CN112784216B - 一种质子交换膜燃料电池系统的健康度评估方法及系统 - Google Patents

一种质子交换膜燃料电池系统的健康度评估方法及系统 Download PDF

Info

Publication number
CN112784216B
CN112784216B CN202110104451.XA CN202110104451A CN112784216B CN 112784216 B CN112784216 B CN 112784216B CN 202110104451 A CN202110104451 A CN 202110104451A CN 112784216 B CN112784216 B CN 112784216B
Authority
CN
China
Prior art keywords
parameter
health
weight
fuel cell
health degree
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.)
Active
Application number
CN202110104451.XA
Other languages
English (en)
Other versions
CN112784216A (zh
Inventor
周蕾
张海波
袁斌
潘建欣
王振
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.)
Wuhan Institute of Marine Electric Propulsion China Shipbuilding Industry Corp No 712 Institute CSIC
Original Assignee
Wuhan Institute of Marine Electric Propulsion China Shipbuilding Industry Corp No 712 Institute CSIC
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 Wuhan Institute of Marine Electric Propulsion China Shipbuilding Industry Corp No 712 Institute CSIC filed Critical Wuhan Institute of Marine Electric Propulsion China Shipbuilding Industry Corp No 712 Institute CSIC
Priority to CN202110104451.XA priority Critical patent/CN112784216B/zh
Publication of CN112784216A publication Critical patent/CN112784216A/zh
Application granted granted Critical
Publication of CN112784216B publication Critical patent/CN112784216B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • 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)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • Algebra (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Fuel Cell (AREA)

Abstract

本发明公开了一种质子交换膜燃料电池系统的健康度评估方法，系统正常运行时采集系统操作参数样本，确定其上下限和标准值，对待评估的一组参数进行归一化处理，根据归一化值计算每个参数的健康状态隶属度，分析法标定系统参数的融合权重，对多个操作参数的健康状况进行融合，得出系统健康度评估结果。本发明方法能够综合全面地考虑燃料电池系统运行条件的多个参数，明确各参数对系统健康度的整体影响，为系统健康度提升提供改进方向；能对参数权重作出合理的标定，有利于提高评估系统的准确性和可靠性；系统能够在燃料电池系统正常运行时根据传感器测量参数实时地对系统健康度作出综合评估，为系统故障提供预警，从而避免和减轻严重的设备损坏。

