CN115241503A - 敏感度计算方法、装置、电子设备和计算机可读存储介质 - Google Patents
敏感度计算方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN115241503A CN115241503A CN202210907558.2A CN202210907558A CN115241503A CN 115241503 A CN115241503 A CN 115241503A CN 202210907558 A CN202210907558 A CN 202210907558A CN 115241503 A CN115241503 A CN 115241503A
- Authority
- CN
- China
- Prior art keywords
- interval
- performance
- sensitivity
- fuel cell
- index
- 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
- 230000035945 sensitivity Effects 0.000 title claims abstract description 82
- 238000004364 calculation method Methods 0.000 title claims abstract description 71
- 238000005192 partition Methods 0.000 claims abstract description 107
- 239000000446 fuel Substances 0.000 claims abstract description 90
- 229910052739 hydrogen Inorganic materials 0.000 claims description 54
- 239000001257 hydrogen Substances 0.000 claims description 54
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 50
- 239000002826 coolant Substances 0.000 claims description 34
- 230000004927 fusion Effects 0.000 claims description 24
- 238000013075 data extraction Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000000034 method Methods 0.000 abstract description 27
- 238000004088 simulation Methods 0.000 abstract description 5
- 230000006978 adaptation Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 101150049349 setA gene Proteins 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000013316 zoning 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
- H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (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
本申请公开了一种敏感度计算方法、装置、电子设备和计算机可读存储介质,用于对燃料电池系统的电池性能对工作条件的敏感度进行计算,具体为获取燃料电池系统的多个工作条件;针对每个工作条件的取值范围进行区间划分,得到多个分区数据;计算每个工作条件的每个分区数据内燃料电池系统的指定性能的性能波动指标,得到当前工作条件的性能指标波动状态,性能指标波动状态包括多个对应每个分区数据的性能波动指标;根据性能指标波动状态计算电池性能对每个工作条件的敏感度。本方案能够突破传统仿真方法存在的局限性,能够确定运行状态的燃料电池系统对各种工作条件的敏感度。还可以在确定敏感度的基础上,即可实现对燃料电池工作条件进行实时适配。
