CN114267844A - 一种燃料电池极板生产的系统与方法 - Google Patents
一种燃料电池极板生产的系统与方法 Download PDFInfo
- Publication number
- CN114267844A CN114267844A CN202111322528.7A CN202111322528A CN114267844A CN 114267844 A CN114267844 A CN 114267844A CN 202111322528 A CN202111322528 A CN 202111322528A CN 114267844 A CN114267844 A CN 114267844A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- parameters
- plate production
- polar plate
- production line
- 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
- 239000000446 fuel Substances 0.000 title claims abstract description 114
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 111
- 238000012549 training Methods 0.000 claims abstract description 51
- 230000007613 environmental effect Effects 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000010801 machine learning Methods 0.000 claims abstract description 24
- 238000000265 homogenisation Methods 0.000 claims abstract description 12
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 239000011248 coating agent Substances 0.000 claims description 9
- 238000000576 coating method Methods 0.000 claims description 9
- 230000002349 favourable effect Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 4
- 229920000049 Carbon (fiber) Polymers 0.000 claims description 3
- 239000004917 carbon fiber Substances 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 239000003292 glue Substances 0.000 claims description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 2
- 230000010355 oscillation Effects 0.000 claims description 2
- 238000000465 moulding Methods 0.000 claims 1
- 230000008859 change Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910002804 graphite Inorganic materials 0.000 description 2
- 239000010439 graphite Substances 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
Landscapes
- Fuel Cell (AREA)
Abstract
本发明提出一种燃料电池极板生产的系统,包括:数据采集单元,用于实时采集燃料电池极板产线的运行参数及环境参数;信息提取单元,用于提取不同的原始数据进行分析和决策;机器学习单元,用于通过机器学习算法对提取出来的原始数据进行训练,并输出训练模型;生产决策单元,用于通过输出的训练模型对燃料电池极板产线的运行参数及环境参数进行实时修正,并输出修正的参数值;决策评价单元,用于根据修正的参数值对燃料电池极板产线的生产质量进行评价;数据库单元,用于保存燃料电池极板产线的实时参数值及机器学习单元输出的训练模型。本发明还提供一种燃料电池极板生产的方法。本申请可智能且动态的调整产线参数,有效提高燃料电池性能的均一化。
Description
技术领域
本发明涉及燃料电池生产技术领域,特别是涉及一种燃料电池极板生产 的系统与方法。
背景技术
