些情况下判断的准确性要劣于第一实施例所提供的判断方式。
S4：按照电压偏差值所处的区域，分电流区间得出最低单片电压随时间的变化公式，并以最低单片电压降至预设阈值的时间作为预期寿命终止时间。在本实施例中，当电压偏差值处于线性区域时，按照公式Umin=h·t+i对最低单片电压进行线性拟合，其中Umin为最低单片电压，h、i为拟合系数，t为时间；当电压偏差值处于非线性区域时，按照公式Umin=h·t+i+m·en·t对最低单片电压进行非线性拟合，其中Umin为最低单片电压，h、i、m、n为拟合系数，t为时间，这里的m、n即步骤S32中的拟合系数m、n。预设阈值可以按照评价者可接受的程度选定，一般在出厂单片电压的80~90%的范围内，本实施例选定为90%。
S5：基于各个电流区间下的预期寿命终止时间，得出期望寿命。在步骤S5中，由于各个电流区间下的预期寿命终止时间不尽相同，因此可以按照多种方式得出期望寿命：例如，可以以额定电流区间下的预期寿命终止时间作为期望寿命。同时，由于实际的电流区间与额定电流区间不可避免的存在差异，也可以按照平均电流区间下的预期寿命终止时间作为期望寿命。其中，“平均电流区间”是指在进行寿命预测时实际统计得出的电流区间，这与燃料电池系统的使用场景、用户习惯等具体情况相关，因此评估的期望寿命可能更符合实际情况。
以上寿命预测方法能够准确预测燃料电池系统的寿命。基于此，本发明还提供了一种燃料电池系统的维护方法，采用上述燃料电池系统的寿命预测方法预测寿命，并在达到或者接近预期寿命时，更换至少一片电压达到或低于预设阈值的燃料电池单片。
根据本发明实施例提出的燃料电池系统寿命的预测方法，提高了对燃料电池加速衰减区域的识别和拟合，综合考量了不同电流区间多个单体电池之间的不一致性，解决了电堆寿命衰减预测过程中的非线性拐点和不一致性的问题，有效提高了寿命预测结果的准确性，可适用于预测燃料电池电堆寿命或监控燃料电池状态。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言， 可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同范围限定。

Claims (10)

1.一种燃料电池系统的寿命预测方法，其特征在于，所述方法包括以下步骤：
S1：分电流区间获取燃料电池系统在不同时点的平均单片电压和最低单片电压；
S2：分电流区间计算不同时点平均单片电压和最低单片电压的电压偏差值；
S3：判断电压偏差值处于线性区域或非线性区域；
S4：按照电压偏差值所处的区域，分电流区间得出最低单片电压随时间的变化公式，并以最低单片电压降至预设阈值的时间作为预期寿命终止时间；
S5：基于各个电流区间下的预期寿命终止时间，得出期望寿命。
2.如权利要求1所述的一种燃料电池系统的寿命预测方法，其特征在于，所述分电流区间是指在0~2000A/cm2的范围内，每100A/cm2作为一个电流区间。
3.如权利要求1所述的一种燃料电池系统的寿命预测方法，其特征在于，步骤S3中通过如下方式判断电压偏差值处于线性区域或非线性区域：
S31：对电压偏差值进行线性拟合；
S32：对电压偏差值进行非线性拟合；
S33：计算线性拟合的拟合效果值R1和非线性拟合的拟合效果值R2，根据拟合效果值判定电压偏差值处于线性区域或非线性区域。
4.如权利要求3所述的一种燃料电池系统的寿命预测方法，其特征在于，步骤S31、S32中的拟合方式为移动窗式数据拟合，所述移动窗式数据拟合以300小时作为一个窗口；步骤S32中所述非线性拟合为指数拟合，得到拟合公式∆U=m·en·t，其中∆U为电压偏差值，m、n为拟合系数，t为时间。
5.如权利要求3所述的一种燃料电池系统的寿命预测方法，其特征在于，步骤S33中当(R1-R2)/R1>C时，则判定处于线性区，否则则判定处于非线性区，其中C为选自1.6~2.4的常数；所述的拟合效果值选自和方差SSE，确定系数R-square，或均方差MSE中的任意一种。
6.如权利要求1所述的一种燃料电池系统的寿命预测方法，其特征在于，步骤S3中通过如下方式判断电压偏差值处于线性区域或非线性区域：
当∆U<r·K时，则判定处于线性区，否则则判定处于非线性区；其中∆U为电压偏差值，1.5<r<3，K为电压偏差常数。
7.如权利要求1-6任一项所述的一种燃料电池系统的寿命预测方法，其特征在于，所述步骤S4中最低单片电压随时间的变化公式通过以下方式确定：
当电压偏差值处于线性区域时，按照公式Umin=h·t+i对最低单片电压进行线性拟合，其中Umin为最低单片电压，h、i为拟合系数，t为时间；
当电压偏差值处于非线性区域时，按照公式Umin=h·t+i+m·en·t对最低单片电压进行非线性拟合，其中Umin为最低单片电压，h、i、m、n为拟合系数，t为时间。
8.如权利要求7所述的一种燃料电池系统的寿命预测方法，其特征在于，所述步骤S4中所述预设阈值为出厂单片电压的80%或90%。
9.如权利要求7所述的一种燃料电池系统的寿命预测方法，其特征在于，所述步骤S5中以额定电流区间或平均电流区间下的预期寿命终止时间作为期望寿命。
10.一种燃料电池系统的维护方法，其特征在于，采用权利要求1-9任一项所述的燃料电池系统的寿命预测方法进行寿命预测，在达到期望寿命时，更换电压值在预设阈值以下的燃料电池单片。
CN202110202089.XA 2021-02-23 2021-02-23 一种燃料电池系统的寿命预测及维护方法 Active CN112563543B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110202089.XA CN112563543B (zh) 2021-02-23 2021-02-23 一种燃料电池系统的寿命预测及维护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110202089.XA CN112563543B (zh) 2021-02-23 2021-02-23 一种燃料电池系统的寿命预测及维护方法

