CN114976128A - 一种基于五维数字孪生技术的pemfc故障预测及健康管理系统及方法 - Google Patents
一种基于五维数字孪生技术的pemfc故障预测及健康管理系统及方法 Download PDFInfo
- Publication number
- CN114976128A CN114976128A CN202111470571.8A CN202111470571A CN114976128A CN 114976128 A CN114976128 A CN 114976128A CN 202111470571 A CN202111470571 A CN 202111470571A CN 114976128 A CN114976128 A CN 114976128A
- Authority
- CN
- China
- Prior art keywords
- pemfc
- entity
- virtual entity
- data
- twin
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005516 engineering process Methods 0.000 title claims abstract description 25
- 230000036541 health Effects 0.000 title claims abstract description 23
- 239000000446 fuel Substances 0.000 claims abstract description 87
- 239000012528 membrane Substances 0.000 claims abstract description 53
- 230000033228 biological regulation Effects 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims abstract description 5
- 239000001257 hydrogen Substances 0.000 claims description 27
- 229910052739 hydrogen Inorganic materials 0.000 claims description 27
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 21
- 238000007726 management method Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 15
- 238000003745 diagnosis Methods 0.000 claims description 10
- 239000007789 gas Substances 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 150000002431 hydrogen Chemical class 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 13
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000010998 test method Methods 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000009792 diffusion process Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- 206010013496 Disturbance in attention Diseases 0.000 description 4
- 230000004913 activation Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 239000000376 reactant Substances 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 239000000498 cooling water Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 235000003642 hunger Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000037351 starvation Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000012495 reaction gas Substances 0.000 description 1
