CN113571742A - 燃料电池热管理系统故障诊断方法及装置 - Google Patents

燃料电池热管理系统故障诊断方法及装置 Download PDF

Info

Publication number
CN113571742A
CN113571742A CN202110636352.6A CN202110636352A CN113571742A CN 113571742 A CN113571742 A CN 113571742A CN 202110636352 A CN202110636352 A CN 202110636352A CN 113571742 A CN113571742 A CN 113571742A
Authority
CN
China
Prior art keywords
fault
thermal management
value
management system
residual value
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.)
Pending
Application number
CN202110636352.6A
Other languages
English (en)
Inventor
徐晓明
洪吉超
赤骋
赵磊
陈东方
胡松
王越
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 Gerui Energy Technology Co ltd
Original Assignee
Beijing Gerui Energy 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 Beijing Gerui Energy Technology Co ltd filed Critical Beijing Gerui Energy Technology Co ltd
Priority to CN202110636352.6A priority Critical patent/CN113571742A/zh
Publication of CN113571742A publication Critical patent/CN113571742A/zh
Pending legal-status Critical Current

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • 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
    • H01M8/04007—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids related to heat exchange
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Chemical & Material Sciences (AREA)
  • Electrochemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Chemical & Material Sciences (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Manufacturing & Machinery (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Fuel Cell (AREA)

Abstract

本发明公开了一种燃料电池热管理系统故障诊断方法及装置，其中，方法包括：获取燃料电池的热管理系统的测试值；根据测试值与模型计算值计算热管理系统的当前残差值；将当前残差值与预设残差值进行比较，其中，若当前残差值的绝对值大于预设残差值，则判定热管理系统故障，根据当前残差值利用故障分类模型诊断热管理系统的故障类型。该方法通过分层多阶段方法和简化分类模型的应用，解决了基于模型的方法计算成本高的问题，实现了对燃料电池热管理系统零部件级别的故障诊断，且计算量小，准确度高，同时可用于大量数据分析。

