CN112659927A - 车用燃料电池堆性能特征的确定方法、装置、设备和介质 - Google Patents
车用燃料电池堆性能特征的确定方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN112659927A CN112659927A CN202011075572.8A CN202011075572A CN112659927A CN 112659927 A CN112659927 A CN 112659927A CN 202011075572 A CN202011075572 A CN 202011075572A CN 112659927 A CN112659927 A CN 112659927A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- cell stack
- performance
- data
- time
- 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
Links
Images
Classifications
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/40—Application of hydrogen technology to transportation, e.g. using fuel cells
Landscapes
- Fuel Cell (AREA)
Abstract
本发明实施例公开了一种车用燃料电池堆性能特征的确定方法、装置、设备和存储介质。其中,一种车用燃料电池堆性能特征的确定方法包括:在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和燃料电池的上下电过程;根据性能数据的时间序列和燃料电池的上下电过程,统计设定运行时长内燃料电池堆的多个运行工况的数据;对性能数据的时间序列进行分析,得到设定运行时长内燃料电池堆的性能变化特征;根据燃料电池堆的多个运行工况的数据和性能变化特征,计算燃料电池堆在单一运行工况下的目标性能变化特征。本发明实施例无需进行单一运行工况下的试验模拟,整个过程耗时短,且计算消耗较小。
Description
技术领域
本发明实施例涉及燃料电池技术,尤其涉及车用燃料电池测试技术领域。
背景技术
燃料电池是一种新型能量转换装置,其在阳极和阴极分别消耗氢气和空气,将化学能直接转化为电能,广泛用于汽车、固定电站、便携式电源、潜艇和航天飞机等设备。
车用燃料电池堆的运行与输出性能是制约其商业化的技术挑战之一,若要加快车用燃料电池的商业化进程,则必须对车用燃料电池堆的性能衰减规律进行深入研究。现有技术一般采用试验建模或者预测的方法,估计车用燃料电池堆的性能衰减规律,这种方法非常耗时,对试验的消耗也十分巨大。
发明内容
本发明实施例提供一种车用燃料电池堆性能特征的确定方法、装置、设备和介质,以在实际道路运行条件下,计算单一运行工况下车用燃料电池的性能变化特征。
第一方面,本发明实施例提供了一种车用燃料电池堆性能特征的确定方法,包括:
在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程;
根据所述性能数据的时间序列和所述燃料电池的上下电过程,统计所述设定运行时长内所述燃料电池堆的多个运行工况的数据;
对所述性能数据的时间序列进行分析,得到所述设定运行时长内所述燃料电池堆的性能变化特征;
根据所述燃料电池堆的多个运行工况的数据和所述性能变化特征,计算所述燃料电池堆在单一运行工况下的目标性能变化特征。
第二方面,本发明实施例还提供了一种车用燃料电池堆性能特征的确定装置,包括:
获取模块,用于在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程;
统计模块,用于根据所述性能数据的时间序列和所述燃料电池的上下电过程,统计所述设定运行时长内所述燃料电池堆的多个运行工况的数据;
分析模块,用于对所述性能数据的时间序列进行分析,得到所述设定运行时长内所述燃料电池堆的性能变化特征;
计算模块,用于根据所述燃料电池堆的多个运行工况的数据和所述性能变化特征,计算所述燃料电池堆在单一运行工况下的目标性能变化特征。
第三方面,本发明实施例还提供了一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现任一实施例所述的车用燃料电池堆性能特征的确定方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行任一实施例所述的车用燃料电池堆性能特征的确定方法。
本实施例通过在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程,无需试验模拟的方式,能够简化操作,且提高准确性;通过根据所述性能数据的时间序列和所述燃料电池的上下电过程,统计所述设定运行时长内所述燃料电池堆的多个运行工况的数据,并分析得到燃料电池堆的性能变化特征,从运行工况和性能变化特征两方面对性能数据的进行分析挖掘;通过根据所述燃料电池堆的多个运行工况的数据和所述性能变化特征,计算所述燃料电池堆在单一运行工况下的目标性能变化特征,从而巧妙地通过数学解算的方式得到单一运行工况下的性能变化特征,无需进行单一运行工况下的试验模拟,整个过程耗时短,且计算消耗较小。
附图说明
图1是本发明实施例提供的第一种车用燃料电池堆性能特征的确定方法的流程图;
图2是本发明实施例提供的第二种车用燃料电池堆性能特征的确定方法的流程图;
图3a是本发明实施例提供的时间序列片段中剔除非稳态值的示意图;
图3b是本发明实施例提供的参考曲线和平移后的参考曲线的示意图;