Publications (2)

Publication Number Publication Date
CN112563543A true CN112563543A (zh) 2021-03-26
CN112563543B CN112563543B (zh) 2021-06-25

Family

ID=75034587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110202089.XA Active CN112563543B (zh) 2021-02-23 2021-02-23 一种燃料电池系统的寿命预测及维护方法

Country Status (1)

Country Link
CN (1) CN112563543B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114019392A (zh) * 2022-01-06 2022-02-08 苏州氢澜科技有限公司 一种燃料电池系统单片电压一致性和故障干预系统
CN114976130A (zh) * 2022-06-08 2022-08-30 中国第一汽车股份有限公司 一种车用燃料电池系统健康状态评价方法、系统、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100266919A1 (en) * 2004-08-06 2010-10-21 Sanyo Electric Co., Ltd. Fuel cell system
CN103698709A (zh) * 2013-12-11 2014-04-02 清华大学 一种燃料电池剩余寿命预测方法
CN106528951A (zh) * 2016-10-18 2017-03-22 张家港莫特普数据科技有限公司 一种动力电池寿命预测及安全预警的方法和装置
CN107765186A (zh) * 2017-10-20 2018-03-06 清华大学 燃料电池剩余寿命在线预报方法及装置
CN111880100A (zh) * 2020-08-07 2020-11-03 同济大学 基于自适应扩展卡尔曼滤波的燃料电池剩余寿命预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100266919A1 (en) * 2004-08-06 2010-10-21 Sanyo Electric Co., Ltd. Fuel cell system
CN103698709A (zh) * 2013-12-11 2014-04-02 清华大学 一种燃料电池剩余寿命预测方法
CN106528951A (zh) * 2016-10-18 2017-03-22 张家港莫特普数据科技有限公司 一种动力电池寿命预测及安全预警的方法和装置
CN107765186A (zh) * 2017-10-20 2018-03-06 清华大学 燃料电池剩余寿命在线预报方法及装置
CN111880100A (zh) * 2020-08-07 2020-11-03 同济大学 基于自适应扩展卡尔曼滤波的燃料电池剩余寿命预测方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114019392A (zh) * 2022-01-06 2022-02-08 苏州氢澜科技有限公司 一种燃料电池系统单片电压一致性和故障干预系统
CN114019392B (zh) * 2022-01-06 2022-04-08 苏州氢澜科技有限公司 一种燃料电池系统单片电压一致性和故障干预系统
CN114976130A (zh) * 2022-06-08 2022-08-30 中国第一汽车股份有限公司 一种车用燃料电池系统健康状态评价方法、系统、电子设备和存储介质

Also Published As

Publication number Publication date
CN112563543B (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN111146478B (zh) 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
CN112563543B (zh) 一种燃料电池系统的寿命预测及维护方法
Ma et al. A hybrid prognostic method for PEMFC with aging parameter prediction
Lamibrac et al. Experimental characterization of internal currents during the start-up of a proton exchange membrane fuel cell
CN111880100A (zh) 基于自适应扩展卡尔曼滤波的燃料电池剩余寿命预测方法
CN113406505A (zh) 一种燃料电池的剩余寿命预测方法及装置
CN112051511A (zh) 基于多通道技术的动力电池健康状态的估计方法及系统
CN114460445A (zh) 考虑老化阈值与寿命的变压器老化不可用率评估方法
CN106950507A (zh) 一种智能时钟电池用高可靠性寿命评估方法
US8280659B2 (en) Early detection of minimum cell voltage degradation of a fuel cell stack
CN114583221B (zh) 一种电堆衰减寿命的测算方法
CN116381541A (zh) 一种储能锂电池系统的健康评估方法及系统
Fornaro et al. Redox flow battery time‐varying parameter estimation based on high‐order sliding mode differentiators
CN116053531A (zh) 一种燃料电池堆健康状态的评估系统及方法
CN113791351B (zh) 基于迁移学习和差值概率分布的锂电池寿命预测方法
US20100114513A1 (en) Estimating minimum voltage of fuel cells
CN116819364A (zh) 电池健康度的确定方法、应用方法、电子设备及存储介质
Jacome et al. A review of model-based prognostic for proton exchange membrane fuel cell under automotive load cycling
KR20210008198A (ko) 발전용 연료전지의 막-전극 어셈블리 수명 예측 방법
CN116879781B (zh) 固体氧化物燃料电池电堆电化学性能的寿命预测方法
CN114137431A (zh) 一种适用于循环工况的燃料电池寿命预测方法
KR20120096615A (ko) 연료전지 스택의 촉매 열화 진단 방법
CN116953557B (zh) 燃料电池系统的电堆寿命预测方法、装置、云平台及介质
Wu et al. Methods for estimating the accumulated nitrogen concentration in anode of proton exchange membrane fuel cell stacks based on back propagation neural network
CN116879781A (zh) 固体氧化物燃料电池电堆电化学性能的寿命预测方法

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