Description
技术领域
本申请涉及燃料电池技术领域,更具体地说,涉及一种敏感度计算方法、装置、电子设备和计算机可读存储介质。
背景技术
燃料电池工作条件的适配是决定系统效率和耐久性的关键因素。同一个设计工作点,工作条件不同,燃料电池输出功率会发生变化。因此,通过分析工作条件与燃料电池性能指标波动的关联性,可以衡量工作条件对燃料电池工作状态的影响程度。
在实际运行过程中,处于不同水热状态的燃料电池对各工作条件的敏感度不同,通常可通过仿真手段获得该敏感度。但针对处于运行状态的燃料电池系统,仿真方法仍存在一定局限性,即,其无法确定处于运行状态的燃料电池系统对各种工作条件的敏感度,从而无法实现对燃料电池工作条件进行实时适配。
发明内容
有鉴于此,本申请提供一种敏感度计算方法、装置、电子设备和计算机可读存储介质,用于计算处于工作状态的燃料电池系统对各工作条件的敏感度,以便能够根据该敏感度对燃料电池系统的工作条件进行实时适配。
为了实现上述目的,现提出的方案如下:
一种敏感度计算方法,应用于电子设备,用于对燃料电池系统的电池性能对工作条件的敏感度进行计算,所述敏感度计算方法包括步骤:
获取所述燃料电池系统的多个所述工作条件;
针对每个所述工作条件的取值范围进行区间划分,得到多个分区数据;
对每个所述工作条件的每个所述分区数据内所述燃料电池系统的指定性能进行计算,得到所述指定性能的性能波动指标;
根据所述性能指标波动指标计算所述电池性能对每个所述工作条件的敏感度。
可选的,所述多个工作条件包括取空气流量、氢气流量、冷却液流量、空气出口压力、空气入口压力、氢气出口压力、氢气入口压力、冷却液出口压力、冷却液入口压力、空气出口温度、空气入口温度、空气湿度、空气露点温度、氢气出口温度、氢气入口温度、氢气湿度、氢气露点温度、冷却液出口温度和冷却液入口温度及以上工作条件衍生变量中的部分或全部。
可选的,所述针对每个所述工作条件的取值范围进行区间划分,得到多个分区数据,包括步骤:
基于预设的置信度将所述标准化处理后的工作条件取值范围进行范围限定,得到限定取值范围;
基于预设的区间步长对所述限定取值范围进行区间划分,得到所述多个区间分区;
基于每个所述区间分区从取值范围内进行数据提取,得到多个所述区间数据。
可选的,所述针对每个所述工作条件的取值范围进行区间划分,得到多个分区数据,还包括步骤:
在进行数据提取之前,根据预设样本数量进行校验,根据校验结果对所述区间分区进行修正处理。
可选的,还包括步骤:
从多个所述工作条件中选择其敏感度最大的所述工作条件作为目标工作条件;
根据所述目标工作条件的多个所述性能波动指标和所述指定性能的性能平均值进行计算,得到所述目标工作条件的每个区间分区的性能波动融合指标;
根据所述性能波动融合指标进行计算,得到阈值判断指标;
根据所述阈值判断指标计算每个所述区间分区的区间宽度;
从所有所述区间宽度中选取最宽的所述区间宽度为目标区间宽度;
选取所述目标区间宽度对应的区间分区作为所述燃料电池系统的最优控制参数区间。
一种敏感度计算装置,应用于电子设备,用于对燃料电池系统的电池性能对工作条件的敏感度进行计算,所述敏感度计算装置包括:
数据获取模块,被配置为获取所述燃料电池系统的多个所述工作条件;
区间划分模块,被配置为针对每个所述工作条件的取值范围进行区间划分,得到多个分区数据;
第一计算模块,被配置为对每个所述工作条件的每个所述分区数据内所述燃料电池系统的指定性能进行计算,得到所述指定性能的性能波动指标;
第二计算模块,被配置为根据所述性能指标波动状态计算所述电池性能对每个所述工作条件的敏感度。
可选的,所述多个工作条件包括取空气流量、氢气流量、冷却液流量、空气出口压力、空气入口压力、氢气出口压力、氢气入口压力、冷却液出口压力、冷却液入口压力、空气出口温度、空气入口温度、空气湿度、空气露点温度、氢气出口温度、氢气入口温度、氢气湿度、氢气露点温度、冷却液出口温度和冷却液入口温度及以上工作条件衍生变量中的部分或全部。