图3c是本发明实施例提供的剔除野值后的时间序列片段的示意图;
图3d是本发明实施例提供的由时间序列片段转化为近稳态数据以及拟合为的极化曲线的示意图;
图3e是本发明实施例提供的集中典型的极化曲线的示意图;
图3f是本发明实施例提供的对电压值进行线性回归的示意图;
图4是本发明实施例提供的一种车用燃料电池堆性能特征的确定装置的结构示意图;
图5为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1是本发明实施例提供的第一种车用燃料电池堆性能特征的确定方法的流程图,本实施例可适用于在实际道路条件下,对单一运行工况下车用燃料电池性能变化特征进行分析的情况,该方法可以由车用燃料电池堆性能特征的确定装置来执行,该装置可由硬件和/或软件构成,并一般集成在电子设备中。如图1所示,具体包括如下步骤:
S110、在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程。
燃料电池汽车是以燃料电池堆为电源的汽车,燃料电池汽车在实际道路上运行过程中,实时获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程。设定运行时长可以根据实际需求设定,例如2小时或者3小时。
可选的,性能数据的时间序列包括但不限于输出电压的时间序列UFC(t)、输出电流的时间序列IFC(t)和燃料电池堆冷却液出口温度TFC(t)。
可选的,在燃料电池汽车在道路上运行过程中,通过与燃料电池汽车的远程通信链路,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程。通过远程通信链路,对一辆进行实际道路运行的燃料电池汽车进行了数据采集(采样频率0.5Hz),基于此,可以远程监控燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程。
S120、根据性能数据的时间序列和所述燃料电池的上下电过程,统计设定运行时长内燃料电池堆的多个运行工况的数据。
性能数据的时间序列反映燃料电池堆所处的运行工况。例如,稳态工况、开路工况、变载工况、启停工况和怠速工况等。在同一时刻燃料电池堆可能处于至少一个运行工况。
运行工况的数据包括时长和次数,根据运行工况的种类而不同,稳态工况的数据为稳态工况的时长,开路工况的数据为开路工况的次数等。
需要说明的是,本操作中多个运行工况的数据为设定运行时长内统计得到,例如,2小时内统计得到稳态工况1小时,开工工况4次,而不是与性能数据的时间序列对应的工况序列。通过统计运行工况的数据,可以从整体上体现燃料电池堆的状态,而不必关心运行工况的先后顺序和叠加情况(因为不同顺序和叠加情况并不会影响设定运行时长内的性能变化特征),极大地减少计算量。
S130、对性能数据的时间序列进行分析,得到设定运行时长内燃料电池堆的性能变化特征。
性能数据能够反映燃料电池堆性能的变化特征,例如性能衰减特征。示例性的,对性能数据的时间序列进行分析为绘制性能数据的极化曲线,分析极化曲线得到输出电压的衰减速率,具体将在下述实施例中详细说明。当然,性能数据的时间序列还可能反映其他性能变化特征,例如输出功率的衰减速率,此处不再说明。
S140、根据燃料电池堆的多个运行工况的数据和性能变化特征,计算燃料电池堆在单一运行工况下的目标性能变化特征。
性能变化特征是由多个运行工况的数据导致的,示例性的,2小时内由于燃料电池堆处于稳态工况1小时,开工工况4次,导致输出电压的衰减速率为A。在已知多个运行工况下的性能变化特征时,可以分解出单一运行工况下的性能变化特征。为了方便描述和区分,将单一运行工况下的性能变化特征成为目标性能变化特征。
本实施例通过在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程,无需试验模拟的方式,能够简化操作,且提高准确性;通过根据性能数据的时间序列和所述燃料电池的上下电过程,统计设定运行时长内燃料电池堆的多个运行工况的数据,并分析得到燃料电池堆的性能变化特征,从运行工况和性能变化特征两方面对性能数据的进行分析挖掘;通过根据燃料电池堆的多个运行工况的数据和性能变化特征,计算燃料电池堆在单一运行工况下的目标性能变化特征,从而巧妙地通过数学解算的方式得到单一运行工况下的性能变化特征,无需进行单一运行工况下的试验模拟,整个过程耗时短,且计算消耗较小。
在上述实施例和下述实施例中,根据燃料电池堆的多个运行工况的数据和性能变化特征,计算燃料电池堆在单一运行工况下的目标性能变化特征,包括:构建方程,并求解方程中的各自变量。其中,方程以各运行工况下的目标性能变化特征作为各自变量,以多个运行工况的数据作为对应运行工况下目标性能变化特征的权重,带有权重的各自变量相加得到性能变化特征。具体的,根据自变量的个数N确定方程个数,从而构建N个N元1次方程构成的方程组,成功求解出N个自变量。
具体的,假设定电流下的燃料电池堆电压随着运行时间的增加以速率M(V/h)线性衰减,假设不同运行工况对燃料电池堆性能衰减的影响是相互独立且可线性叠加的。假设启停工况导致的电压衰减速率为M1(V/cycle),稳态工况导致的电压衰减速率为M2(V/h),变载工况导致的电压衰减速率为M3(V/cycle),那么燃料电池堆在运行一段时间Tp(h)后的电压衰减量△V(V)可以表示为:
ΔV=MTp=M1n1+M2t2+M3n3; (1)
其中,n1为启停工况的次数(cycle),t2为运行时间Tp中的稳态工况的时长(h),n3为变载工况的次数(cycle)。上式中,M可以通过S130得到,n1、t2、n3可通过S120得到。那么,基于统计数据列举三元一次方程组(即获取3次设定运行时长内燃料电池堆性能数据的时间序列和上下电过程,并进行统计和分析)即可解得在设定运行时长Tp内,单一运行工况引起的燃料电池堆电压衰减速率。