Description

一种质子交换膜燃料电池系统的健康度评估方法及系统
技术领域
本发明属于设备健康度评估技术领域，具体涉及一种质子交换膜燃料电池系统正常运行状态下的健康度评估方法及系统。
背景技术
质子交换膜燃料电池系统是一种将自身携带氢燃料与氧化剂中的化学能经电化学反应方式直接转化为电能的发电装置，具有能量转化效率高、能量密度高、振动噪声低和零排放的特点。因此，燃料电池被认为是21世纪能源技术开发的热点。
燃料电池从零部件到模块的设计、制造、安装成本都颇高，在运行时需要监控系统各项参数，避免设备故障的发生。因此，有必要对燃料电池系统进行健康度评价的研究，实现对故障的早期预警，从而避免和减轻严重的设备损坏，降低运行与维护费用，提高燃料电池系统运行的安全性和可靠性。健康度是通过综合分析燃料电池系统运行中各种参数的水平得到的评估值，其值是对燃料电池系统健康状态的综合度量。
燃料电池系统电性能的直观体现即为输出电压和电流，而影响系统性能的操作参数包括氢气、空气温度、压力和过量系数，冷却水温度、压力和流量，氢气、空气湿度等多个因素。这些因素作为评估燃料电池系统健康度的考虑因子，需要分析其权重。
确定权重系数的方法分为主观赋权法和客观赋权法，主观赋权法是基于决策者的经验或偏好，包括专家咨询法、层次分析法等，虽然这些方法能一定程度上体现专家的经验信息，但是主观性较强，忽略了实际数据的信息，稳定性不佳；客观赋权法是从实际数据出发，利用试验数据等信息确定权重的一种方法，但是该方法忽视了指标参数的相关性与变异性，而且各种客观赋权方法原理迥异，赋权结果相差较大，评价并不可靠。
目前，燃料电池系统健康度评估时考虑的因素单一或者不全，仅使用电压或电流参数表征系统健康度不能为系统健康状态提供改进方向；各个监控参数的权重值过于主观或者客观，不能用于综合全面地评估燃料电池系统的健康度。
发明内容
针对上述问题，本发明的目的之一是提供一种燃料电池系统正常运行时综合考虑各种操作参数的健康状况和其权重的健康度评估方法。
本发明解决其技术问题所采用的技术方案是：一种质子交换膜燃料电池系统的健康度评估方法，包括以下步骤：
步骤一，在燃料电池系统输出电性能正常的情况下，确定影响系统健康度的操作参数共n个；
燃料电池系统以恒定功率运行时，采集试验数据中各操作参数样本，确定样本参数范围[Ril，Riu]和样本标准值Ris(i＝1，2，3，…，n)；
步骤二，对表征操作参数健康状态的试验数据进行归一化处理：假设某一时刻第i个操作参数采集值为Xi，其归一化值为ωi(i＝1，2，3，…，n)；
步骤三，将单个操作参数的健康状况分为优、良、中、差四个等级，根据每个操作参数的归一化值，计算单个操作参数的健康状态隶属度A(ωi)；
步骤四，标定每个操作参数的权重值：主观因素采用层次分析法得到权重向量λ1，客观因素考虑参数健康状况和系统输出电性能对参数的敏感度，分别得到权重向量λ2和λ3，对主观因素和客观因素的权重进行融合得到融合权重向量λt；
步骤五，按照加权平均型模糊合成方法对多个操作参数的健康状况进行融合，计算出系统健康度评估模糊集H；分析评价结果H，可以得到燃料电池系统实时健康状况。
其中，所述的步骤一中确定影响系统输出电性能的操作参数分为四类，即温度、压力、流量和湿度；其中温度操作参数包括：氢气入口温度、空气入口温度、冷却水入口温度、冷却水出口温度、环境温度等；压力操作参数包括：氢气入口压力、空气入口压力、冷却水入口压力、氢气出口压力、空气出口压力等；流量操作参数包括：氢气过量系数、空气过量系数、冷却水流量等；湿度操作参数包括：氢气湿度和空气湿度等。
其中，所述的步骤二中归一化值根据如下公式产生：
Figure BDA0002917291310000031
其中，所述的步骤三中隶属度函数采用三角形分布和梯形分布相结合的方式，模糊分界线从高至低设为L1、L2、L3、L4，单个评价参数健康状态隶属度根据如下公式产生：
Figure BDA0002917291310000032