燃料电池是把燃料中的化学能通过电化学反应直接转换为电能的发电装 置。相比传统能源而言,燃料电池是一种高效、清洁的电化学发电装置,近 年来得到国内外的普遍重视。但是,市场上的燃料电池大多采用金属双极板 或者石墨双极板进行组装电堆,组装而成的电堆的整体性能受限于各单片电 池的性能,如各单片电池的性能差距较大,则会导致电堆的整体性能低下、 膜电极的利用率低,较大程度限制了燃料电池的应用范围与领域。因此,燃 料电池的性能均一化是当前急需解决的问题。
为解决燃料电池性能均一化的问题,不同的学者给出了不同的解决方案。 专利申请CN2018101237972提出了一种关于燃料电池极板的全自动生产线,该 技术方案能够解决燃料电池极板生产工艺工序中机械化、自动化程度低导致 的燃料电池极板的加工生产效率低、燃料电池极板的加工生产质量一致性差 的问题,但是,由于生产线的设备参数会随着时间变化而变化,该全自动产 线无法智能且动态地调整产线参数,还存在着一定的改进空间。
发明内容
基于此,本发明提供一种燃料电池极板生产的系统与方法,旨在解决 在生产过程中各单电池一致性较差、生产线的智能化水平欠缺的问题,该生 产系统可以智能且动态地调整产线参数,较大程度地提高了燃料电池极板的 生产效益。
为实现上述目的,本发明提出如下技术方案:
本申请实施例提出了一种燃料电池极板生产的系统,用于燃料电池极 板的生产线,包括:
数据采集单元,用于实时采集燃料电池极板产线的运行参数及环境参数;
信息提取单元,用于根据不同决策目的而提取不同的原始数据进行分析 和决策;
机器学习单元,用于通过机器学习算法对信息提取单元提取出来的原始 数据进行训练,并输出训练模型;
生产决策单元,用于通过输出的训练模型对燃料电池极板产线的运行参 数及环境参数进行实时修正,并输出修正的参数值;
决策评价单元,用于根据修正的参数值对燃料电池极板产线的生产质量 进行评价;
数据库单元,用于保存燃料电池极板产线的实时参数值及机器学习单元 输出的训练模型。
进一步地,所述数据采集单元包括存储器、处理器、数据采集卡、振动 传感器、温度传感器、湿度传感器及压力传感器,所述数据采集卡的输入端 分别与所述振荡传感器、所述温度传感器、所述湿度传感器及所述压力传感 器连接;所述数据采集卡的输出端与所述处理器连接;所述存储器储有数据 处理程序,处理器执行数据处理程序时实现所述燃料电池极板生产的方法。
所述数据处理程序优选为Labview上位机。
进一步地,所述机器学习算法优选为随机森林算法、逻辑斯蒂回归算法、 最小二乘算法或者岭回归算法等机器学习算法中的一种。
进一步地,所述实时修正通过如下方式实现:根据经验数据预设训练模 型,通过所述训练模型训练所述燃料电池极板产线的运行参数及环境参数, 最后输出修正的参数。
所述运行参数包括涂料的粘度、涂料的固含量、碳纤维片材涂布后的面 密度一致性、极板模压后的尺寸、极板的胶高、极板的气密性以及燃料电池 的性能参数等参数。
所述生产决策单元通过如下方式实现生产决策:获取所述燃料电池极板 产线的运行参数及环境参数,并判断所述运行参数及环境参数是否满足所述 训练模型的预设条件;当所述运行参数及环境参数满足所述训练模型的预设 条件,则维持当前的状态进行生产;当所述运行参数及环境参数不满足所述 训练模型的预设条件,则通过所述训练模型对所述运行参数及环境参数进行 实时修正。
进一步地,所述数据库单元优选为Orac l e数据库或者MySQL数据库。数据 库单元主要用于保存数据。
本申请还提供运用所述燃料电池极板生产的系统进行燃料电池极板生 产的方法,包括如下步骤:
实时采集燃料电池极板产线的运行参数及环境参数;
根据不同决策目的提取出不同的原始数据进行分析和决策;
通过机器学习算法对提取出来的原始数据进行训练,并输出训练模型;
通过输出的训练模型对燃料电池极板产线的运行参数及环境参数进行实 时修正,并输出修正的参数值;
根据修正的参数值对燃料电池极板产线的生产质量进行评价;
保存燃料电池极板产线的实时参数值及机器学习单元输出的训练模型。
进一步地,所述评价通过如下方式实现:根据修正的参数值,监控燃料 电池极板产线的实时生产状态,然后将生产的极板装配得到燃料电池,通过 测试所述燃料电池的性能数据对修正的参数值进行评价;当修正的参数值有 利于所述燃料电池性能的均一化,则评价为正;当修正的参数值不利于所述 燃料电池性能的均一化,则评价为负。
相对于现有技术,本申请具有如下技术效果:本申请通过信息提取单元 和机器学习单元输出训练模型,通过生产决策单元对燃料电池极板产线的参 数进行实时修正,可以解决燃料电池极板产线中仪器变化和环境变化导致燃 料电池性能均一化降低的问题,使得燃料电池极板产线可以智能且动态的调 整产线参数,有效提高燃料电池极板产线的智能化水平,使得燃料电池极板 的生产机械化、自动化、连续化,提高极板的加工生产效率和加工生产质量 的一致性,同时也较大程度地提高燃料电池性能的均一化,进而有效保证燃料电池电堆的整体性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面 描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲, 在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的 附图。