Description

燃料电池热管理系统故障诊断方法及装置
技术领域
本发明涉及电池技术领域，特别涉及一种燃料电池热管理系统故障诊断方法及装置。
背景技术
燃料电池是一种清洁、高效的电化学能源，它的副产品是水，可以产生电和热。要实现燃料电池的商业化，必须实现比目前水平更高的耐久性和可靠性。为了提高系统的耐久性和可靠性，不仅需要耐用的部件，还需要诊断和维护技术，尤其是燃料电池热管理子系统。
相关技术中，故障检测与诊断方法可分为基于模型的方法和非基于模型的方法。其中，基于模型的方法对被测信号进行后处理，利用时间、频率和时频域方法来确定信号模式，而不需要建模分析，分为基于人工智能(AI)的方法、基于信号的方法和基于统计的方法；基于模型的方法使用正常状态数据库和高于正常状态的阈值。
然而，非基于模型的方法需要根据外部环境条件、故障类型和故障级别单独建立数据库，对计算能力要求高；基于模型的方法由于燃料电池系统物理模型的复杂性，往往计算成本也较高，有待解决。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种燃料电池热管理系统故障诊断方法，通过分层多阶段方法和简化分类模型的应用，解决了基于模型的方法计算成本高的问题，实现了对燃料电池热管理系统零部件级别的故障诊断，且计算量小，准确度高，同时可用于大量数据分析。
本发明的另一个目的在于提出一种燃料电池热管理系统故障诊断装置。
为达到上述目的，本发明一方面实施例提出了燃料电池热管理系统故障诊断方法，包括以下步骤：
获取燃料电池的热管理系统的测试值；
根据所述测试值与模型计算值计算所述热管理系统的当前残差值；
将所述当前残差值与预设残差值进行比较，其中，若所述当前残差值的绝对值大于所述预设残差值，则判定所述热管理系统故障，根据所述当前残差值利用故障分类模型诊断所述热管理系统的故障类型。
本发明实施例的燃料电池热管理系统故障诊断方法，获取燃料电池的热管理系统的测试值，并根据测试值与所述模型计算值计算热管理系统的当前残差值，并将当前残差值与预设残差值进行比较，其中，若当前残差值的绝对值大于预设残差值，则判定热管理系统故障，根据当前残差值利用故障分类模型诊断热管理系统的故障类型。由此，通过分层多阶段方法和简化分类模型的应用，解决了基于模型的方法计算成本高的问题，实现了对燃料电池热管理系统零部件级别的故障诊断，且计算量小，准确度高，同时可用于大量数据分析。
另外，根据本发明上述实施例的燃料电池热管理系统故障诊断方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述根据所述当前残差值利用故障分类模型诊断所述热管理系统的故障类型，包括：
将所述当前残差值以预设模式进行模式化；
将模式化后的数据输入至所述故障分类模型中，识别所述故障类型。
进一步地，在本发明的一个实施例中，所述当前残差值的计算公式为：
R1＝UAhex_m-UAhex_p，
其中，R1为传热速率残差值，UAhex_m为所述模型计算值，UAhex_m为所述测试值。
进一步地，在本发明的一个实施例中，所述故障类型包括热交换器故障、电堆冷却液进口传感器故障、热管理水泵故障和电堆冷却液出口传感器故障中的一项或多项。
进一步地，在本发明的一个实施例中，所述模型计算值由系统输出功率得到的系统中的空压机转速、电堆的电压和电流以及热管理子系统中的至少一个目标参数计算得到。
为达到上述目的，本发明另一方面实施例提出了一种燃料电池热管理系统故障诊断装置，包括：
获取模块，用于获取燃料电池的热管理系统的测试值；
计算模块，用于根据所述测试值与模型计算值计算所述热管理系统的当前残差值；
诊断模块，用于将所述当前残差值与预设残差值进行比较，其中，若所述当前残差值的绝对值大于所述预设残差值，则判定所述热管理系统故障，根据所述当前残差值利用故障分类模型诊断所述热管理系统的故障类型。
本发明实施例的燃料电池热管理系统故障诊断装置，获取燃料电池的热管理系统的测试值，并根据测试值与模型计算值计算热管理系统的当前残差值，并将当前残差值与预设残差值进行比较，其中，若当前残差值的绝对值大于预设残差值，则判定热管理系统故障，根据当前残差值利用故障分类模型诊断热管理系统的故障类型。由此，通过分层多阶段方法和简化分类模型的应用，解决了基于模型的方法计算成本高的问题，实现了对燃料电池热管理系统零部件级别的故障诊断，且计算量小，准确度高，同时可用于大量数据分析。
另外，根据本发明上述实施例的燃料电池热管理系统故障诊断装置还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述诊断模块，具体用于：
将所述当前残差值以预设模式进行模式化；
将模式化后的数据输入至所述故障分类模型中，识别所述故障类型。
进一步地，在本发明的一个实施例中，所述当前残差值的计算公式为：
R1＝UAhex_m-UAhex_p，
其中，R1为传热速率残差值，UAhex_m为所述模型计算值，UAhex_m为所述测试值。
进一步地，在本发明的一个实施例中，所述故障类型包括热交换器故障、电堆冷却液进口传感器故障、热管理水泵故障和电堆冷却液出口传感器故障中的一项或多项。
进一步地，在本发明的一个实施例中，所述模型计算值由系统输出功率得到的系统中的空压机转速、电堆的电压和电流以及热管理子系统中的至少一个目标参数计算得到。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明实施例的燃料电池热管理系统故障诊断方法的流程图；
图2为根据本发明一个实施例的燃料电池热管理系统分级故障图；
图3为根据本发明一个实施例的燃料电池热管理系统故障诊断方法的流程图；