可选的,所述区间划分模块包括:
区间限定单元,被配置为基于预设的置信度将所述标准化处理后的工作条件取值范围进行范围限定,得到限定取值范围;
划分执行单元,被配置为基于预设的区间步长对所述限定取值范围进行区间划分,得到所述多个区间分区;
数据提取单元,被配置为基于每个所述区间分区从取值范围内进行数据提取,得到多个所述区间数据。
可选的,所述区间划分模块还包括:
区间修正单元,被配置为在数据提取单元执行数据提取之前,根据预设样本数量进行校验,根据校验结果对所述区间分区进行修正处理。
可选的,还包括:
目标选定模块,被配置为从多个所述工作条件中选择其敏感度最大的所述工作条件作为目标工作条件;
第三计算模块,被配置为根据所述目标工作条件的多个所述性能波动指标和所述指定性能的性能平均值进行计算,得到所述目标工作条件的每个区间分区的性能波动融合指标;
第四计算模块,被配置为根据所述性能波动融合指标进行计算,得到阈值判断指标;
第五计算模块,被配置为根据所述阈值判断指标计算每个所述区间分区的区间宽度;
区间选定模块,被配置为从所有所述区间宽度中选取最宽的所述区间宽度为目标区间宽度;
数据选定模块,被配置为选取所述目标区间宽度对应的区间分区作为所述燃料电池系统的最优控制参数区间。
一种电子设备,应用于燃料电池系统,包括至少一个处理器和与所述处理器连接的存储器,其中:
所述存储器用于存储计算机程序或指令;
所述处理器用于执行所述计算机程序或指令,以使所述电子设备实施如上所述的敏感度计算方法。
一种计算机可读存储介质,应用于电子设备,所述计算机可读存储介质承载有一个或多个计算机程序,当所述电子设备执行所述一个或多个所述计算机程序时,能够使所述电子设备实现如上所述的敏感度计算方法。
从上述的技术方案可以看出,本申请公开了一种敏感度计算方法、装置、电子设备和计算机可读存储介质,用于对燃料电池系统的电池性能对工作条件的敏感度进行计算,具体为获取燃料电池系统的多个工作条件;针对每个工作条件的取值范围进行区间划分,得到多个分区数据;计算每个工作条件的每个分区数据内燃料电池系统的指定性能的性能波动指标,得到当前工作条件的性能指标波动状态,性能指标波动状态包括多个对应每个分区数据的性能波动指标;根据性能指标波动状态计算电池性能对每个工作条件的敏感度。本方案能够突破传统仿真方法存在的局限性,能够确定处于运行状态的燃料电池系统对各种工作条件的敏感度。
另外,在确定敏感度的基础上,即可实现对燃料电池工作条件进行实时适配。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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获得其他的附图。
图1为本申请实施例的一种敏感度计算方法的流程图;
图2为本申请实施例中指定工作条件在不同取值范围内的性能波动指标;
图3为本申请实施例的另一种敏感度计算方法的流程图;
图4为本申请实施例的燃料电池系统的指定工作条件的各区间分区平均电压的示意图;
图5为本申请实施例的一种敏感度计算装置的框图;
图6为本申请实施例的另一种敏感度计算方法的框图;
图7为本申请实施例的一种电子设备的框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
实施例一
图1为本申请实施例的一种敏感度计算方法的流程图。
如图1所示,本实施例提供的敏感度计算方法应用于电子设备,用于对燃料电池系统的电池性能对工作条件的敏感度进行计算,本实施例的燃料电池系统以电流控制模式在30~330A之间动态运行。该电子设备可以理解为具有信息处理能力和数据计算能力的计算机或服务器,该敏感度计算方法包括如下步骤:
S1、获取燃料电池系统的多个工作条件。
一般可以通过测试台架对燃料电池系统进行测试,通过测试可以得到该燃料电池系统的多个工作条件,所述多个工作条件包括取空气流量、氢气流量、冷却液流量、空气出口压力、空气入口压力、氢气出口压力、氢气入口压力、冷却液出口压力、冷却液入口压力、空气出口温度、空气入口温度、空气湿度、空气露点温度、氢气出口温度、氢气入口温度、氢气湿度、氢气露点温度、冷却液出口温度和冷却液入口温度中的部分或全部。衍生变量可能包括:温差=冷却液出口温度-冷却液进口温度,氢腔流阻=氢气出口压力-氢气入口压力,氢气计量比(实际氢气流量与理论反应电流所需氢气流量的倍数)等。