图1为本发明实施例的燃料电池极板生产的系统的结构示意图;
图2为本发明实施例的燃料电池极板生产的方法的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步 说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行 清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例, 而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有 作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、 前、后、顶、底……),则该方向性指示仅用于解释在某一特定姿态(如附 图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生 改变时,则该方向性指示也相应地随之改变。
在本申请中,除非另有明确的规定和限定,术语“安装”、“相连”、 “连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以 是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接 相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元 件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言, 可以根据具体情况理解上述术语在本申请中的具体含义。
需要说明的是,当元件被称为“固定于”或“设置于”另一个元件,它 可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是 “连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居 中元件。
另外,若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第 一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对 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。另外,各个实施例之 间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为 基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案 的结合不存在,也不在本发明要求的保护范围之内。
目前,市场上的燃料电池大多采用金属双极板或者石墨双极板进行组装 电堆,组装而成的电堆的整体性能受限于各单片电池的性能,如各单片电池 的性能差距较大,则会导致燃料电池的性能均一化差、电堆的整体性能低下、 膜电极的利用率低等问题,较大程度限制了燃料电池的应用范围与领域。而 且,由于生产线的设备参数和环境参数等会随着时间的变化而变化,大多生 产线无法智能且动态地调整产线的相关参数,自动化程度较低,加工生产质 量一致性较差。
具体的,一方面,如图1所示,本申请实施例提出了一种燃料电池极板 生产的系统,用于燃料电池极板的生产线(产线)10,包括:
数据采集单元100,用于实时采集燃料电池极板产线的运行参数及环境参 数;
信息提取单元200,用于根据不同决策目的而提取不同的原始数据进行分 析和决策;
机器学习单元300,用于通过机器学习算法对信息提取单元200提取出来 的原始数据进行训练,并输出训练模型301;
生产决策单元400,用于通过输出的训练模型301对燃料电池极板产线的 运行参数及环境参数进行实时修正,并输出修正的参数值;
决策评价单元500,用于根据修正的参数值对燃料电池极板产线的生产质 量进行评价;
数据库单元600,用于保存燃料电池极板产线的实时参数值及机器学习单 元300输出的训练模型301。
进一步地,所述数据采集单元100包括存储器、处理器、数据采集卡、振 动传感器、温度传感器、湿度传感器及压力传感器,所述数据采集卡的输入 端分别与所述振荡传感器、所述温度传感器、所述湿度传感器及所述压力传 感器连接;所述数据采集卡的输出端与所述处理器连接;所述存储器储有数 据处理程序,处理器执行数据处理程序时实现所述燃料电池极板生产的方法。
具体的,在本申请中,所述数据处理程序优选为Labv i ew上位机。
一般的,在本申请的实施例中,所述机器学习算法为随机森林算法、逻 辑斯蒂回归算法、最小二乘算法或岭回归算法等机器学习算法中的一种。也 即,在具体的一个实施例中,机器学习算法选择上述中的一种算法即可实现 本申请的目的。
进一步地,在本申请实施例中,所述实时修正通过如下方式实现:根据 经验数据预设训练模型,通过所述训练模型训练所述燃料电池极板产线的运 行参数及环境参数,最后输出修正的参数。
一般的,在本申请中,所述运行参数包括涂料的粘度、涂料的固含量、 碳纤维片材涂布后的面密度一致性、极板模压后的尺寸、极板的胶高、极板 的气密性以及燃料电池的性能参数等参数。