图4为根据本发明实施例的燃料电池热管理系统故障诊断装置的方框示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的燃料电池热管理系统故障诊断方法及装置，首先将参照附图描述根据本发明实施例提出的燃料电池热管理系统故障诊断方法。
图1是本发明一个实施例的燃料电池热管理系统故障诊断方法的流程图。
如图1所示，该燃料电池热管理系统故障诊断方法包括以下步骤：
在步骤S101中，获取燃料电池的热管理系统的测试值。
其中，该燃料电池包括但不限于质子交换膜燃料电池。
可以理解的是，管理系统故障一般可以包含电堆冷却液管路、水泵、温度传感器、热交换器等。在部件级故障中，执行器(泵)、传感器(热电偶)和热交换器已经成为热管理诊断的目标。风机故障和线路泄漏故障被排除在外，因为这些故障可以通过视觉诊断。管道泄漏是显而易见的，因为在这种情况下，水会积聚在设备下面，通过开关控制信号的故障或水库热水温度过高，可以很容易地检测到风扇故障。另一方面，与传感器、执行器和内部状态有关的故障从外部是看不见的。
因此，本申请实施例可以通过传感器获取燃料电池的热管理系统的测试值。
在步骤S102中，根据测试值与模型计算值计算热管理系统的当前残差值。
其中，在本发明的一个实施例中，模型计算值可以由系统输出功率得到的系统中的空压机转速、电堆的电压和电流以及热管理子系统中的至少一个目标参数计算得到。
具体而言，模型计算值的计算模型是面向于整个系统，该计算模型包含有电堆、空气供应子系统、氢气供应子系统和热管理系统，可根据给出的系统输出功率(系统中关键零部件已标定完成)，得出系统中的空压机转速、电堆的电压和电流以及热管理子系统中的关键参数等，可用于和传感器测得的值进行比较。
可选地，在本发明的一个实施例中，当前残差值的计算公式为：
R1＝UAhex_m-UAhex_p，
其中，R1为传热速率残差值，UAhex_m为模型计算值，UAhex_m为测试值。同理，可得到电堆冷却液流量残差R2，储液罐流量残差R3，热交换器出口温度残差R4。
在步骤S103中，将当前残差值与预设残差值进行比较，其中，若当前残差值的绝对值大于预设残差值，则判定热管理系统故障，根据当前残差值利用故障分类模型诊断热管理系统的故障类型。
具体而言，本申请实施例可以通过观察相应特征值的可见变化来识别包含故障的子系统。对于热管理系统，使用的是传热速率(W/K)。然后，执行部件级诊断，将重点关注已识别的子系统中的组件，而排除其他子系统中的组件。通过获得一个初始故障诊断，可以消除多个故障同时存在的可能性。
进一步地，在本发明的一个实施例中，根据当前残差值利用故障分类模型诊断热管理系统的故障类型，包括：将当前残差值以预设模式进行模式化；将模式化后的数据输入至故障分类模型中，识别故障类型。
在一个分系统中进行故障检测后，可以得到额外的残差来诊断引起故障的部件。这些额外的残差对应于冷却剂的体积流量、离开热交换器的冷却剂温度等。与用于故障检测的传热率残差一起，将这些残差模式输入到分类模型中，以隔离检测到的部件故障。具体为由实际数据得到残差值后，再依据正常数据离线训练后得出正常残差值的平均值和标准差，如果实际得到的残差值的绝对值与正常数据平均残差值的差值大于n倍(初始n＝2)离线正常数据集的标准差，则结果为+1或-1(即若实际得到的残差值为正，则结果为+1，否则为-1，注：热管理故障分级诊断中残差值模式化的标准一致)。否则，归一化残差定义为0。在故障诊断过程中，将残差值以+1,0，-1的形式进行模式化，输入到分类模型中。即使系统运行条件发生变化，每种故障类型的规范化模式值仍然保持不变。该方法可用于燃料电池汽车大量运行数据的事后分析，有助于提高燃料电池热管理系统的设计和制造。
进一步地，在本发明的一个实施例中，故障类型包括热交换器故障、电堆冷却液进口传感器故障、热管理水泵故障和电堆冷却液出口传感器故障中的一项或多项。
具体地，如表1所示，图1为燃料电池热管理子系统故障判断表。
表1
R<sub>1</sub> R<sub>2</sub> R<sub>3</sub> R<sub>4</sub>
正常 0 0 0 0
热交换器故障 -1 0 -1 -1
电堆冷却液进口传感器故障 -1 -1 0 1
热管理水泵故障 -1 -1 0 0
电堆冷却液出口传感器故障 1 1 0or 1 1
综上可知，如图2所示，本申请实施例可以将燃料电池热管理系统分为多个子系统，如电堆、氢气供应系统、热管理系统、水管理系统、空气供应系统或电源逆变器等子系统；然后再分为组件，以热管理系统为例，组件可以包括：热交换器、电堆冷却液进口传感器、热管理水泵和电堆冷却液出口传感器等。首先，通过调查在电堆、氢气供应系统、热管理系统、水管理系统、空气供应系统或电源逆变器等子系统中出现的异常症状来识别故障。然后，针对已识别的子系统，在部件级别定位并隔离故障原因，如执行器、管道或传感器。
进一步地，为使得本领域技术人员进一步了解本申请实施例的燃料电池热管理系统故障诊断方法，下面结合图3进一步说明。
如图3所示，该燃料电池热管理系统故障诊断方法包括以下步骤：
(1)获取测试数据。
(2)根据模型计算值和传感器值(测试值)计算残差值。
(3)结合正常状态残差值和残差值R1进行判断。
(4)通过给定预测分析冗余度判断是否超过阈值，如果是，执行(5)，否则，执行(3)。
(5)热管理系统故障诊断。
(6)各残差值计算。
(7)故障分类模型。
其中，本申请实施例可以通过训练数据集，确定故障的残差类型，从而得到故障分裂模型。
(8)热管理系统零部件故障诊断。
根据本发明实施例提出的燃料电池热管理系统故障诊断方法，获取燃料电池的热管理系统的测试值，并根据测试值与模型计算值计算热管理系统的当前残差值，并将当前残差值与预设残差值进行比较，其中，若当前残差值的绝对值大于预设残差值，则判定热管理系统故障，根据当前残差值利用故障分类模型诊断热管理系统的故障类型。由此，通过分层多阶段方法和简化分类模型的应用，解决了基于模型的方法计算成本高的问题，实现了对燃料电池热管理系统零部件级别的故障诊断，且计算量小，准确度高，同时可用于大量数据分析。