从而得到第i个操作参数的健康状态隶属度[A优(ωi)A良(ωi)A中(ωi)A差(ωi)]，其中i＝1，2，3，…，n。
其中，所述的步骤四中的层次分析法是将燃料电池系统输出电压或电流作为最高层，将温度、压力、流量和湿度作为中间层，将氢气入口温度、空气入口温度、冷却水入口温度、冷却水出口温度、氢气入口压力、空气入口压力、冷却水入口压力、氢气出口压力、空气出口压力、氢气过量系数、空气过量系数、冷却水流量、氢气湿度和空气湿度等操作参数作为最底层，构建各层的判断矩阵，求出最大特征根以及所对应的特征向量，进行一致性检验判断矩阵是否符合一致性要求；特征向量归一化后得到的各个分量就是该层各个元素的单排序权重向量，根据各层单排序权重向量可得底层指标权重向量λ1。
其中，所述的步骤四中参数健康状况分析法根据某一时刻第i个操作参数的ωi值来确定各个参数的权重，计算公式如下：
Figure BDA0002917291310000041
计算出的hi即为每个操作参数的权重，通过归一化后得到参数权重向量λ2。
其中，所述的步骤四中敏感度分析法用电压相对变化率与各参数相对变化率的比值来衡量各个参数的权重，计算公式如下：
Figure BDA0002917291310000042
计算出的si即为每个参数的权重，通过归一化后得到参数权重向量λ3。
其中，所述的步骤四中按照加权平方和平均法确定λ1、λ2和λ3的融合权重λt；假设融合权重为λt，取最优化准则为：
Figure BDA0002917291310000051
则有
Figure BDA0002917291310000052
求得
Figure BDA0002917291310000053
其中i＝1，2，3，…，n。
其中，所述的步骤五中模糊集H根据如下公式产生：
Figure BDA0002917291310000054
本发明的目的之二是提供一种质子交换膜燃料电池系统的健康度评估系统，包括：试验数据采集模块，用于实时地采集燃料电池系统正常运行过程中的n个操作参数数据，输出每一时刻各参数采集数据；单一参数健康度评估模块，用于评估单个操作参数的健康状况，步骤包括：确定单个参数上下限和标准值、采集数据归一化处理和健康度隶属度确立，输出n个参数的健康度隶属度矩阵；系统参数权重标定模块，用于标定每个操作参数的权重值，考虑主观层次分析法和客观参数健康状况分析法、敏感度分析法，采用加权平方和平均法对主客观权重进行融合，输出系统参数权重向量；系统健康度评估模块，用于对n个参数的健康状况进行融合，采用加权平均型模糊合成方法，输出系统健康度评估结果模糊集；所述的试验数据采集模块、单一参数健康度评估模块、系统参数权重标定模块和系统健康度评估模块顺序连接。
本发明的有益效果在于：
本发明健康度评估方法能够综合全面地考虑燃料电池系统运行条件的多个参数，明确各参数对系统健康度的整体影响，为系统健康度提升提供改进方向；能对参数权重作出合理的标定，有利于提高评估系统的准确性和可靠性。
本发明健康度评估系统通过试验数据获得燃料电池系统正常运行时各操作参数的范围和标准值，根据某一时刻各项参数偏离标准值的程度结合健康状态隶属度函数来表征该项参数的健康状况；综合层次分析法、参数健康状况和系统输出电性能对操作参数的敏感度分析等因素，对每个操作参数的权重值进行标定；根据模糊集理论对多个操作参数的健康状况进行融合，从而对燃料电池系统的健康度作出评估。
本发明能够在燃料电池系统正常运行时根据传感器测量参数实时地对系统健康度作出综合评估，为系统故障提供预警，从而避免和减轻严重的设备损坏。
附图说明
图1为本发明方法流程示意图；
图2为实现本发明方法的系统结构示意图。
各附图标记为：1—试验数据采集模块，2—单一参数健康度评估模块，3—系统参数权重标定模块，4—系统健康度评估模块。
具体实施方式
为进一步阐述本发明内容、特点和有益效果，将通过下面的附图和实施例对本发明予以进一步说明，但并不因此而限制本发明。