示例性的,多个运行工况包括启停工况、稳态工况和变载工况。构建三元一次方程组。设在设定运行时长Tp内,假设由启停、稳态和变载工况引起的电压衰减速率(即目标性能变化特征)分别为M1、M2和M3。已知,统计得到设定运行时长内燃料电池堆处于启停工况1次,即n1,1=1,稳态工况1小时,即t2,1=1,变载工况1次,即n3,1=1,导致ΔV1电压衰减速率。另一次统计得到设定运行时长内燃料电池堆处于启停工况2次,即n1,2=2,稳态工况2小时,即t2,2=2,变载工况2次,即n3,2=2,导致ΔV2电压衰减速率。又一次统计得到设定运行时长内燃料电池堆处于启停工况3次,即n1,3=3,稳态工况3小时,即t2,3=3,变载工况3次,即n3,3=3,导致ΔV3电压衰减速率。
那么可以构建方程组为:
求解上述方程组,可得到在设定运行时长Tp内,由启停、稳态和变载工况导致的电压衰减速率分别为M1、M2和M3。
在上述实施例和下述实施例中,在根据燃料电池堆的多个运行工况的数据和性能变化特征,计算燃料电池堆在单一运行工况下的目标性能变化特征之后,还包括:根据燃料电池堆在单一运行工况下的目标性能变化特征,以及单一运行工况的运行时长或次数,计算单一运行工况对性能变化特征的贡献率。
性能变化特征是所有运行工况共同作用的结果,其中,各运行工况的次数可以是至少一次,时长不限。基于此,在得知总的性能变化特征的前提下,可以反向计算某运行时长或次数的单一运行工况对总的性能变化特征的贡献率,即影响程度。
接着公式(2),由单一运行工况造成的电压衰减速率与运行时间或次数,可求得各运行工况在设定运行时长内造成的电压衰减速率,进而得到启停、稳态和变载工况在设定运行时长内对电压衰减速率的贡献率c1、c2和c3:
图2是本发明实施例提供的第二种车用燃料电池堆性能特征的确定方法的流程图,本实施例对多个运行工况的数据统计过程进行优化,以及对性能变化特征的获得过程进行优化,具体包括以下操作:
S210、在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程。
本实施例中,性能数据的时间序列包括输出电压的时间序列和输出电流的时间序列。
S220、根据输出电压的时间序列计算电压响应速率,统计电压响应速率大于设定电压速率阈值的次数作为变载工况次数,以及统计电压响应速率小于等于设定电压速率的时长作为稳态工况时长。
车辆运行过程中,需经历频繁的加速、减速等工况,因此燃料电池堆的负荷产生相应的变化,电压随之在0.6~0.9V范围内频繁的变化。将一次完整电压响应速率作为区分燃料电池堆稳态工况和变载工况的临界值。电压响应速率大于vrmV/s时,则认为燃料电池堆经历了一次变载工况,反之则认为燃料电池堆处于稳态工况中。时,计入燃料电池堆经历变载工况一次;时,计入燃料电池堆稳态工况时长。
S230、统计输出电流为零同时输出电压在设定电压范围内的时长,作为开路工况时长。
S240、统计输出电流大于零同时输出电压在设定电压范围内的时长,作为怠速工况时长。
燃料电池堆在车辆启动或停车过程中,将会短暂处于开路状态,具体表现为输出电流为零而电压处于较高的范围(0.9~1.2V)中。另一方面车辆在怠速过程中,燃料电池堆会处于输出电流较低而电压较高(0.9~1.0V)的状态。
具体的,如果IFC(t)=0A且0.9V<UFC(t)<1.2V,计入燃料电池堆经历开路工况时长。如果IFC(t)>0A且0.9V<UFC(t)<1.0V,计入燃料电池堆经历怠速工况时长。
S250、根据所述燃料电池的上下电过程,统计所述设定运行时长内所述燃料电池堆的启停工况的次数。
启动和停机是车辆在使用阶段频繁出现的工况之一,本实施例以车辆完成一次完整的上电和下电(简称上下电)过程为准,记为一次启动和停机工况,即启停工况,从而得到设定运行时长内总的启停工况的次数。
S260、根据输出电压的时间序列和输出电流的时间序列,绘制设定运行时长内对应多个时间节点的多条极化曲线。
可选的,在绘制极化曲线之前,首先从输出电压的时间序列和输出电流的时间序列中提取适合拟合极化曲线的数据。具体的,对性能数据的时间序列进行拟合,得到穿过性能数据的时间序列的参考曲线;将参考曲线上下平移设定距离,得到两条平移后参考曲线;设定距离根据性能数据的时间序列的离散程度确定;从性能数据的时间序列中剔除不在平移后参考曲线之间的数据,并采用剩余的数据绘制设定运行时长内对应多个时间节点的多条极化曲线。
在一具体实施方式中,参考试验室条件下的稳态极化曲线测试,将燃料电池堆每次长时间停放再启动后运行1小时(h)的过程比作燃料电池堆的活化过程,将运行第2至3h的时间序列作为性能分析样本,即每条极化曲线需要采用2小时的时间序列。若燃料电池堆启动时刻为ts,则活化过程为ts至ts+1h;提取ts+1h至ts+2h的时间序列作为一个时间序列片段。
然后,剔除时间序列片段中的非稳态值,本部分的目的是得到原始时间序列中的近稳态数据,为下一步的极化曲线拟合做准备。具体的,性能数据的时间序列还包括燃料电池堆冷却水出口温度的时间序列。对时间序列中不满足工作温度要求的非稳态值进行剔除。车用燃料电池堆的额定工作温度为tFC℃,但是由于车辆工况的复杂,实际运行中冷却水出口的温度大部分处于tFC±10℃范围内。因此,将燃料电池堆冷却水出口温度不处于上述范围内的非稳态点剔除。稳态条件下,燃料电池堆的平均单片开路电压一般处于0.9V至1.0V之间。因此,再将燃料电池堆在开路状态下平均单片电压大于1.0V的非稳态点剔除。
具体而言,剔除时间序列中不满足温度要求的非稳态值,即剔除tFC-10℃<TFC<tFC+10℃的数据;剔除非稳态开路电压,即剔除IFC(t)=0A时,UFC(t)>1.0V的数据。
进一步的,剔除时间序列中的野值。以式(6)为模型,对剔除非稳态值的时间序列片段进行拟合,得到穿过该时间序列片段的参考曲线。