- 230000027756 respiratory electron transport chain Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
-
- 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
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Fuel Cell (AREA)
Abstract
本发明公开一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统及方法，该系统包括PEMFC物理实体、PEMFC虚拟实体、孪生数据库、服务层及连接；PEMFC虚拟实体用于映射PEMFC物理实体的运行状态，并与孪生数据库间动态互联；孪生数据库用于存储来自PEMFC物理实体与PEMFC虚拟实体的数据；服务层用于根据孪生数据库中的数据进行PEMFC物理实体运行状态的判断和故障预测，并进行相应输入的调控；连接包括外部连接与内部连接；本发明利用五维数字孪生技术极大的改良了质子交换膜燃料电池的测试方法，能够对质子交换膜燃料电池的水淹以及膜干进行预测性的维护。
Description
技术领域
本发明属于燃料电池技术领域，尤其涉及一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统及方法。
背景技术
目前，质子交换膜燃料电池(PEMFC)的应用前景已经十分明了，氢能将成为未来能源的终极解决方案，而质子交换膜燃料电池，将成为氢能利用的一个较好的方式。然而，质子交换膜燃料电池的应用目前主要受制于耐久性以及故障难以预测的条件。而质子交换膜燃料电池内部反应复杂，为多物理场耦合的应用条件，因此难有有效的方式可以进行在线检测其故障。数字孪生系统则能很好的提供质子交换膜燃料电池在使用过程中的测量困难，难以有效的反映故障量的问题。
质子交换膜燃料电池的故障预测与健康管理是其商业化过程中的重要条件。针对多物理场耦合的工况，针对质子交换膜燃料电池的故障诊断目前的研究方向主要有三个，一是基于实验的故障诊断方法，二是基于模型的故障诊断方法，三是基于数据驱动的故障诊断方法。但是，在应用过程中，普通传感器难以有效的反映全部的数据，而普通的仿真很难保证高精度的物理映射，基于数据的方法前期需要大量的实验进行采集数据，其中不乏大量的故障样本，这样经济性将受到一定的限制，此外，所述测试实验通常需要由经过良好培训的人员完成。例如，燃料电池系统的调试将涉及多学科知识，包括化学、机械、电化学、电气、电子、仪器仪表和自动化工程，并且需要具有工程经验的专家。燃料电池系统的常规调试通常使用手动操作，这种操作缺乏稳健性并且易于出错。需要以最少人为错误使调试过程自动化，从而将系统质量和寿命最大化。
发明内容
本发明针对目前并没有有效的针对于质子交换膜燃料电池的故障诊断以及健康管理方法，基于模型的方法难以实现高精度的分析，基于试验的方法数据采集并不够客观，基于数据驱动的方法则需要大量的实验测试数据的问题，提出一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统及方法。
为了实现上述目的，本发明采用以下技术方案：
本发明一方面提出一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统，包括PEMFC物理实体、PEMFC虚拟实体、孪生数据库、服务层及连接；
所述PEMFC物理实体包括温度调节系统、燃料处理系统及质子交换膜燃料电池电堆；所述质子交换膜燃料电池电堆上连接有传感器；
所述PEMFC虚拟实体用于映射PEMFC物理实体的运行状态，并与孪生数据库间动态互联；
所述孪生数据库用于存储来自PEMFC物理实体与PEMFC虚拟实体的数据；
所述服务层用于根据孪生数据库中PEMFC物理实体与PEMFC虚拟实体的数据进行PEMFC物理实体运行状态的判断和故障预测，并进行相应输入的调控；
所述连接包括外部连接与内部连接；所述外部连接用于通过传感器采集与感知PEMFC物理实体的参数，并将参数上传至孪生数据库以及作为PEMFC虚拟实体的输入；内部连接则用于反馈PEMFC虚拟实体的参数至孪生数据库。
进一步地，所述燃料处理系统包括氢气罐，氢气循环泵，压力调节器，排氢阀，滤清器，空气压缩机以及增湿器；所述氢气罐，氢气循环泵，压力调节器依次相连；所述压力调节器的输出端一端连接质子交换膜燃料电池电堆，一端连接排氢阀；所述滤清器，空气压缩机，增湿器以及质子交换膜燃料电池电堆依次相连。
进一步地，所述传感器用于采集质子交换膜燃料电池的阴极/阳极入口相对湿度、气体组分及含量、气体流量、压强以及质子交换膜燃料电池电堆温度。
进一步地，所述PEMFC虚拟实体还用于在给定参数的情况下模拟PEMFC物理实体的运行状态。
进一步地，所述PEMFC虚拟实体为降阶的多物理场耦合模型，并能进行可视化反馈以及数字化反馈。
进一步地，所述内部连接采用数据总线/局域网进行数据传送。