参照图1所示，本发明涉及质子交换膜燃料电池设备健康度评估，具体涉及一种质子交换膜燃料电池系统的健康度评估方法，开始时，先采集参数试验数据，确定每个参数上下限和标准值，然后对待评估的一组参数进行归一化处理，之后计算每个参数的健康状态隶属度，接着按照层次分析法计算系统参数的主观权重，以及分别按照参数健康状况分析法和敏感度分析法计算系统参数的客观权重，接着按照加权平方和平均法计算系统参数的融合权重，最后按照加权平均型模糊合成方法得出系统健康度模糊集评估结果。
具体步骤如下：
步骤一，在燃料电池系统输出电性能正常的情况下，确定影响系统健康度的操作参数共n个。
确定影响系统输出电性能的操作参数分为四类，即温度、压力、流量和湿度。
其中温度操作参数包括：氢气入口温度、空气入口温度、冷却水入口温度、冷却水出口温度、环境温度等。
其中压力操作参数包括：氢气入口压力、空气入口压力、冷却水入口压力、氢气出口压力、空气出口压力等。
其中流量操作参数包括：氢气过量系数、空气过量系数、冷却水流量等。
其中湿度操作参数包括：氢气湿度和空气湿度等。具体内容见系统操作参数表如下：
Figure BDA0002917291310000071
燃料电池系统以恒定功率运行时，采集试验数据中各操作参数样本，确定样本参数范围[Ril，Riu]和样本标准值Ris(i＝1，2，3，…，n)。
步骤二，对表征操作参数健康状态的试验数据进行归一化处理：假设某一时刻第i个操作参数采集值为Xi，其归一化值为ωi(i＝1，2，3，…，n)。
其中归一化值根据如下公式产生：
Figure BDA0002917291310000081
步骤三，将单个操作参数的健康状况分为优、良、中、差四个等级，根据每个操作参数的归一化值，计算单个操作参数的健康状态隶属度A(ωi)。
根据每个操作参数的归一化值，采用隶属度函数计算公式可算出单个参数评分值属于四个健康度等级的权重。为使每个状态等级模糊集有中心，同时两端分布有梯形模糊集中心，隶属度函数采用三角形分布和梯形分布相结合的方式，模糊分界线从高至低设为L1、L2、L3、L4，单个评价参数健康状态隶属度根据如下公式产生：
Figure BDA0002917291310000082
从而得到第i个操作参数的健康状态隶属度[A优(ωi)A良(ωi)A中(ωi)A差(ωi)]，其中i＝1，2，3，…，n。
步骤四，标定每个操作参数的权重值，主观因素采用层次分析法，客观因素考虑参数健康状况和系统输出电性能对参数的敏感度，采用加权平方和平均法对主客观因素权重进行融合，具体如下：
层次分析法：最高层为燃料电池系统输出电压或电流，中间层为温度、压力、流量和湿度，最底层为氢气入口温度、空气入口温度、冷却水入口温度、冷却水出口温度、氢气入口压力、空气入口压力、冷却水入口压力、氢气出口压力、空气出口压力、氢气过量系数、空气过量系数、冷却水流量、氢气湿度和空气湿度等操作参数；采用9标度法对中间层和底层的同层元素两两比较其对上层元素的重要性，构建该层的判断矩阵，两元素重要性比较结果由专家经验给出；根据相邻两层的各判断矩阵，求出最大特征根以及所对应的特征向量，进行一致性检验判断矩阵是否符合一致性要求；特征向量归一化后得到的各个分量就是该层各个元素的单排序权重向量，根据各层单排序权重向量可得底层指标权重向量λ1；该方法是基于专家经验得到的一种主观分析方法。
参数健康状况分析法：为了将健康状况较差的参数凸显出来，根据某一时刻第i个操作参数的ωi值来确定参数的权重：
Figure BDA0002917291310000091
计算出的hi(i＝1，2，3，…，n)即为每个操作参数的权重，通过归一化后得到参数权重向量λ2；该方法赋予健康状况较差的参数更大的权重，是基于试验数据驱动得到的一种客观分析方法。
敏感度分析法：当操作参数变化时，为了体现出系统输出电压与各个参数的相关度，用电压相对变化率与各参数相对变化率的比值来衡量：
Figure BDA0002917291310000101
计算出的si(i＝1，2，3，…，n)即为每个参数的权重，通过归一化后得到参数权重向量λ3；该方法赋予引起电压变化更大的参数更大的权重，是基于试验数据驱动得到的一种客观分析方法。