其中,EOCV为开路电压的拟合参数(V);b表示Tafel斜率的拟合参数(V/decade);iloss为内部损失电流密度的拟合参数(Acm-2);R为欧姆阻值的拟合参数(Ω·cm2)。
根据时间序列的离散程度,选择适当的设定距离Vp,将参考曲线上下平移设定距离,可得到两条平移后的参考曲线:
从性能数据的时间序列中剔除不在平移后参考曲线之间的数据(野值),并采用剩余的数据绘制设定运行时长内对应多个时间节点的多条极化曲线,以降低非稳态值对后续极化曲线拟合精度的影响。
在采用剩余的数据绘制极化曲线时,对于代表任一时间节点的一组性能数据的时间序列片段而言,在某一指定的输出电流下,相应地存在不同的燃料电池输出电压。按照稳态极化曲线测试的处理方法,即计算电流密度下对应的所有电压的平均值,进而可以得到某一指定输出电流下的唯一一个输出电压值。
具体的,对于代表时间节点tp的时间序列片段中,当电流为ix时,存在着多个电压UFC(t1)、UFC(t2)……UFC(tn),则通过计算得到ix对应的电压值为:
然后,对近稳态极化曲线数据样本(i1,u1)、(i2,u2),...,(ix,ux)应用下述半经验模型进行拟合,得到对应时间节点tp的近稳态极化曲线Ecell,p(i)。
在设定运行时长中,选取每经历一次停机再启动后的第2小时作为一个时间节点(共p个节点),可得到每个时间节点的拟合极化曲线Ecell,1(i)、Ecell,2(i)、Ecell,3(i)……Ecell,p(i),进而对燃料电池堆的性能随运行时间的变化规律进行分析。
S270、在多条极化曲线上选取额定输出电流对应的输出电压的时间序列。
S280、对额定输出电流对应的输出电压的时间序列进行线性回归分析,得到电压衰减速率作为性能变化特征。
在得到对应多个时间节点的多条极化曲线之后,进行额定功率点的电压衰减特征分析。
具体的,在额定电流点ix下,可分别在p条极化曲线上提取p个电压值,即u1、u2,...,up。对设定运行时长内的p个电压值进行线性回归分析,得到:
u(t)=M*t+b; (11)
其中,M则为设定运行时长内燃料电池堆的电压衰减速率,单位为μV/h。
S290、根据燃料电池堆的多个运行工况的数据和性能变化特征,计算燃料电池堆在单一运行工况下的目标性能变化特征。
本实施例提出了基于燃料电池汽车实际道路运行过程中的大量离散的性能数据,进行燃料电池堆性能衰减的分析方法,为燃料电池汽车大规模示范运行中的性能分析提供了解决方案;结合传统的机械疲劳损伤理论,基于运行工况统计及电压衰减规律,通过本方法可得到单一运行工况(启停、稳态、变载)下燃料电池堆电压衰减特征。
下面通过一具体应用场景详细描述本发明实施例提供的车用燃料电池堆性能特征的确定方法,本实施例对上述各实施例进行结合,细化并补充了一些技术细节,其中未详尽之处可参考上述各实施例的描述。
(步骤1)基于与实际道路运行的燃料电池汽车的远程通信链路,对燃料电池汽车进行性能数据的采集(采样频率0.5Hz),采集参数包括:燃料电池堆输出电压的时间序列UFC(t)、燃料电池堆输出电流的时间序列IFC(t)和燃料电池堆冷却液出口温度的时间序列TFC(t),还包括燃料电池的上下电过程。
(步骤2)根据性能数据的时间序列和所述燃料电池的上下电过程,统计设定运行时长内燃料电池堆的多个运行工况的数据。
(步骤2.1)累计运行时间。
首先按照下述方法对不应计入累计运行时间的数据进行剔除:1)剔除电流密度异常点,如电流过大、电流为负等情况,即剔除IFC(t)过大及IFC(t)<0的异常点;2)剔除在启停过程中,电流密度为0但平均单片开路电压小于0.9V的点,即剔除IFC(t)=0A时UFC(t)<0.9V的数据。经统计得到,燃料电池堆累计运行时间为519.5h。
(步骤2.2)启停工况。
以车辆完成一次完整的上电或下电过程为准,记为一次启动或停机工况。统计得到,燃料电池堆累计启动和停机190次。
(步骤2.3)稳态工况和变载工况,详见S220处的记载,此处不再赘述。
统计得到,燃料电池堆累计经历了21797次变载工况以及472.7h的稳态工况时长。
(步骤2.4)开路工况和怠速工况,详见S230和S240处的记载,此处不再赘述。
统计得到,燃料电池堆累计经历了开路工况时长8.49h和怠速工况时长0.42h。
(步骤3)燃料电池堆极化曲线拟合所需数据的提取操作。
(步骤3.1)提取时间序列片段。
燃料电池堆累计运行时间为519.5h,其中第15h燃料电池堆完成一次启动,那么,燃料电池堆启动时刻为第15h,则活化过程为第15h至16h;提取16h至18h的数据作为一个时间序列片段,表征燃料电池堆运行至第17h的性能数据。
(步骤3.2)剔除时间序列片段中的非稳态值。
在完成步骤3.1后,进行以下操作:1)剔除时间序列片段中不满足温度要求的非稳态值,燃料电池堆额定工作温度为55℃,所以剔除45℃<TFC<55℃的数据;2)剔除时间序列片段中非稳态开路电压,即剔除IFC(t)=0A时,UFC(t)>1.0V的数据。完成步骤3.2后,图3a示出了时间序列片段中剔除非稳态值的示意图。
(步骤3.3)剔除时间序列片段中的野值。
参见式(6),对剔除非稳态值的时间序列片段进行拟合,得到穿过该时间序列片段的参考曲线。图3b中中间实线为参考曲线。然后根据时间序列片段的离散情况,选择适当的偏移量,将参考曲线上下平移,可得到两条平移后的参考曲线,如图3b中实线上方和下方的虚线所示。
从时间序列片段中剔除不在平移后参考曲线之间的数据(野值),剔除后的时间序列片段如图3c所示。
(步骤4)绘制设定运行时长内对应多个时间节点的多条极化曲线。
(步骤4.1)时间序列片段转化为近稳态数据。
完成步骤3后,对于代表第17h的燃料电池极化曲线数据,在某一指定的输出电流下,相应地存在不同的燃料电池输出电压,如图3c所示。按照稳态极化曲线测试的处理方法,参考式(9)计算电流密度下对应的所有电压的平均值,进而可以得到某一指定输出电流下的唯一一个电压值。计算后的结果如图3d中各离散点所示。