进一步地，所述运行状态的判断包括故障判定，所述故障判定包括水淹和膜干。
本发明另一方面提出一种基于五维数字孪生技术的PEMFC故障预测及健康管理方法，包括：
传感器采集PEMFC物理实体的参数，并传入PEMFC虚拟实体和孪生数据库中，完成PEMFC虚拟实体的初始化；
PEMFC物理实体和PEMFC虚拟实体保持实时互联；
孪生数据库同时接收来自于PEMFC物理实体的数据以及来自于PEMFC虚拟实体的数据，并将实时的数据传输至服务层；
服务层利用故障诊断的方法对PEMFC物理实体的工作状态进行评估；
服务层通过孪生数据库实时反馈的PEMFC物理实体的数据预测下一时刻的输入数据，并将可能出现的输入数据传输到PEMFC虚拟实体中进行计算与迭代；然后，服务层再根据孪生数据库中PEMFC虚拟实体的反馈数据进行故障的预测，根据预测的结果，对PEMFC物理实体的温度调节系统以及燃料处理系统进行调节，从而将故障隐患提前进行消除。
进一步地，故障的预测方法包括人工神经网络，深度学习算法。
与现有技术相比，本发明具有的有益效果：
(1)本发明利用五维数字孪生技术极大的改良了质子交换膜燃料电池的测试方法，能够对质子交换膜燃料电池的水淹以及膜干进行预测性的维护，能在一定程度上降低质子交换膜燃料电池的使用成本，加速其商用化进程；
(2)目前并没有有效的针对于质子交换膜燃料电池的故障诊断以及健康管理方法，基于模型的方法难以实现高精度的分析，基于试验的方法数据采集并不够客观，基于数据驱动的方法则需要大量的实验测试数据，对于质子交换膜燃料电池本身来说也是一种损害；而本发明的一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统及方法，对于各种质子交换膜燃料电池均能够适用。
附图说明
图1为本发明实施例一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统的架构示意图之一；
图2为本发明实施例一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统的架构示意图之二；
图3为本发明实施例一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统的燃料处理系统架构示意图；
图4为本发明实施例一种基于五维数字孪生技术的PEMFC故障预测及健康管理方法的流程图；
图5为本发明实施例PEMFC虚拟实体的构建流程图；
附图中标号：100为质子交换膜燃料电池系统，101为温度调节系统，102为燃料处理系统，1021为氢气罐，1022为氢气循环泵，1023为压力调节器，1024为排氢阀，1025为滤清器，1026为空气压缩机，1027为增湿器，103为质子交换膜燃料电池电堆，2为PEMFC虚拟实体，3为孪生数据库，4为服务层。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的解释说明：
如图1-图2所示，一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统，包括PEMFC物理实体、PEMFC虚拟实体2、孪生数据库3、服务层4及连接；
作为一种可实施方式，所述PEMFC物理实体具体为质子交换膜燃料电池系统100，质子交换膜燃料电池系统100包括温度调节系统101、燃料处理系统102及质子交换膜燃料电池电堆103；所述质子交换膜燃料电池电堆103上连接有传感器；具体地，质子交换膜燃料电池电堆103可以包括多层单电池，每层电池主要为极板，用以收集反应产生的电流；流道，用以组织燃料电池内部的流场；气体扩散层，微孔结构增加反应气体的接触面积；催化剂层，用以促使燃料产生质子和电子；质子交换膜，用以电荷的转移。此外，在电堆外部有与温度调节系统101相连接的冷却水流道；
所述PEMFC虚拟实体2用于映射PEMFC物理实体的运行状态，并与孪生数据库3间动态互联；
所述孪生数据库3用于存储来自PEMFC物理实体与PEMFC虚拟实体2的数据；
所述服务层4用于根据孪生数据库3中PEMFC物理实体与PEMFC虚拟实体2的数据进行PEMFC物理实体运行状态的判断和故障预测，并进行相应输入的调控；
所述连接包括外部连接与内部连接；所述外部连接用于通过传感器采集与感知PEMFC物理实体的参数，并将参数上传至孪生数据库3以及作为PEMFC虚拟实体2的输入；内部连接则用于反馈PEMFC虚拟实体2的参数至孪生数据库3。
进一步地，如图3所示，所述燃料处理系统102包括氢气罐1021，氢气循环泵1022，压力调节器1023，排氢阀1024，滤清器1025，空气压缩机1026以及增湿器1027；所述氢气罐1021，氢气循环泵1022，压力调节器1023依次相连；所述压力调节器1023的输出端一端连接质子交换膜燃料电池电堆103，一端连接排氢阀1024；所述滤清器1025，空气压缩机1026，增湿器1027以及质子交换膜燃料电池电堆103依次相连。
进一步地，所述传感器用于采集质子交换膜燃料电池的阴极/阳极入口相对湿度、气体组分及含量、气体流量、压强以及质子交换膜燃料电池电堆温度。