按照加权平方和平均法确定λ1、λ2和λ3的融合权重。假设融合权重为λt，取最优化准则为：
Figure BDA0002917291310000102
则有
Figure BDA0002917291310000103
求得
Figure BDA0002917291310000104
步骤五，按照加权平均型模糊合成方法对多个操作参数的健康状况进行融合，计算出系统健康度评估模糊集H；分析评价结果H，可以得到燃料电池系统实时健康状况。
其中模糊集H根据如下公式产生：
Figure BDA0002917291310000105
分析评价结果H，可以得到燃料电池系统实时健康状况。
燃料电池系统以20kW恒定功率运行时，健康度评估方法步骤如下：
步骤1，通过传感器采集或者间接计算得到操作参数共14个，系统操作参数的波动范围和标准值如下表所示。
Figure BDA0002917291310000111
步骤2，燃料电池系统以20kW恒定功率运行时，取某一时刻14个操作参数的系统操作参数原始值如下表所示。
序号 1 2 3 4 5 6 7
原始值 22.93 53.39 64.19 68.29 9 16.19 38.9
序号 8 9 10 11 12 13 14
原始值 4.53 4.18 1.6 2.54 90.88 99.86 59
根据公式(1)和系统操作参数的波动范围和标准值对参数原始值进行归一化，得到操作参数归一化值如下表所示。
序号 1 2 3 4 5 6 7
归一化值 0.04 0.4 0.4 0.164 0.23 0.734 0.3
序号 8 9 10 11 12 13 14
归一化值 0.23 0.8 0.65 0.69 0.57 0.5 0.77
步骤3，根据公式(2)和操作参数归一化值计算每个操作参数的健康状态隶属度，公式(2)中模糊分界线L1、L2、L3、L4取0.95、0.65、0.35、0.05，得到系统参数健康状态隶属度矩阵B如下：
Figure BDA0002917291310000121
步骤4，按照层次分析法确定操作参数的一种主观权重。最高层为燃料电池系统输出电压，中间层为温度、压力、流量和湿度，最底层为氢气入口温度、空气入口温度、冷却水入口温度、冷却水出口温度、氢气入口压力、空气入口压力、冷却水入口压力、氢气出口压力、空气出口压力、氢气过量系数、空气过量系数、冷却水流量、氢气湿度和空气湿度。
在上述层次结构模型的基础上，采用9标度法对各级指标相对于上一层目标的重要性进行两两比较；假定因素i与因素j比较的标度为aij，则因素j与因素i比较的标度为1/aij，从而构造相应的判断矩阵。
根据相邻两层的各判断矩阵，求出最大特征根以及所对应的特征向量，进行一致性检验判断矩阵是否符合一致性要求。
特征向量归一化后得到的各个分量就是该层各个元素的单排序权重向量，根据各层单排序权重向量可得底层指标权重向量λ1。参数指标权重如下表所示。
Figure BDA0002917291310000131
根据上表计算得到底层指标权重向量λ1为：
λ1＝[0.08 0.08 0.02 0.02 0.09 0.12 0.03 0.03 0.03 0.08 0.28 0.04 0.020.08]。
步骤5，按照参数健康状况分析法确定操作参数的一种客观权重。
根据公式(3)和操作参数归一化值可计算出参数权重，归一化后得到参数权重向量λ2：
λ2＝[0.43 0.04 0.04 0.104 0.074 0.023 0.057 0.074 0.021 0.026 0.0250.03 0.034 0.022]
步骤6，按照敏感度分析法确定操作参数的一种客观权重。基于试验数据，按照公式(4)计算出电压相对变化率与各参数相对变化率的比值如下表所示。
序号 1 2 3 4 5 6 7
原始值 0.066 0.238 0.18 0.3 0.04 0.07 0.01
序号 8 9 10 11 12 13 14