(步骤4.2)应用半经验模型拟合极化曲线。
完成步骤4.1后,应用下式对近稳态极化曲线数据样本进行拟合,得到对应时间节点tp的近稳态极化曲线Ecell,p(i),如图3d中所示实线。
(步骤5)燃料电池堆的性能衰减特征分析。
(步骤5.1)绘制不同时间节点的极化曲线。
按照步骤3、4的极化曲线数据提取及拟合方法,在总运行时间519.5h中,选取每经历一次停机再启动后的第2小时作为一个时间节点(共92个节点),可得到每个节点的拟合极化曲线Ecell,1(i)、Ecell,2(i)、Ecell,3(i),…,Ecell,92(i),进而对燃料电池堆的性能随运行时间的变化特征进行分析,图3e示出了几条典型的极化曲线。
(步骤5.2)额定功率点的电压衰减特征分析。
完成步骤5.1后,得到92条极化曲线(对应92个时间节点);在额定电流点0.30Acm-2下,可在92条极化曲线上提取92个电压值。对总运行时间519.5内的92个电压值进行线性回归分析,得到如下算式,如图3f所示:
u=-6.7388E-5*t+0.6785; (13)
完成步骤5.2,得到在累计运行时间中,燃料电池堆额定功率点的电压衰减速率为67.68μV/h,衰减幅度达到8.47%。
(步骤6)单一运行工况下燃料电池堆的性能衰减特征分析
由步骤2得到了燃料电池堆的运行工况统计特征,由步骤3、4、5得到了燃料电池堆的电压衰减特征,在此基础上。参考式(1)~式(5)进行单一运行工况下燃料电池堆的性能衰减特征分析,以及由单一工况衰减速率与工况运行时间或次数可求得各工况在累计运行时间内引起的电压衰减量,进而得到启停、稳态和变载工况在累计运行时间内的性能衰减贡献率c1、c2和c3。
图4是本发明实施例提供的一种车用燃料电池堆性能特征的确定装置的结构示意图,适用于在实际道路条件下,对单一运行工况下车用燃料电池性能变化特征进行分析的情况,该装置400具体包括:获取模块401、统计模块402、分析模块403和计算模块404。
获取模块401,用于在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程;
统计模块402,用于根据性能数据的时间序列和所述燃料电池的上下电过程,统计设定运行时长内燃料电池堆的多个运行工况的数据;
分析模块403,用于对性能数据的时间序列进行分析,得到设定运行时长内燃料电池堆的性能变化特征;
计算模块404,用于根据燃料电池堆的多个运行工况的数据和性能变化特征,计算燃料电池堆在单一运行工况下的目标性能变化特征。
本实施例通过在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程,无需试验模拟的方式,能够简化操作,且提高准确性;通过根据性能数据的时间序列和所述燃料电池的上下电过程,统计设定运行时长内燃料电池堆的多个运行工况的数据,并分析得到燃料电池堆的性能变化特征,从运行工况和性能变化特征两方面对性能数据的进行分析挖掘;通过根据燃料电池堆的多个运行工况的数据和性能变化特征,计算燃料电池堆在单一运行工况下的目标性能变化特征,从而巧妙地通过数学解算的方式得到单一运行工况下的性能变化特征,无需进行单一运行工况下的试验模拟,整个过程耗时短,且计算消耗较小。
可选的,计算模块404具体用于构建方程,并求解方程中的各自变量。其中,方程以各运行工况下的目标性能变化特征作为各自变量,以多个运行工况的数据作为对应运行工况下目标性能变化特征的权重,带有权重的各自变量相加得到性能变化特征。
可选的,获取模块401,具体用于在燃料电池汽车在道路上运行过程中,通过与燃料电池汽车的远程通信链路,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程。
可选的,性能数据的时间序列包括输出电压的时间序列和输出电流的时间序列。
相应的,统计模块402包括变载稳态统计单元,用于根据输出电压的时间序列计算电压响应速率,统计电压响应速率大于设定电压速率阈值的次数作为变载工况次数,以及统计电压响应速率小于等于设定电压速率的时长作为稳态工况时长;开路统计单元,用于统计输出电流为零同时输出电压在设定电压范围内的时长,作为开路工况时长;怠速统计单元,用于统计输出电流大于零同时输出电压在设定电压范围内的时长,作为怠速工况时长;启停工况统计单元,用于根据所述燃料电池的上下电过程,统计所述设定运行时长内所述燃料电池堆的启停工况的次数。
可选的,性能数据的时间序列包括输出电压的时间序列和输出电流的时间序列;分析模块403包括绘制单元,用于根据输出电压的时间序列和输出电流的时间序列,绘制设定运行时长内对应多个时间节点的多条极化曲线;选取单元,用于在多条极化曲线上选取额定输出电流对应的输出电压的时间序列;回归分析单元,用于对额定输出电流对应的输出电压的时间序列进行线性回归分析,得到电压衰减速率作为性能变化特征。
可选的,绘制单元具体用于对性能数据的时间序列进行拟合,得到穿过性能数据的时间序列的参考曲线;将参考曲线上下平移设定距离,得到两条平移后参考曲线;设定距离根据性能数据的时间序列的离散程度确定;从性能数据的时间序列中剔除不在平移后参考曲线之间的数据,并采用剩余的数据绘制设定运行时长内对应多个时间节点的多条极化曲线。
可选的,该装置还包括贡献率计算单元,用于在根据燃料电池堆的多个运行工况的数据和性能变化特征,计算燃料电池堆在单一运行工况下的目标性能变化特征之后,根据燃料电池堆在单一运行工况下的目标性能变化特征,以及单一运行工况的运行时长或次数,计算单一运行工况对性能变化特征的贡献率。
本发明实施例所提供的车用燃料电池堆性能特征的确定装置可执行本发明任意实施例所提供的车用燃料电池堆性能特征的确定方法,具备执行方法相应的功能模块和有益效果。