另外,通过测试台架还可以得到在上述工作条件的不同取值的情况下该燃料电池系统的性能指标,如工作电压、工作电流和单体电压等指标。该性能指标反映了燃料电池系统处于工作状态下的性能。
S2、针对每个工作条件的取值范围进行区间划分。
在确定工作条件后,针对每个工作条件的取值范围进行区间划分,得到多个区间分区,并得到每个区间分区的分区数据。本实施例选定空气流量为工作条件、选定工作电流为燃料电池系统的性能指标。在此基础上,按如下步骤实现区间划分。
首先,将指定的工作条件进行标准化处理,得到标准化取值范围[F(-∈),F(∈)],后续区间划分只在[F(-∈),F(∈)]内进行。∈的取值与置信度α相关,二者关系如下:
然后,结合该标准化取值范围[F(-∈),F(∈)]及设定区间步长δ,初步划分多个区间分区。
依据以上定义,可计算每个区间分区的初始范围为[F(-∈),F(-∈)+δ)、[F(-∈)+δ,F(-∈)+2δ)......[F(-∈)+(n-1)δ,F(-∈)+nδ),其中F(-∈)+nδ<F(∈),n为正整数。
然后,为排除样本数目对方差的影响,通过样本数目校验,对划分的区间分区的范围进行修正。总数据量为N,i为正整数,依据如下步骤对区间分区[F(-∈)+(i-1)δ,F(-∈)+iδ),重新进行区间划定:
(1)依据[F(-∈)+(i-1)δ,F(-∈)+(i-1)δ+w)区间分区进行数据提取(w>0),提取数据集合为S;
(3)当集合S的数据元素个数大于或等于时,固定此时w值,将[F(-∈)+(i-1)δ,F(-∈)+(i-1)δ+w)作为最终指定工作条件的区间分区的范围,重新进行数据筛选,以获得集合S作为指定工作条件、指定区间分区内的分区数据。值得指出的是,对区间分区进行修正是一个可选的操作。
最后,对上面所划定的区间分区,进行分区数据的获取,以获得指定工作条件下各区间分区的范围内的分区数据。
以空气计量比为例,首先将其进行Z-score标准化。令置信度α为0.7,指定步长为0.02,可得到各区间分区的初始范围为[0.15,0.17)、[0.17,0.19)......[0.83,0.85)。对[0.15,0.17)区间分区进行范围的重新制定:当通过所更新区间分区,筛选数据的数据量大于等于5812时,对应区间分区的范围更新为[0.150,0.328),对应空气计量比范围为[2.424,2.673)。
S3、计算燃料电池系统的每个性能的性能指标波动状态。
即针对每个工作条件的每个分区数据内燃料电池系统的指定性能进行计算,从而得到每个指定性能的性能波动指标。
一般地,可采用燃料电池系统的工作电压V的方差作为燃料电池性能波动性指标W:
其中{Vi}为指定工作条件、指定区间分区内燃料电池系统的工作电压的集合,为以上集合的平均值,N为集合{Vi}中的元素数目。须注意,以上性能波动指标包括但不限于燃料电池工作电压、输出功率、巡检电压方差等;波动带宽度的量化方法包括但不限于性能指标方差、性能指标极差等。
对应[0.150,0.328)区间分区的性能指标波动带的宽度可通过工作电压的方差进行量化,具体为166.513。依此类推,可获得指定工作条件在不同取值范围内的波动性能指标,计算结果如图2所示。
S4、计算每个工作条件对燃料电池的指定性能的影响度。
影响度(Impactfactor,IF)定义为待分析的区间分区中性能波动性指标产生变化的幅度,即性能波动性指标W的极差:
须注意,以上所述的性能波动性指标变化幅度包括但不限于性能波动性指标极差、方差等。
以所获得的最大工作电压的方差184.446@[3.022,3.677]减去最小工作电压方差81.732@[2.978,3.000],可得102.714,此即为空气计量比在该运行状态下对燃料电池系统的性能的影响度。依据以上步骤,可获得各工作条件对燃料电池系统的性能的影响度。