其次参照附图描述根据本发明实施例提出的燃料电池热管理系统故障诊断装置。
图4是本发明实施例的燃料电池热管理系统故障诊断装置的方框示意图。
如图4所示，该燃料电池热管理系统故障诊断装置包括：获取模块100、计算模块200和诊断模块300。
获取模块100用于获取燃料电池的热管理系统的测试值；
计算模块200用于根据测试值与模型计算值计算热管理系统的当前残差值；
诊断模块300用于将当前残差值与预设残差值进行比较，其中，若当前残差值的绝对值大于预设残差值，则判定热管理系统故障，根据当前残差值利用故障分类模型诊断热管理系统的故障类型。
进一步地，在本发明的一个实施例中，诊断模块300具体用于：
将当前残差值以预设模式进行模式化；
将模式化后的数据输入至故障分类模型中，识别故障类型。
进一步地，在本发明的一个实施例中，当前残差值的计算公式为：
R1＝UAhex_m-UAhex_p，
其中，R1为传热速率残差值，UAhex_m为模型计算值，UAhex_m为测试值。
进一步地，在本发明的一个实施例中，故障类型包括热交换器故障、电堆冷却液进口传感器故障、热管理水泵故障和电堆冷却液出口传感器故障中的一项或多项。
进一步地，在本发明的一个实施例中，模型计算值由系统输出功率得到的系统中的空压机转速、电堆的电压和电流以及热管理子系统中的至少一个目标参数计算得到。
需要说明的是，前述对燃料电池热管理系统故障诊断方法实施例的解释说明也适用于该实施例的燃料电池热管理系统故障诊断装置，此处不再赘述。
根据本发明实施例提出的燃料电池热管理系统故障诊断装置，获取燃料电池的热管理系统的测试值，并根据测试值与模型计算值计算热管理系统的当前残差值，并将当前残差值与预设残差值进行比较，其中，若当前残差值的绝对值大于预设残差值，则判定热管理系统故障，根据当前残差值利用故障分类模型诊断热管理系统的故障类型。由此，通过分层多阶段方法和简化分类模型的应用，解决了基于模型的方法计算成本高的问题，实现了对燃料电池热管理系统零部件级别的故障诊断，且计算量小，准确度高，同时可用于大量数据分析。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种燃料电池热管理系统故障诊断方法，其特征在于，包括以下步骤：
获取燃料电池的热管理系统的测试值；
根据所述测试值与模型计算值计算所述热管理系统的当前残差值；
将所述当前残差值与预设残差值进行比较，其中，若所述当前残差值的绝对值大于所述预设残差值，则判定所述热管理系统故障，根据所述当前残差值利用故障分类模型诊断所述热管理系统的故障类型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前残差值利用故障分类模型诊断所述热管理系统的故障类型，包括：
将所述当前残差值以预设模式进行模式化；
将模式化后的数据输入至所述故障分类模型中，识别所述故障类型。
3.根据权利要求1或2所述的方法，其特征在于，所述当前残差值的计算公式为：
R1＝UAhex_m-UAhex_p，
其中，R1为传热速率残差值，UAhex_m为所述模型计算值，UAhex_m为所述测试值。
4.根据权利要求3所述的方法，其特征在于，所述故障类型包括热交换器故障、电堆冷却液进口传感器故障、热管理水泵故障和电堆冷却液出口传感器故障中的一项或多项。
5.根据权利要求4所述的方法，其特征在于，所述模型计算值由系统输出功率得到的系统中的空压机转速、电堆的电压和电流以及热管理子系统中的至少一个目标参数计算得到。
6.一种燃料电池热管理系统故障诊断装置，其特征在于，包括：
获取模块，用于获取燃料电池的热管理系统的测试值；
计算模块，用于根据所述测试值与模型计算值计算所述热管理系统的当前残差值；
诊断模块，用于将所述当前残差值与预设残差值进行比较，其中，若所述当前残差值的绝对值大于所述预设残差值，则判定所述热管理系统故障，根据所述当前残差值利用故障分类模型诊断所述热管理系统的故障类型。
7.根据权利要求6所述的装置，其特征在于，所述诊断模块，具体用于：
将所述当前残差值以预设模式进行模式化；
将模式化后的数据输入至所述故障分类模型中，识别所述故障类型。
8.根据权利要求6或7所述的装置，其特征在于，所述当前残差值的计算公式为：
R1＝UAhex_m-UAhex_p，
其中，R1为传热速率残差值，UAhex_m为所述模型计算值，UAhex_m为所述测试值。
9.根据权利要求8所述的装置，其特征在于，所述故障类型包括热交换器故障、电堆冷却液进口传感器故障、热管理水泵故障和电堆冷却液出口传感器故障中的一项或多项。
10.根据权利要求9所述的装置，其特征在于，所述所述模型计算值由系统输出功率得到的系统中的空压机转速、电堆的电压和电流以及热管理子系统中的至少一个目标参数计算得到。
CN202110636352.6A 2021-06-08 2021-06-08 燃料电池热管理系统故障诊断方法及装置 Pending CN113571742A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110636352.6A CN113571742A (zh) 2021-06-08 2021-06-08 燃料电池热管理系统故障诊断方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110636352.6A CN113571742A (zh) 2021-06-08 2021-06-08 燃料电池热管理系统故障诊断方法及装置