原始值 0.014 0.011 0.032 0.162 0.13 0.1 0.2
将参数敏感度原始值进行归一化，得到参数权重向量λ3：
λ3＝[0.04 0.15 0.12 0.19 0.026 0.045 0.006 0.009 0.007 0.021 0.1 0.080.06 0.146]。
步骤7，采用加权平方和平均法，根据公式(5)计算出融合权重向量λt：
λt＝[0.25 0.1 0.074 0.13 0.07 0.08 0.037 0.05 0.02 0.05 0.17 0.050.04 0.1]。
步骤8，采用加权平均型模糊合成方法对多个操作参数的健康状况进行融合，根据公式(6)计算出系统健康度评估结果模糊集H：H＝[0.093 0.42 0.33 0.38]。因此燃料电池系统整体健康度评估结果为良。
参照图2所示，实现本发明健康度评估方法的系统，包括试验数据采集模块1，单一参数健康度评估模块2，系统参数权重标定模块3和系统健康度评估模块4，其中：
试验数据采集模块1用于实时地采集燃料电池系统正常运行过程中的14个操作参数数据，输出每一时刻各参数采集数据；
单一参数健康度评估模块2用于评估单个操作参数的健康状况，步骤包括：确定单个参数上下限和标准值、采集数据归一化处理和健康度隶属度确立，输出14个参数的健康度隶属度矩阵；
系统参数权重标定模块3用于标定每个操作参数的权重值，考虑主观层次分析法和客观参数健康状况分析法、敏感度分析法，采用加权平方和平均法对主客观权重进行融合，输出系统参数权重向量；
系统健康度评估模块4用于对14个操作参数的健康状况进行融合，采用加权平均型模糊合成方法，输出系统健康度评估结果模糊集。
上述实施例仅例示性说明本发明的原理及其功效，以及部分运用的实施例，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.一种质子交换膜燃料电池系统的健康度评估方法，其特征在于：包括以下步骤
步骤一，在燃料电池系统输出电性能正常的情况下，确定影响系统健康度的操作参数：燃料电池系统以恒定功率运行时，采集试验数据中各操作参数样本，确定样本参数范围[Ril，Riu]和样本标准值Ris(i＝1，2，3，…，n)；
步骤二，对表征操作参数健康状态的试验数据进行归一化处理：设某一时刻第i个操作参数采集值为Xi，其归一化值为ωi(i＝1，2，3，…，n)；
步骤三，将单个操作参数的健康状况分为优、良、中、差四个等级，根据每个操作参数的归一化值，计算单个操作参数的健康状态隶属度A(ωi)；
步骤四，标定每个操作参数的权重值：主观因素采用层次分析法得到权重向量λ1，客观因素考虑参数健康状况和系统输出电性能对参数的敏感度，分别得到权重向量λ2和λ3；对主观因素和客观因素的权重进行融合得到融合权重向量λt；
步骤五，按照加权平均型模糊合成方法对多个操作参数的健康状况进行融合，计算出系统健康度评估模糊集H，得到燃料电池系统实时健康状况。
2.根据权利要求1所述的一种质子交换膜燃料电池系统的健康度评估方法，其特征在于，所述的步骤一中的操作参数分为温度、压力、流量和湿度；所述的温度操作参数包括氢气入口温度、空气入口温度、冷却水入口温度、冷却水出口温度和环境温度；所述的压力操作参数包括氢气入口压力、空气入口压力、冷却水入口压力、氢气出口压力和空气出口压力；所述的流量操作参数包括氢气过量系数、空气过量系数和冷却水流量；所述的湿度操作参数包括氢气湿度和空气湿度。
3.根据权利要求1所述的一种质子交换膜燃料电池系统的健康度评估方法，其特征在于，所述的步骤二中归一化值根据如下公式产生：
Figure FDA0002917291300000021
其中i＝1，2，3，…，n。
4.根据权利要求1所述的一种质子交换膜燃料电池系统的健康度评估方法，其特征在于，所述的步骤三中隶属度函数采用三角形分布和梯形分布相结合的方式，模糊分界线从高至低设为L1、L2、L3、L4，单个评价参数健康状态隶属度根据如下公式产生：