图5为本发明实施例提供的一种电子设备的结构示意图,如图5所示,该设备包括处理器50、存储器51、输入装置52和输出装置53;设备中处理器50的数量可以是一个或多个,图5中以一个处理器50为例;设备中的处理器50、存储器51、输入装置52和输出装置53可以通过总线或其他方式连接,图5中以通过总线连接为例。
存储器51作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的车用燃料电池堆性能特征的确定方法对应的程序指令/模块(例如,车用燃料电池堆性能特征的确定装置中的获取模块401、统计模块402、分析模块403和计算模块404)。处理器50通过运行存储在存储器51中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的车用燃料电池堆性能特征的确定方法。
存储器51可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器51可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器51可进一步包括相对于处理器50远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置52可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置53可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种车用燃料电池堆性能特征的确定方法,该方法包括:
在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程;
根据所述性能数据的时间序列和所述燃料电池的上下电过程,统计所述设定运行时长内所述燃料电池堆的多个运行工况的数据;
对所述性能数据的时间序列进行分析,得到所述设定运行时长内所述燃料电池堆的性能变化特征;
根据所述燃料电池堆的多个运行工况的数据和所述性能变化特征,计算所述燃料电池堆在单一运行工况下的目标性能变化特征。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本发明任意实施例所提供的车用燃料电池堆性能特征的确定方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
值得注意的是,上述车用燃料电池堆性能特征的确定装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种车用燃料电池堆性能特征的确定方法,其特征在于,包括:
在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程;
根据所述性能数据的时间序列和所述燃料电池的上下电过程,统计所述设定运行时长内所述燃料电池堆的多个运行工况的数据;
对所述性能数据的时间序列进行分析,得到所述设定运行时长内所述燃料电池堆的性能变化特征;
根据所述燃料电池堆的多个运行工况的数据和所述性能变化特征,计算所述燃料电池堆在单一运行工况下的目标性能变化特征。
2.根据权利要求1所述的方法,其特征在于,所述根据所述燃料电池堆的多个运行工况的数据和所述性能变化特征,计算所述燃料电池堆在单一运行工况下的目标性能变化特征,包括:
构建方程,并求解所述方程中的各自变量。
其中,所述方程以各运行工况下的目标性能变化特征作为各自变量,以多个运行工况的数据作为对应运行工况下目标性能变化特征的权重,带有权重的各自变量相加得到所述性能变化特征。
3.根据权利要求1所述的方法,其特征在于,所述在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程,包括:
在燃料电池汽车在道路上运行过程中,通过与所述燃料电池汽车的远程通信链路,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程。
4.根据权利要求1所述的方法,其特征在于,所述性能数据的时间序列包括输出电压的时间序列和输出电流的时间序列;
所述根据所述性能数据的时间序列和所述燃料电池的上下电过程,统计所述设定运行时长内所述燃料电池堆的多个运行工况的数据,包括:
根据所述输出电压的时间序列计算电压响应速率,统计所述电压响应速率大于设定电压速率阈值的次数作为变载工况次数,以及统计所述电压响应速率小于等于所述设定电压速率的时长作为稳态工况时长;
统计所述输出电流为零同时所述输出电压在设定电压范围内的时长,作为开路工况时长;
统计所述输出电流大于零同时所述输出电压在设定电压范围内的时长,作为怠速工况时长;
根据所述燃料电池的上下电过程,统计所述设定运行时长内所述燃料电池堆的启停工况的次数。
5.根据权利要求1所述的方法,其特征在于,所述性能数据的时间序列包括输出电压的时间序列和输出电流的时间序列;
所述对所述性能数据的时间序列进行分析,得到所述设定运行时长内所述燃料电池堆的性能变化特征,包括:
根据所述输出电压的时间序列和输出电流的时间序列,绘制所述设定运行时长内对应多个时间节点的多条极化曲线;
在多条极化曲线上选取额定输出电流对应的输出电压的时间序列;
对所述额定输出电流对应的输出电压的时间序列进行线性回归分析,得到电压衰减速率作为性能变化特征。
6.根据权利要求5所述的方法,其特征在于,所述根据所述输出电压的时间序列和输出电流的时间序列,绘制所述设定运行时长内对应多个时间节点的多条极化曲线,包括:
对所述性能数据的时间序列进行拟合,得到穿过所述性能数据的时间序列的参考曲线;
将所述参考曲线上下平移设定距离,得到两条平移后参考曲线;所述设定距离根据所述性能数据的时间序列的离散程度确定;
从所述性能数据的时间序列中剔除不在所述平移后参考曲线之间的数据,并采用剩余的数据绘制所述设定运行时长内对应多个时间节点的多条极化曲线。