进一步地，所述PEMFC虚拟实体2还用于在给定参数的情况下模拟PEMFC物理实体的运行状态。
进一步地，所述PEMFC虚拟实体2为降阶的多物理场耦合模型，并能进行可视化反馈以及数字化反馈。
进一步地，所述内部连接采用数据总线/局域网进行数据传送。
进一步地，所述运行状态的判断包括故障判定，所述故障判定包括水淹和膜干。
在上述实施例的基础上，如图4所示，本发明还提出一种基于五维数字孪生技术的PEMFC故障预测及健康管理方法，包括：
传感器采集PEMFC物理实体的参数，并传入PEMFC虚拟实体2和孪生数据库3中，完成PEMFC虚拟实体2的初始化；
PEMFC物理实体和PEMFC虚拟实体2保持实时互联；
孪生数据库3同时接收来自于PEMFC物理实体的数据以及来自于PEMFC虚拟实体2的数据，并将实时的数据传输至服务层4；
服务层4利用故障诊断的方法对PEMFC物理实体的工作状态进行评估；
服务层通过孪生数据库3实时反馈的PEMFC物理实体的数据预测下一时刻的输入数据，并将可能出现的输入数据传输到PEMFC虚拟实体2中进行计算与迭代；然后，服务层4再根据孪生数据库3中PEMFC虚拟实体2的反馈数据进行故障的预测，根据预测的结果，对PEMFC物理实体的温度调节系统101以及燃料处理系统102进行调节，从而将故障隐患提前进行消除。
进一步地，故障的预测方法包括人工神经网络，深度学习算法。
具体地，首先进行燃料电池的试机，对于质子交换膜燃料电池系统100，首先打开燃料处理系统102对交换膜燃料电池电堆103进行燃料的供给，同时，置于交换膜燃料电池电堆103上的外部连接的传感器将温度，阴极/阳极压力，湿度等参数D0传入PEMFC虚拟实体2中，完成PEMFC虚拟实体2的初始化。此时PEMFC虚拟实体2利用其可视化技术以及降阶模型技术可以将更加全面的电堆数据显示出来。外部连接数据实时采集，D0数据也将实时的迭代入PEMFC虚拟实体2中，从而保持实时互联。此外，质子交换膜燃料电池系统100中的数据同时将反馈入孪生数据库3中，孪生数据库3同时接收来自于质子交换膜燃料电池系统100的数据Pt以及来自于PEMFC虚拟实体2的数据Vt。孪生数据库3将实时的数据传输至服务层4，此时服务层4利用故障诊断的方法对质子交换膜燃料电池系统100的工作状态进行评估。服务层4通过实时反馈的数据进行预测下一时刻的输入数据，并通过内部连接Ov将可能出现的输入数据传输到PEMFC虚拟实体2中并进行计算与迭代。服务层4再根据其反馈数据进行故障的预测，根据预测的结果，利用超控命令Op对质子交换膜燃料电池系统100的温度调节系统101以及燃料处理系统102进行调节，从而将故障隐患提前进行消除。其具体方法为：
当燃料电池阴极/阳极通入气体的比例出现早期偏差时，在PEMFC虚拟实体2中，将这一偏差随时间的变化情况模拟出来，若将出现气体饥饿现象，通过孪生数据库3反馈给服务层4，服务层4根据其反馈进行对氢气循环泵1022以及压力调节器1023的控制，通过增加氢气循环泵1022的输出功率以及增加压力调节器1023的通过比例，增加质子交换膜燃料电池电堆103的实际进氢量。同时实际进氢量的调整数据将同步至PEMFC虚拟实体2中，以进一步判断调整是否有效。
当PEMFC虚拟实体2的瞬态计算中出现有水淹危险时，数据上传至通过孪生数据库3，通过孪生数据库3反馈给服务层4，服务层4根据预测的风险提前进行空气端参数的调整，如降低增湿器1027的增湿比例，增加空气压缩机1026的供气强度以及通过温度处理系统101通过降低冷却水的流量来提高质子交换膜燃料电池电堆103的温度。
当PEMFC虚拟实体2的瞬态计算中，预测在未来有膜干风险时，数据上传至通过孪生数据库3，通过孪生数据库3反馈给服务层4，服务层4根据膜干风险的程度进行参数调整，如增加空气增湿器1027的增湿比例，利用温度处理系统101通过增加冷却水的流量来降低质子交换膜燃料电池电堆103的温度。
作为一个实例，在本例中，质子交换膜燃料电池系统100仅为PEMFC虚拟实体2提供结构参数，断开外部连接以及质子交换膜燃料电池系统100与其他部分的内部连接。操作者通过服务层4提供初始化参数，PEMFC虚拟实体2利用质子交换膜燃料电池系统100的结构参数以及操作者提供的初始化参数进行迭代计算，利用PEMFC虚拟实体2，孪生数据库3以及服务层4进行虚拟仿真。
其中，PEMFC虚拟实体2提供仿真所需的镜像模型，该镜像模型保留质子交换膜燃料电池系统100中的物理特征，孪生数据库3则作为保存开发与研究的对比数据库进行研究，服务层4则作为PEMFC虚拟实体2与操作者的接口，为操作者提供仿真实验所需要的功能。操作者的动作通过Ov传输到PEMFC虚拟实体2，而PEMFC虚拟实体2根据已经存在的镜像模型在虚拟空间做出质子交换膜燃料电池系统100的镜像反应，所产生的数据通过Vt传输到孪生数据库3，并供服务层4调用。从而利用PEMFC虚拟实体2代替质子交换膜燃料电池系统100进行相关工况的运行实验。以此进行质子交换膜燃料电池的开发以及研究。