Figure FDA0002917291300000022
从而得到第i个操作参数的健康状态隶属度[A优(ωi)A良(ωi)A中(ωi)A差(ωi)]，其中i＝1，2，3，…，n。
5.根据权利要求1所述的一种质子交换膜燃料电池系统的健康度评估方法，其特征在于，所述步骤四中的层次分析法是将燃料电池系统输出电压或电流作为最高层，将温度、压力、流量和湿度作为中间层，将氢气入口温度、空气入口温度、冷却水入口温度、冷却水出口温度、氢气入口压力、空气入口压力、冷却水入口压力、氢气出口压力、空气出口压力、氢气过量系数、空气过量系数、冷却水流量、氢气湿度和空气湿度作为最底层，构建各层的判断矩阵，求出最大特征根以及所对应的特征向量，进行一致性检验判断矩阵是否符合一致性要求；特征向量归一化后得到的各个分量就是该层各个元素的单排序权重向量，根据各层单排序权重向量可得底层指标权重向量λ1。
6.根据权利要求1所述的一种质子交换膜燃料电池系统的健康度评估方法，其特征在于，所述的步骤四中参数健康状况分析法根据某一时刻第i个操作参数的ωi值来确定各个参数的权重，计算公式如下：
Figure FDA0002917291300000031
计算出的hi即为每个操作参数的权重，通过归一化后得到参数权重向量λ2，其中i＝1，2，3，…，n。
7.根据权利要求1所述的一种质子交换膜燃料电池系统的健康度评估方法，其特征在于，所述的步骤四中敏感度分析法用电压相对变化率与各参数相对变化率的比值来衡量各个参数的权重，计算公式如下：
Figure FDA0002917291300000032
计算出的si即为每个参数的权重，通过归一化后得到参数权重向量λ3，其中i＝1，2，3，…，n。
8.根据权利要求1所述的一种质子交换膜燃料电池系统的健康度评估方法，其特征在于，所述的步骤四中按照加权平方和平均法确定λ1、λ2和λ3的融合权重λt；假设融合权重为λt，取最优化准则为：
Figure FDA0002917291300000041
则有
Figure FDA0002917291300000042
求得
Figure FDA0002917291300000043
其中i＝1，2，3，…，n。
9.根据权利要求1所述的一种质子交换膜燃料电池系统的健康度评估方法，其特征在于，所述的步骤五中模糊集H根据如下公式产生：
Figure FDA0002917291300000044
10.一种实现权利要求1所述方法的质子交换膜燃料电池系统的健康度评估系统，其特征在于，包括：
试验数据采集模块(1)，用于实时采集燃料电池系统正常运行过程中的操作参数，输出每一时刻各参数采集数据；
单一参数健康度评估模块(2)，用于评估单个操作参数的健康状况，步骤包括：确定单个参数上下限和标准值，对采集数据归一化处理，确立健康度隶属度，输出操作参数的健康度隶属度矩阵；
系统参数权重标定模块(3)，用于标定每个操作参数的权重值，对主客观权重进行融合，输出系统参数权重向量；
系统健康度评估模块(4)，用于对操作参数的健康状况进行融合，输出系统健康度评估结果模糊集；
所述的试验数据采集模块(1)、单一参数健康度评估模块(2)、系统参数权重标定模块(3)和系统健康度评估模块(4)顺序连接。
CN202110104451.XA 2021-01-26 2021-01-26 一种质子交换膜燃料电池系统的健康度评估方法及系统 Active CN112784216B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110104451.XA CN112784216B (zh) 2021-01-26 2021-01-26 一种质子交换膜燃料电池系统的健康度评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110104451.XA CN112784216B (zh) 2021-01-26 2021-01-26 一种质子交换膜燃料电池系统的健康度评估方法及系统