在本申请实施例中,所述生产决策单元通过如下方式实现生产决策:获 取所述燃料电池极板产线的运行参数及环境参数,并判断所述运行参数及环 境参数是否满足所述训练模型的预设条件;当所述运行参数及环境参数满足 所述训练模型的预设条件,则维持当前的状态进行生产;当所述运行参数及 环境参数不满足所述训练模型的预设条件,则通过所述训练模型对所述运行 参数及环境参数进行实时修正。
具体的,在本申请实施例中,所述数据库单元优选为Orac l e数据库或者 MySQL数据库。在本申请中,数据库单元主要用于保存数据,通常将评价为正 的参数数据保存至数据库单元,利用数据库对其进行永久存储。
另一方面,如图2所示,本申请实施例还提供一种运用所述燃料电池极板 生产的系统进行燃料电池极板生产的方法,包括如下步骤:
步骤S100,实时采集燃料电池极板产线的运行参数及环境参数;
步骤S200,根据不同决策目的提取出不同的原始数据进行分析和决策;
步骤S300,通过机器学习算法对提取出来的原始数据进行训练,并输出 训练模型;
步骤S400,通过输出的训练模型对燃料电池极板产线的运行参数及环境 参数进行实时修正,并输出修正的参数值;
步骤S500,根据修正的参数值对燃料电池极板产线的生产质量进行评价;
步骤S600,保存燃料电池极板产线的实时参数值及机器学习单元输出的 训练模型。
进一步地,在本申请的实施例中,所述评价通过如下方式实现:根据修 正的参数值,监控燃料电池极板产线的实时生产状态,然后将生产的极板装 配得到燃料电池,通过测试所述燃料电池的性能数据对修正的参数值进行评 价;当修正的参数值有利于所述燃料电池性能的均一化,则评价为正;当修 正的参数值不利于所述燃料电池性能的均一化,则评价为负。
本申请通过信息提取单元和机器学习单元输出训练模型,通过生产决策 单元对燃料电池极板产线的参数进行实时修正,可以解决燃料电池极板产线 中仪器变化和环境变化导致燃料电池性能均一化降低的问题,使得燃料电池 极板产线可以智能且动态的调整产线参数,有效提高燃料电池极板产线的智 能化水平,使得燃料电池极板的生产机械化、自动化、连续化,提高极板的 加工生产效率和加工生产质量的一致性,同时也较大程度地提高燃料电池性 能的均一化,进而有效保证燃料电池电堆的整体性能。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围, 凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构 变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范 围内。
Claims (10)
1.一种燃料电池极板生产的系统,用于燃料电池极板的生产线,其特征在于,包括:
数据采集单元,用于实时采集燃料电池极板产线的运行参数及环境参数;
信息提取单元,用于根据不同决策目的而提取不同的原始数据进行分析和决策;
机器学习单元,用于通过机器学习算法对信息提取单元提取出来的原始数据进行训练,并输出训练模型;
生产决策单元,用于通过输出的训练模型对燃料电池极板产线的运行参数及环境参数进行实时修正,并输出修正的参数值;
决策评价单元,用于根据修正的参数值对燃料电池极板产线的生产质量进行评价;
数据库单元,用于保存燃料电池极板产线的实时参数值及机器学习单元输出的训练模型。
2.根据权利要求1所述的燃料电池极板生产的系统,其特征在于,所述数据采集单元包括存储器、处理器、数据采集卡、振动传感器、温度传感器、湿度传感器及压力传感器,所述数据采集卡的输入端分别与所述振荡传感器、所述温度传感器、所述湿度传感器及所述压力传感器连接;所述数据采集卡的输出端与所述处理器连接;所述存储器储有数据处理程序,处理器执行数据处理程序时实现所述燃料电池极板生产的方法。
3.根据权利要求2所述的燃料电池极板生产的系统,其特征在于,所述数据处理程序为Labview上位机。
4.根据权利要求1所述的燃料电池极板生产的系统,其特征在于,所述机器学习算法为随机森林算法、逻辑斯蒂回归算法、最小二乘算法或者岭回归算法中的一种。
5.根据权利要求1所述的燃料电池极板生产的系统,其特征在于,所述实时修正通过如下方式实现:根据经验数据预设训练模型,通过所述训练模型训练所述燃料电池极板产线的运行参数及环境参数,最后输出修正的参数。
6.根据权利要求5所述的燃料电池极板生产的系统,其特征在于,所述运行参数包括涂料的粘度、涂料的固含量、碳纤维片材涂布后的面密度一致性、极板模压后的尺寸、极板的胶高、极板的气密性以及燃料电池的性能参数。
7.根据权利要求5所述的燃料电池极板生产的系统,其特征在于,所述生产决策单元通过如下方式实现生产决策:获取所述燃料电池极板产线的运行参数及环境参数,并判断所述运行参数及环境参数是否满足所述训练模型的预设条件;当所述运行参数及环境参数满足所述训练模型的预设条件,则维持当前的状态进行生产;当所述运行参数及环境参数不满足所述训练模型的预设条件,则通过所述训练模型对所述运行参数及环境参数进行实时修正。
8.根据权利要求1所述的燃料电池极板生产的系统,其特征在于,所述数据库单元为Oracle数据库或者MySQL数据库。