Publications (1)

Publication Number Publication Date
CN113571742A true CN113571742A (zh) 2021-10-29

Family

ID=78161740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110636352.6A Pending CN113571742A (zh) 2021-06-08 2021-06-08 燃料电池热管理系统故障诊断方法及装置

Country Status (1)

Country Link
CN (1) CN113571742A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114152880A (zh) * 2022-02-08 2022-03-08 湖南大学 一种软包电池传感器故障在线检测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114152880A (zh) * 2022-02-08 2022-03-08 湖南大学 一种软包电池传感器故障在线检测方法
CN114152880B (zh) * 2022-02-08 2022-04-12 湖南大学 一种软包电池传感器故障在线检测方法

Similar Documents

Publication Publication Date Title
Lin et al. Review on hydrogen fuel cell condition monitoring and prediction methods
Polverino et al. Model-based diagnosis through structural analysis and causal computation for automotive polymer electrolyte membrane fuel cell systems
CN110190306B (zh) 一种用于燃料电池系统的在线故障诊断方法
Wang et al. A robust fault detection and diagnosis strategy for multiple faults of VAV air handling units
Lee et al. Hierarchical fault diagnostic method for a polymer electrolyte fuel cell system
CN110224160B (zh) 一种燃料电池系统故障诊断方法
CN110118128B (zh) 微型燃气轮机传感器故障诊断和容错控制方法
Aitouche et al. Fault detection and isolation of PEM fuel cell system based on nonlinear analytical redundancy: An application via parity space approach
Oh et al. Residual-based fault diagnosis for thermal management systems of proton exchange membrane fuel cells
Mao et al. Polymer electrolyte membrane fuel cell fault diagnosis and sensor abnormality identification using sensor selection method
KR102046536B1 (ko) 연료전지 열관리 시스템의 고장 진단 방법
Peng et al. Generalized spatial–temporal fault location method for solid oxide fuel cells using LSTM and causal inference
Park et al. Severity-based fault diagnostic method for polymer electrolyte membrane fuel cell systems
CN113571742A (zh) 燃料电池热管理系统故障诊断方法及装置
Benouioua et al. Diagnostic of fuel cell air supply subsystems based on pressure signal records and statistical pattern recognition approach
CN117117258B (zh) 一种氢燃料电池系统的故障监测方法及装置
Seo et al. Diagnosis of a hydrogen-fueled 1-kW PEMFC system based on exergy analysis
JP7008098B2 (ja) 燃料電池システムの多段階故障診断方法及び装置
CN113010843A (zh) 测量参数集的确定方法及装置、验证方法及故障诊断方法
Aitouche et al. A survey of diagnostic of fuel cell stack systems
CN116929670A (zh) 一种基于自更新mset的高压加热器泄漏诊断方法
CN112051082A (zh) 一种供热系统换热器运行中故障诊断方法
Li et al. Design of comprehensive diagnosis system in nuclear power plant
CN115563868A (zh) 一种航空交流发电机油路系统故障诊断方法及装置
Pan et al. A review of fault diagnosis and fault-tolerant control of vehicular polymer electrolyte membrane fuel cell power system

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20211029

RJ01 Rejection of invention patent application after publication