本公开的PEMFC虚拟实体2可以自主生成质子交换膜燃料电池系统100的镜像模型，其中包括PEMFC各子系统(图3)的数学模型，PEMFC各子系统之间的物理耦合关系，以及独立质子交换膜燃料电池电堆103的数学模型。该PEMFC虚拟实体2保留两个输入接口以及一个输出接口，其中D0为质子交换膜燃料电池系统100与PEMFC虚拟实体2初始化模型的接口，在此实例中，仅构建PEMFC虚拟实体2时打开，Ov则为服务层4对PEMFC虚拟实体2的操作，在此实例中，可以单独对PEMFC虚拟实体2进行仿真参数的修改以获得其在某特定条件下的工作情况。
进一步地，PEMFC虚拟实体2的构建过程如下：
作为一个实例，PEMFC物理实体以及PEMFC虚拟实体2之间需要进行高保真的镜像，不同于常规的实验数据迁移以及模型建立，本公开所述虚拟实体需要针对性的建立，如图5。首先进行三维模型的构建S41，利用三维实体扫描技术或针对性的三维建模技术可以进行PEMFC三维实体的构建，此三维实体应尽可能的保留质子交换膜燃料电池电堆103的物理特征。
S42为物理数学模型的内嵌，针对于不同的部件，在三维模型中赋予相应的理化特征，该物理特征同样为针对PEMFC进行构建，下面以数学物理特征中的精细化极化曲线推导为例。
考虑分子活化能，以及熵与焓的关系，在等温的条件下，可以构建吉布斯自由能
其中，
为物质在该温度下反应的焓变KJ/mol；
T为工作温度K；
若反应为等温等压的过程，那么可以PEMFC在无损耗状态下的可逆电动势：
其中：
为标准态下吉布斯自由能的变化KJ/mol；
n为每摩尔产物生成时的电子转移数量；
F为标准法拉第常数。
然而，在实际的反应过程中，尽管在理想条件下，仍然存在着很多损失项，分别为由反应动力学造成的活化损耗ηact，由离子电阻和电子电阻带来的欧姆损耗ηohmic，以及由于质量传输造成的浓度损耗ηconc。前人对此做出了许多研究，由Tafel公式可以推出电流密度j与其他参量的关系：
ηact＝a+b lg j (3)
其中，b为Tafel斜率；
j为电流密度A/cm2。
考虑离子电阻以及电子电阻，可以得到欧姆损耗为：
ηohmic＝iRohmic＝i(Relec+Rionic)＝jASRohmic (4)
式中i为电流A；
Relec,Rionic分别为电子电阻和离子电阻Ω；
j为电流密度A/cm2；
ASRohmic为面积比电阻Ω·cm2。
考虑物质扩散的影响，浓度损耗为：
c为浓度损耗常数；
jL为极限电流密度A/cm2；
j为电流密度A/cm2。
由此，可以推得一个在理想状态下的燃料电池：
E＝Ethermo-ηact-ηohmic-ηconc (6)
分别将(2)-(5)式带入(6)式，得：
该方程在研究燃料过程中有了较多应用，但是在应用过程中，该式在一些条件下与实际情况偏差较大。然而，在实际的反应过程中，温度，压强，湿度并非常量，这就导致大量参数在公式中并非恒值，对于理想电动势来说，熵
与焓
将受温度的影响而改变；对于活化损失项来说，是极端理想化的一个条件，现实的反应中实则更贴近于Butler-Volmer方程，尤其是在低电流密度的区域，Tafel公式将会造成极大的失真，Butler-Volmer方程如式(8)，式中相较于Tafel公式有了更详细的描述，可以看到温度T，反应物浓度c，传输系数α等直接影响了电流密度以及活化损耗，并且反应物浓度c，传输系数α间接也受温度的影响。
其中：
为标准浓度下的电流密度A/cm2；
α 为传输系数；
n 为反应中转移的电子数；
而
和
分别代表反应物与生成物的速率；
η为活化损耗电动势V；
R为理想气体常数；
T为反应温度K。
利用泰勒展开式，可以将(8)式改写为：
欧姆损耗项中，各部分电阻受湿度，温度影响而改变ASRohmic，尤其在膜上，电阻受到的影响将会更大。简单来讲，膜上存在拖拽渗透以及水的反向扩散作用。在实际状态下，通常需要加湿来保证膜上的良好的电导性，但是加湿又会导致膜上的孔隙率下降，从而发生水淹等故障。考虑质子拖拽作用以及水的反向扩散，可以对欧姆损失项做出如下修正：
ηohmic＝jRm (10)
j为电流密度A/cm2；
Rm为膜厚范围内对电阻的积分，具体为：
其中σ为膜的电导率，是与水含量λ有关的一个函数，而水含量是关于厚度z的一个函数，具体为：
J为损失电流密度项由质子拖拽导致摩尔水通量JD以及反向扩散导致的摩尔水通量JBD mol/(s·cm2)；
ndrag为标准状态下的电拖拽系数；
j为电流密度A/cm2；
F为标准法拉第常数；
λ为水含量；
ρdry为膜的干态密度kg/m3；
Mn为膜的等效质量kg/mol；
D为测得膜中水的扩散率cm2/mol，利用磁共振技术可以测得在一定温度和湿度下的D的值，即D同时为含水量λ以及温度T的函数。
因为水流通量均为化学反应的产物，因此，根据电荷守恒和质子守恒定律可知：
联立(12)、(13)式，可得：
可以求得：
以303K时的电导率为标准，可得在任意温度下，电导率为：
将(11)、(15)、(16)式带入(10)式，得：
物质的扩散速率同样也受温度，压强的影响，即(5)式中的c严格来讲并不是一个常数，其与温度等的主要关系为：