9.一种运用权利要求1至8任一项所述燃料电池极板生产的系统进行燃料电池极板生产的方法,其特征在于,包括如下步骤:
实时采集燃料电池极板产线的运行参数及环境参数;
根据不同决策目的提取出不同的原始数据进行分析和决策;
通过机器学习算法对提取出来的原始数据进行训练,并输出训练模型;
通过输出的训练模型对燃料电池极板产线的运行参数及环境参数进行实时修正,并输出修正的参数值;
根据修正的参数值对燃料电池极板产线的生产质量进行评价;
保存燃料电池极板产线的实时参数值及机器学习单元输出的训练模型。
10.根据权利要求9所述的燃料电池极板生产的方法,其特征在于,所述评价通过如下方式实现:根据修正的参数值,监控燃料电池极板产线的实时生产状态,然后将生产的极板装配得到燃料电池,通过测试所述燃料电池的性能数据对修正的参数值进行评价;当修正的参数值有利于所述燃料电池性能的均一化,则评价为正;当修正的参数值不利于所述燃料电池性能的均一化,则评价为负。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111322528.7A CN114267844B (zh) | 2021-11-09 | 2021-11-09 | 一种燃料电池极板生产的系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111322528.7A CN114267844B (zh) | 2021-11-09 | 2021-11-09 | 一种燃料电池极板生产的系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114267844A true CN114267844A (zh) | 2022-04-01 |
CN114267844B CN114267844B (zh) | 2024-02-27 |
Family
ID=80824998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111322528.7A Active CN114267844B (zh) | 2021-11-09 | 2021-11-09 | 一种燃料电池极板生产的系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114267844B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116273735A (zh) * | 2023-04-14 | 2023-06-23 | 东莞全职数控科技有限公司 | 一种用于点胶机运动控制系统 |
CN117217031A (zh) * | 2023-11-09 | 2023-12-12 | 新研氢能源科技有限公司 | 一种用于燃料电池电堆的智能生产方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015221594A1 (de) * | 2015-11-04 | 2017-05-04 | Volkswagen Ag | Verfahren zur Fertigung eines Brennstoffzellenstapels sowie für das Verfahren geeignete Bipolarplatte |
CN109792063A (zh) * | 2016-09-26 | 2019-05-21 | 株式会社Lg化学 | 人工智能燃料电池系统 |
CN111933976A (zh) * | 2020-08-05 | 2020-11-13 | 深圳市氢雄燃料电池有限公司 | 一种燃料电池双极板 |
CN112069741A (zh) * | 2020-09-25 | 2020-12-11 | 国网四川省电力公司经济技术研究院 | 燃料电池电堆暂态老化预测方法、装置、设备及储存介质 |
CN112464559A (zh) * | 2020-11-24 | 2021-03-09 | 山东交通学院 | 一种用于燃料电池发动机故障预测的数据融合方法及系统 |
DE102020107779A1 (de) * | 2020-03-20 | 2021-09-23 | Schaeffler Technologies AG & Co. KG | Verfahren und Prüfanlage zum Prüfen einer Bipolarplatte einer Brennstoffzelle |
-
2021
- 2021-11-09 CN CN202111322528.7A patent/CN114267844B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102015221594A1 (de) * | 2015-11-04 | 2017-05-04 | Volkswagen Ag | Verfahren zur Fertigung eines Brennstoffzellenstapels sowie für das Verfahren geeignete Bipolarplatte |