7.根据权利要求1-6任一项所述的方法,其特征在于,在所述根据所述燃料电池堆的多个运行工况的数据和所述性能变化特征,计算所述燃料电池堆在单一运行工况下的目标性能变化特征之后,还包括:
根据所述燃料电池堆在单一运行工况下的目标性能变化特征,以及所述单一运行工况的运行时长或次数,计算所述单一运行工况对所述性能变化特征的贡献率。
8.一种车用燃料电池堆性能特征的确定装置,其特征在于,包括:
获取模块,用于在燃料电池汽车在道路上运行过程中,获取设定运行时长内燃料电池堆性能数据的时间序列和所述燃料电池的上下电过程;
统计模块,用于根据所述性能数据的时间序列和所述燃料电池的上下电过程,统计所述设定运行时长内所述燃料电池堆的多个运行工况的数据;
分析模块,用于对所述性能数据的时间序列进行分析,得到所述设定运行时长内所述燃料电池堆的性能变化特征;
计算模块,用于根据所述燃料电池堆的多个运行工况的数据和所述性能变化特征,计算所述燃料电池堆在单一运行工况下的目标性能变化特征。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的车用燃料电池堆性能特征的确定方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的车用燃料电池堆性能特征的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011075572.8A CN112659927B (zh) | 2020-10-14 | 2020-10-14 | 车用燃料电池堆性能特征的确定方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011075572.8A CN112659927B (zh) | 2020-10-14 | 2020-10-14 | 车用燃料电池堆性能特征的确定方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112659927A true CN112659927A (zh) | 2021-04-16 |
CN112659927B CN112659927B (zh) | 2022-10-25 |
Family
ID=75403995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011075572.8A Active CN112659927B (zh) | 2020-10-14 | 2020-10-14 | 车用燃料电池堆性能特征的确定方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112659927B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113671386A (zh) * | 2021-07-29 | 2021-11-19 | 东风汽车集团股份有限公司 | 一种氢燃料电池耐久性能分析方法及装置 |
CN114759227A (zh) * | 2022-05-07 | 2022-07-15 | 中国第一汽车股份有限公司 | 燃料电池性能衰减的确定方法以及确定装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080241619A1 (en) * | 2007-03-27 | 2008-10-02 | Norihiro Tomimatsu | Fuel cell apparatus |
CN103682397A (zh) * | 2012-09-12 | 2014-03-26 | 成都天宇创新科技有限公司 | 用于钒电池的单电池均衡器 |
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 |
CN105966255A (zh) * | 2016-05-10 | 2016-09-28 | 清华大学 | 一种车用燃料电池系统的输出功率控制方法 |
US20170077535A1 (en) * | 2015-09-14 | 2017-03-16 | Bloom Energy Corporation | Electrochemical impedance spectroscopy ("eis") analyzer and method of using thereof |
CN107618519A (zh) * | 2017-08-18 | 2018-01-23 | 西南交通大学 | 一种燃料电池混合动力有轨电车参数匹配联合优化方法 |
CN108155404A (zh) * | 2016-12-05 | 2018-06-12 | 中国科学院大连化学物理研究所 | 一种便携式固体氧化物燃料电池发电装置及其控制方法 |
-
2020
- 2020-10-14 CN CN202011075572.8A patent/CN112659927B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080241619A1 (en) * | 2007-03-27 | 2008-10-02 | Norihiro Tomimatsu | Fuel cell apparatus |
CN103682397A (zh) * | 2012-09-12 | 2014-03-26 | 成都天宇创新科技有限公司 | 用于钒电池的单电池均衡器 |
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 |