那么浓度损耗项可以修正为：
其中α为浓度修正系数。
那么修正的燃料电池电动势EC与电流密度j之间的关系为：
相较于式(7)，该表达式从化学反应机理出发进行推导，考虑了各损耗项在实际工作条件下受温度，湿度的影响，对理想模型做出了修正，相较于商用软件，由于抛弃了计算中非必要的成分，计算速度更快且精准度更高。
作为一个示例，仅公开优化极化曲线的推导以及最终算法，其他算法开发流程为同样的操作，即在精确度以及运算速度上有提升。
S43步中，利用初始化进行PEMFC虚拟实体2的初步迭代，初始化条件为在标准工况下，PEMFC物理实体的运行输入参数。
S44步中，将PEMFC虚拟实体2利用初始化条件运行的结果与PEMFC物理实体在同工况下的运行结果进行对比，误差小于2％即满足要求，则S45PEMFC虚拟实体2构建成功，否则进行进一步的S46数学物理模型的优化。
综上，本发明利用五维数字孪生技术极大的改良了质子交换膜燃料电池的测试方法，能够对质子交换膜燃料电池的水淹以及膜干进行预测性的维护，能在一定程度上降低质子交换膜燃料电池的使用成本，加速其商用化进程。
以上所示仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统，其特征在于，包括PEMFC物理实体、PEMFC虚拟实体、孪生数据库、服务层及连接；
所述PEMFC物理实体包括温度调节系统、燃料处理系统及质子交换膜燃料电池电堆；所述质子交换膜燃料电池电堆上连接有传感器；
所述PEMFC虚拟实体用于映射PEMFC物理实体的运行状态，并与孪生数据库间动态互联；
所述孪生数据库用于存储来自PEMFC物理实体与PEMFC虚拟实体的数据；
所述服务层用于根据孪生数据库中PEMFC物理实体与PEMFC虚拟实体的数据进行PEMFC物理实体运行状态的判断和故障预测，并进行相应输入的调控；
所述连接包括外部连接与内部连接；所述外部连接用于通过传感器采集与感知PEMFC物理实体的参数，并将参数上传至孪生数据库以及作为PEMFC虚拟实体的输入；内部连接则用于反馈PEMFC虚拟实体的参数至孪生数据库。
2.根据权利要求1所述的一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统，其特征在于，所述燃料处理系统包括氢气罐，氢气循环泵，压力调节器，排氢阀，滤清器，空气压缩机以及增湿器；所述氢气罐，氢气循环泵，压力调节器依次相连；所述压力调节器的输出端一端连接质子交换膜燃料电池电堆，一端连接排氢阀；所述滤清器，空气压缩机，增湿器以及质子交换膜燃料电池电堆依次相连。
3.根据权利要求1所述的一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统，其特征在于，所述传感器用于采集质子交换膜燃料电池的阴极/阳极入口相对湿度、气体组分及含量、气体流量、压强以及质子交换膜燃料电池电堆温度。
4.根据权利要求1所述的一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统，其特征在于，所述PEMFC虚拟实体还用于在给定参数的情况下模拟PEMFC物理实体的运行状态。
5.根据权利要求1或4所述的一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统，其特征在于，所述PEMFC虚拟实体为降阶的多物理场耦合模型，并能进行可视化反馈以及数字化反馈。
6.根据权利要求1所述的一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统，其特征在于，所述内部连接采用数据总线/局域网进行数据传送。
7.根据权利要求1所述的一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统，其特征在于，所述运行状态的判断包括故障判定，所述故障判定包括水淹和膜干。
8.基于权利要求1-7任一所述一种基于五维数字孪生技术的PEMFC故障预测及健康管理系统的一种基于五维数字孪生技术的PEMFC故障预测及健康管理方法，其特征在于，包括：
传感器采集PEMFC物理实体的参数，并传入PEMFC虚拟实体和孪生数据库中，完成PEMFC虚拟实体的初始化；
PEMFC物理实体和PEMFC虚拟实体保持实时互联；
孪生数据库同时接收来自于PEMFC物理实体的数据以及来自于PEMFC虚拟实体的数据，并将实时的数据传输至服务层；
服务层利用故障诊断的方法对PEMFC物理实体的工作状态进行评估；
服务层通过孪生数据库实时反馈的PEMFC物理实体的数据预测下一时刻的输入数据，并将可能出现的输入数据传输到PEMFC虚拟实体中进行计算与迭代；然后，服务层再根据孪生数据库中PEMFC虚拟实体的反馈数据进行故障的预测，根据预测的结果，对PEMFC物理实体的温度调节系统以及燃料处理系统进行调节，从而将故障隐患提前进行消除。