从上述技术方案可以看出,本实施例提供了一种敏感度计算方法,用于对燃料电池系统的电池性能对工作条件的敏感度进行计算,具体为获取燃料电池系统的多个工作条件;针对每个工作条件的取值范围进行区间划分,得到多个分区数据;计算每个工作条件的每个分区数据内燃料电池系统的指定性能的性能波动指标,得到当前工作条件的性能指标波动状态,性能指标波动状态包括多个对应每个分区数据的性能波动指标;根据性能指标波动状态计算电池性能对每个工作条件的敏感度。本方案能够突破传统仿真方法存在的局限性,能够确定处于运行状态的燃料电池系统对各种工作条件的敏感度。
另外,在本实施例的一个具体实施方式中,还包括如下步骤,如图3所示:
S5、选择敏感度最大的工作条件作为目标工作条件。
通过上面的计算,在得到每个工作条件对燃料电池系统的工作性能的敏感度后,即得到多个敏感度后,对所有敏感度进行排序,根据排序结果将最大的敏感度对应的工作条件选定为目标工作条件进行后续优化。同时,获取该目标工作条件的分区数据。
S6、考虑性能波动性与性能平均值进行融合指标计算。
即根据目标工作条件的多个性能波动指标和指定性能的性能平均值进行计算,得到目标工作条件的每个区间分区的性能波动融合指标。具体来说,通过如下方案实现计算:
其中,为各分区性能波动指标集合{Wj}的平均值,为各分区工作电压平均值集合{Uj}的平均值,如图4所示,其中分区数目为M,j为正整数且j∈[0,M]。通过本方案得到各个区间分区的池性能波动融合指标。图4中横轴为工作条件(空气计量比)取值范围,纵轴为平均电压。
例如,对空气计量比区间[2.424,2.673)的分区数据,计算得到波动性指标(标准偏差)为12.904(mV),平均电压为741.623(mV)。计算融合指标为0.000378,如下表所示。
S7、根据性能波动融合指标计算阈值判断指标。
对各分区燃料电池性能波动融合指标{WFj}进行排序。然后计算阈值判断指标。
选取优化度α,N为集合{Vi}中的元素数目,计算得到阈值αN;依据阈值计算阈值判断指标如下:当分区融合指标排序值小于阈值αN时,阈值判断指标为1;否则为0。具体计算方法如下:
例如,选取优化度为40%,即令融合指标排序前十的区间范围阈值判断指标为1,得到阈值判断指标为(1,1,0,0,0,0,1,1,1,1,0,0,1,1,0,0,0,1,0,0,0,0,0,0,0,0)。
S8、根据阈值判断指标计算每个区间分区的区间宽度。
具体步骤如下:
首先,对应区间分区[aj,bj]的阈值判断指标Bj:若Bj=1,则记录该区间分区下限aj,记为alower,k;若Bj=0,则记录上一个区间分区的上限bj-1,记为bupper,k。
然后,依据下式计算工作条件区间宽度:
Ck=bupper,k-alower,k
其中k为正整数。
S9、从所有区间宽度中选取最宽的区间宽度为目标区间宽度。
例如,对[2.602,2.732)区间,阈值判断指标连续为1,控制区间长度为0.13,对比其它工作条件区间,其范围最宽。综合考虑性能平均水平、波动性和鲁棒性等多重因素,将空气计量比工作条件控制区间2.667±0.065选定为目标控制区间。
S10、选取目标区间宽度对应的分区数据作为最优控制参数。
通过选取该最优控制参数,将该最优控制参数与该燃料电池系统实现实时适配,从而能够保证燃料电池系统实现最优运行。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Python、Julia、C++、Java、Smalltalk,还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机。
实施例二
图5为本申请实施例的一种敏感度计算装置的框图。
如图5所示,本实施例提供的敏感度计算装置应用于电子设备,用于对燃料电池系统的电池性能对工作条件的敏感度进行计算,本实施例的燃料电池系统以电流控制模式在30~330A之间动态运行。该电子设备可以理解为具有信息处理能力和数据计算能力的计算机或服务器,该敏感度计算装置包括数据获取模块10、区间划分模块20、第一计算模块30和第二计算模块40。
数据获取模块用于获取燃料电池系统的多个工作条件。
一般可以通过测试台架对燃料电池系统进行测试,通过测试可以得到该燃料电池系统的多个工作条件,多个工作条件包括取空气流量、氢气流量、冷却液流量、空气出口压力、空气入口压力、氢气出口压力、氢气入口压力、冷却液出口压力、冷却液入口压力、空气出口温度、空气入口温度、空气湿度、空气露点温度、氢气出口温度、氢气入口温度、氢气湿度、氢气露点温度、冷却液出口温度和冷却液入口温度中的部分或全部。衍生变量可能包括:温差=冷却液出口温度-冷却液进口温度,氢腔流阻=氢气出口压力-氢气入口压力,氢气计量比(实际氢气流量与理论反应电流所需氢气流量的倍数)等。