Publications (2)

Publication Number Publication Date
CN112784216A CN112784216A (zh) 2021-05-11
CN112784216B true CN112784216B (zh) 2022-12-16

Family

ID=75757327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110104451.XA Active CN112784216B (zh) 2021-01-26 2021-01-26 一种质子交换膜燃料电池系统的健康度评估方法及系统

Country Status (1)

Country Link
CN (1) CN112784216B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113540527B (zh) * 2021-07-16 2022-10-04 同济大学 一种多时序燃料电池输出控制方法及系统
CN113406505A (zh) * 2021-07-22 2021-09-17 中国第一汽车股份有限公司 一种燃料电池的剩余寿命预测方法及装置
CN113722656B (zh) * 2021-07-28 2024-06-11 国网浙江省电力有限公司电力科学研究院 一种火力发电机组实时健康度评价方法及系统
CN114420983B (zh) * 2022-03-31 2022-06-28 北京英博新能源有限公司 燃料电池电堆健康的评估方法、装置、系统和电子设备
CN116205535A (zh) * 2023-03-09 2023-06-02 北京瑞风协同科技股份有限公司 一种基于敏感性分析的ahp装备试验鉴定指标权衡评估方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109543737B (zh) * 2018-11-15 2021-09-28 国网四川省电力公司信息通信公司 一种基于fahp_fca组合赋权的信息系统健康度评估方法
CN111105153A (zh) * 2019-12-13 2020-05-05 西安交通大学 基于ahp-熵权法的卫星健康状态多级模糊评价方法
CN112200405A (zh) * 2020-08-27 2021-01-08 国网浙江省电力有限公司电力科学研究院 一种基于熵权-模糊层次分析法的专变健康状况评估方法

Also Published As

Publication number Publication date
CN112784216A (zh) 2021-05-11

Similar Documents

Publication Publication Date Title
CN112784216B (zh) 一种质子交换膜燃料电池系统的健康度评估方法及系统
CN104396073B (zh) 用于确定燃料电池组中的临界操作状态的方法
Steiner et al. Diagnosis of polymer electrolyte fuel cells failure modes (flooding & drying out) by neural networks modeling
CN110676488B (zh) 一种基于低频阻抗与电化学阻抗谱的在线质子交换膜燃料电池故障诊断方法
CN112289385B (zh) 大功率质子交换膜燃料电池电堆电化学阻抗谱预测方法
CN112485747A (zh) 一种电容式电压互感器误差状态评估方法
Mao et al. Polymer electrolyte membrane fuel cell fault diagnosis and sensor abnormality identification using sensor selection method
Chen et al. Online voltage consistency prediction of proton exchange membrane fuel cells using a machine learning method
CN114899457A (zh) 一种针对质子交换膜燃料电池系统的故障检测方法
CN113611900A (zh) 一种质子交换膜燃料电池的膜干故障诊断方法
CN112990627B (zh) 电能质量评估方法
CN114583219A (zh) 一种质子交换膜燃料电池的水淹故障诊断方法
CN114897331A (zh) 一种基于三参数区间灰数决策的电力变压器风险评估方法
CN114551944A (zh) 质子交换膜燃料电池内部含水量的快速控制方法及系统
CN110232399A (zh) 基于集对分析和K-means聚类的输电设备缺陷分析方法和系统
CN117457949A (zh) 一种基于电化学阻抗谱的燃料电池水故障诊断方法及系统
CN113780537B (zh) 一种质子交换膜燃料电池发电系统的故障诊断方法及装置
CN113540534B (zh) 一种质子交换膜燃料电池堆的饥饿故障诊断方法
CN114824373A (zh) 一种仿真试验联合的燃料电池性能优化方法、装置及设备
CN112507526B (zh) 一种质子交换燃料电池系统性能预测方法及系统
CN115587331A (zh) 电网设备运行状态诊断预测方法及系统
Ma et al. Development of online fault diagnosis method for pem fuel cell based on impedance at optimal frequency
CN113327044B (zh) 一种能量枢纽的协同运行质量分析系统
CN113917352B (zh) 基于阻抗老化特征的燃料电池催化层在线老化诊断方法
Zhou et al. Proton Exchange Membrane Fuel Cell Fault Rapid Diagnosis Method Based on Electrochemical Impedance Spectroscopy and Fuzzy C-Means Algorithm

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