9.根据权利要求8所述的一种基于五维数字孪生技术的PEMFC故障预测及健康管理方法，其特征在于，故障的预测方法包括人工神经网络，深度学习算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111470571.8A CN114976128A (zh) | 2021-12-03 | 2021-12-03 | 一种基于五维数字孪生技术的pemfc故障预测及健康管理系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111470571.8A CN114976128A (zh) | 2021-12-03 | 2021-12-03 | 一种基于五维数字孪生技术的pemfc故障预测及健康管理系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114976128A true CN114976128A (zh) | 2022-08-30 |
Family
ID=82975118
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111470571.8A Pending CN114976128A (zh) | 2021-12-03 | 2021-12-03 | 一种基于五维数字孪生技术的pemfc故障预测及健康管理系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114976128A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115320387A (zh) * | 2022-10-17 | 2022-11-11 | 北京理工大学 | 基于多源信息融合的车用燃料电池膜湿度预测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190173109A1 (en) * | 2017-12-04 | 2019-06-06 | General Electric Company | Digital twin based management system and method and digital twin based fuel cell management system and method |
| CN110532600A (zh) * | 2019-07-19 | 2019-12-03 | 北京航空航天大学 | 一种动力电池热管理系统及方法 |
| CN110534823A (zh) * | 2019-07-19 | 2019-12-03 | 北京航空航天大学 | 一种动力电池均衡管理系统及方法 |
| CN111199122A (zh) * | 2020-01-02 | 2020-05-26 | 西南交通大学 | 基于多物理场的质子交换膜燃料电池水淹故障诊断方法 |
| CN113346111A (zh) * | 2021-05-08 | 2021-09-03 | 中汽研汽车检验中心（天津）有限公司 | 一种质子交换膜燃料电池系统的建模方法 |
-
2021
- 2021-12-03 CN CN202111470571.8A patent/CN114976128A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190173109A1 (en) * | 2017-12-04 | 2019-06-06 | General Electric Company | Digital twin based management system and method and digital twin based fuel cell management system and method |
| CN109873185A (zh) * | 2017-12-04 | 2019-06-11 | 通用电气公司 | 基于数字孪生体的管理系统和方法及基于数字孪生体的燃料电池管理系统和方法 |
| CN110532600A (zh) * | 2019-07-19 | 2019-12-03 | 北京航空航天大学 | 一种动力电池热管理系统及方法 |
| CN110534823A (zh) * | 2019-07-19 | 2019-12-03 | 北京航空航天大学 | 一种动力电池均衡管理系统及方法 |
| CN111199122A (zh) * | 2020-01-02 | 2020-05-26 | 西南交通大学 | 基于多物理场的质子交换膜燃料电池水淹故障诊断方法 |
| CN113346111A (zh) * | 2021-05-08 | 2021-09-03 | 中汽研汽车检验中心（天津）有限公司 | 一种质子交换膜燃料电池系统的建模方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115320387A (zh) * | 2022-10-17 | 2022-11-11 | 北京理工大学 | 基于多源信息融合的车用燃料电池膜湿度预测方法及系统 |