CN109792063A (zh) * | 2016-09-26 | 2019-05-21 | 株式会社Lg化学 | 人工智能燃料电池系统 |
DE102020107779A1 (de) * | 2020-03-20 | 2021-09-23 | Schaeffler Technologies AG & Co. KG | Verfahren und Prüfanlage zum Prüfen einer Bipolarplatte einer Brennstoffzelle |
CN111933976A (zh) * | 2020-08-05 | 2020-11-13 | 深圳市氢雄燃料电池有限公司 | 一种燃料电池双极板 |
CN112069741A (zh) * | 2020-09-25 | 2020-12-11 | 国网四川省电力公司经济技术研究院 | 燃料电池电堆暂态老化预测方法、装置、设备及储存介质 |
CN112464559A (zh) * | 2020-11-24 | 2021-03-09 | 山东交通学院 | 一种用于燃料电池发动机故障预测的数据融合方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116273735A (zh) * | 2023-04-14 | 2023-06-23 | 东莞全职数控科技有限公司 | 一种用于点胶机运动控制系统 |
CN116273735B (zh) * | 2023-04-14 | 2023-10-27 | 东莞全职数控科技有限公司 | 一种用于点胶机运动控制系统 |
CN117217031A (zh) * | 2023-11-09 | 2023-12-12 | 新研氢能源科技有限公司 | 一种用于燃料电池电堆的智能生产方法及系统 |
CN117217031B (zh) * | 2023-11-09 | 2024-02-20 | 新研氢能源科技有限公司 | 一种用于燃料电池电堆的智能生产方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114267844B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114267844A (zh) | 一种燃料电池极板生产的系统与方法 | |
CN105891724B (zh) | 基于扩展单粒子模型的锂离子电池荷电状态在线估计方法 | |
CN101237064A (zh) | 燃料电池堆的在线自适应极化曲线估算用的算法 | |
CN111196184A (zh) | 车辆及车用燃料电池进气系统的控制方法、控制装置 | |
CN106654319A (zh) | 一种基于变异粒子群和差分进化混合算法的pemfc系统温度建模方法 | |
CN101098012A (zh) | 一种燃料电池控制系统、控制装置及控制方法 | |
CN107425521A (zh) | 一种考虑负荷波动性的动态聚合建模及参与调频方法 | |
CN114492087B (zh) | 氢储能电站质子交换膜燃料电池故障诊断方法及装置 | |
CN113935225A (zh) | 一种基于机器学习的液流电池电堆优化和性能预测方法 | |
CN111916803A (zh) | 一种基于云智能监控和边缘计算的燃料电池系统 | |
CN110688762B (zh) | 一种固体氧化物燃料电池电堆模型构建方法 | |
CN115422846A (zh) | 燃料电池的老化建模方法、装置、设备和介质 | |
CN116167524A (zh) | 一种考虑电-氢-热耦合的多元负荷协同预测方法及系统 | |
CN115100440A (zh) | 基于超级电容储能的电源监管反馈系统 | |
CN115498223B (zh) | 一种用于燃料电池的供氢控制方法及系统 | |
CN109661587A (zh) | 包括防短路构件的三电极系统型电极电位测量装置 | |
CN115149123B (zh) | 一种锂电池模组一致性分析方法、系统及存储介质 | |
CN115993555A (zh) | 储能电池组一致性等级的确定方法及装置 | |
CN115763929A (zh) | 一种燃料电池封装结构及其制备方法与应用 | |
CN114094150B (zh) | 一种基于机器学习的液流电池电堆最优操作条件预测方法 | |
CN113721457A (zh) | 基于lmi的氢燃料电池最优参数可变控制器的设计方法 | |
CN115221816B (zh) | 确定燃料电池水管理状态操作条件组合的方法和装置 | |
CN111600051A (zh) | 一种基于图像处理的质子交换膜燃料电池故障诊断方法 | |
CN107576913A (zh) | 主动配电网中氢负荷运行分析方法 | |
CN115048818B (zh) | 双极板强度仿真模型搭建方法、装置及仿真模型搭建设备 |
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 |