US20170077535A1 (en) * | 2015-09-14 | 2017-03-16 | Bloom Energy Corporation | Electrochemical impedance spectroscopy ("eis") analyzer and method of using thereof |
CN105966255A (zh) * | 2016-05-10 | 2016-09-28 | 清华大学 | 一种车用燃料电池系统的输出功率控制方法 |
CN108155404A (zh) * | 2016-12-05 | 2018-06-12 | 中国科学院大连化学物理研究所 | 一种便携式固体氧化物燃料电池发电装置及其控制方法 |
CN107618519A (zh) * | 2017-08-18 | 2018-01-23 | 西南交通大学 | 一种燃料电池混合动力有轨电车参数匹配联合优化方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113671386A (zh) * | 2021-07-29 | 2021-11-19 | 东风汽车集团股份有限公司 | 一种氢燃料电池耐久性能分析方法及装置 |
CN113671386B (zh) * | 2021-07-29 | 2023-09-26 | 东风汽车集团股份有限公司 | 一种氢燃料电池耐久性能分析方法及装置 |
CN114759227A (zh) * | 2022-05-07 | 2022-07-15 | 中国第一汽车股份有限公司 | 燃料电池性能衰减的确定方法以及确定装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112659927B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tagade et al. | Deep Gaussian process regression for lithium-ion battery health prognosis and degradation mode diagnosis | |
Stroe et al. | Accelerated lifetime testing methodology for lifetime estimation of lithium-ion batteries used in augmented wind power plants | |
CN107957562B (zh) | 一种锂离子电池剩余寿命在线预测方法 | |
CN110990159A (zh) | 一种基于历史数据分析的容器云平台资源配额预测方法 | |
CN112659927B (zh) | 车用燃料电池堆性能特征的确定方法、装置、设备和介质 | |
CN112834945A (zh) | 评估模型建立方法、电池健康状态评估方法及相关产品 | |
CN110598300A (zh) | 一种电池soh预测方法及装置 | |
CN115114878B (zh) | 一种储能电站电池寿命在线预测方法、装置及存储介质 | |
CN112666480A (zh) | 一种基于充电过程特征注意力的电池寿命预测方法 | |
Ting et al. | State-of-Charge for Battery Management System via Kalman Filter. | |
Su et al. | Prediction of remaining useful life for lithium-ion battery with multiple health indicators | |
CN103607494A (zh) | 一种分时段自动化测试终端续航时间的方法及终端 | |
US20240110986A1 (en) | Method and system for identifying electrochemical model parameters based on capacity change rate | |
Chang et al. | Lithium-ion battery state of health estimation based on electrochemical impedance spectroscopy and cuckoo search algorithm optimized elman neural network | |
CN115308608A (zh) | 一种全钒液流电池电压预测方法、装置及介质 | |
CN114609523A (zh) | 一种电池容量的在线检测方法、电子设备及存储介质 | |
CN114388855B (zh) | 一种燃料电池寿命预测方法 | |
CN112084459A (zh) | 电池充放电循环寿命的预测方法、装置、电子终端、及存储介质 | |
CN112731160A (zh) | 电池滞回模型训练方法、估算电池soc的方法和装置 | |
CN116930769A (zh) | 一种基于双向生成式对抗神经网络的锂电池建模方法 | |
Huang et al. | Prediction of remaining useful life of lithium-ion battery based on UKF | |
CN110632519A (zh) | 燃料电池故障诊断方法和装置 | |
CN106529805B (zh) | 一种基于发电机重要度的发电系统可靠性评估方法 | |
CN116128690A (zh) | 一种碳排放量成本值计算方法、装置、设备及介质 | |
CN116435556A (zh) | 氢燃料电池的排水控制方法、装置、设备及介质 |
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 |