| CN115320387B (zh) * | 2022-10-17 | 2022-12-13 | 北京理工大学 | 基于多源信息融合的车用燃料电池膜湿度预测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107681181B (zh) | 一种燃料电池的性能诊断方法 | |
| Lebreton et al. | Fault Tolerant Control Strategy applied to PEMFC water management | |
| CN101393994B (zh) | 根据hfr测量值的燃料电池湿度在线系统确认和控制 | |
| CN109524693A (zh) | 燃料电池空气供给系统模型预测控制方法 | |
| CN112038671B (zh) | 一种固体氧化物燃料电池温度分布估计方法与系统 | |
| CN112072138A (zh) | 适应于冷启动的燃料电池混合电源系统及其建模方法 | |
| Vijay et al. | Adaptive observer based approach for the fault diagnosis in solid oxide fuel cells | |
| CN102110828A (zh) | 从电池堆平均hfr在线估计阴极进口和出口rh | |
| Ma et al. | Recent progress and challenges of multi-stack fuel cell systems: Fault detection and reconfiguration, energy management strategies, and applications | |
| WO2013083872A1 (en) | Method and arrangement for indicating solid oxide cell operating conditions | |
| Headley et al. | Development and experimental validation of a physics-based PEM fuel cell model for cathode humidity control design | |
| CN114976128A (zh) | 一种基于五维数字孪生技术的pemfc故障预测及健康管理系统及方法 | |
| CN114551937B (zh) | 一种燃料电池的性能检测系统及方法 | |
| CN116231000A (zh) | 一种燃料电池/电堆仿真模型的构建方法 | |
| Peng et al. | Generalized spatial–temporal fault location method for solid oxide fuel cells using LSTM and causal inference | |
| WO2013083873A1 (en) | Method and arrangement for diagnosis of solid oxide cells operating conditions | |
| Wang et al. | Long short-term memory deep learning model for predicting the dynamic performance of automotive PEMFC system | |
| Chi et al. | Model-based observer for vehicle proton exchange membrane fuel cell humidity based on adaptive sliding mode estimation technique | |
| Lv et al. | Modeling & dynamic simulation of high-power proton exchange membrane fuel cell systems | |
| CN116312837A (zh) | 一种基于多尺度模型的液流电池当地极化预测方法 | |
| CN116231013A (zh) | 燃料电池故障嵌入模型的建立方法 | |
| KR102219866B1 (ko) | 출력전압에 기반하여 자가 진단을 수행하는 연료전지 시스템 | |
| KR102216853B1 (ko) | 플랜트의 운전 방식을 설정하는 연료 전지 시스템 | |
| KR102216852B1 (ko) | 인공지능 기반의 연료 전지 시스템 | |
| Yuan et al. | Parameter Identification for a Proton Exchange Membrane Fuel Cell Model |
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 |