另外,通过测试台架还可以得到在上述工作条件的不同取值的情况下该燃料电池系统的性能指标,如工作电压、工作电流和单体电压等指标。该性能指标反映了燃料电池系统处于工作状态下的性能。
区间划分模块用于针对每个工作条件的取值范围进行区间划分。
在确定工作条件后,针对每个工作条件的取值范围进行区间划分,得到多个区间分区,并得到每个区间分区的分区数据。本实施例选定空气流量为工作条件、选定工作电流为燃料电池系统的性能指标。在此基础上,该模块具体包括区间限定单元、划分执行单元、区间修正单元和数据提取单元。
区间限定单元用于将指定的工作条件进行标准化处理,得到标准化取值范围[F(-∈),F(∈)],后续区间划分只在[F(-∈),F(∈)]内进行。∈的取值与置信度α相关,二者关系如下:
划分执行单元用于结合该标准化取值范围[F(-∈),F(∈)]及设定区间步长δ,初步划分多个区间分区。
依据以上定义,可计算每个区间分区的初始范围为[F(-∈),F(-∈)+δ)、[F(-∈)+δ,F(-∈)+2δ)......[F(-∈)+(n-1)δ,F(-∈)+nδ),其中F(-∈)+nδ<F(∈),n为正整数。
区间修正单元用于为排除样本数目对方差的影响,通过样本数目校验,对划分的区间分区的范围进行修正。总数据量为N,i为正整数,依据如下步骤对区间分区[F(-∈)+(i-1)δ,F(-∈)+iδ),重新进行区间划定:
(1)依据[F(-∈)+(i-1)δ,F(-∈)+(i-1)δ+w)区间分区进行数据提取(w>0),提取数据集合为S;
(3)当集合S的数据元素个数大于或等于时,固定此时w值,将[F(-∈)+(i-1)δ,F(-∈)+(i-1)δ+w)作为最终指定工作条件的区间分区的范围,重新进行数据筛选,以获得集合S作为指定工作条件、指定区间分区内的分区数据。值得指出的是,当区间不需修正时,该区间修正单元可以根据具体情况予以剔除,。
数据提取单元用于对上面所划定的区间分区,进行分区数据的获取,以获得指定工作条件下各区间分区的范围内的分区数据。
以空气计量比为例,首先将其进行Z-score标准化。令置信度α为0.7,指定步长为0.02,可得到各区间分区的初始范围为[0.15,0.17)、[0.17,0.19)......[0.83,0.85)。对[0.15,0.17)区间分区进行范围的重新制定:当通过所更新区间分区,筛选数据的数据量大于等于5812时,对应区间分区的范围更新为[0.150,0.328),对应空气计量比范围为[2.424,2.673)。
第一计算模块用于计算燃料电池系统的每个性能的性能指标波动状态。
即针对每个工作条件的每个分区数据内燃料电池系统的指定性能进行计算,从而得到每个指定性能的性能波动指标。
一般地,可采用燃料电池系统的工作电压V的方差作为燃料电池性能波动性指标W:
其中{Vi}为指定工作条件、指定区间分区内燃料电池系统的工作电压的集合,为以上集合的平均值,NN为集合{Vi}中的元素数目。须注意,以上性能波动指标包括但不限于燃料电池工作电压、输出功率、巡检电压方差等;波动带宽度的量化方法包括但不限于性能指标方差、性能指标极差等。
对应[0.150,0.328)区间分区的性能指标波动带的宽度可通过工作电压的方差进行量化,具体为166.513。依此类推,可获得指定工作条件在不同取值范围内的波动性能指标,计算结果如图2所示。
第二计算模块用于计算每个工作条件对燃料电池的指定性能的影响度。
影响度(Impactfactor,IF)定义为待分析的区间分区中性能波动性指标产生变化的幅度,即性能波动性指标W的极差:
须注意,以上所述的性能波动性指标变化幅度包括但不限于性能波动性指标极差、方差等。
以所获得的最大工作电压的方差184.446@[3.022,3.677]减去最小工作电压方差81.732@[2.978,3.000],可得102.714,此即为空气计量比在该运行状态下对燃料电池系统的性能的影响度。依据以上步骤,可获得各工作条件对燃料电池系统的性能的影响度。
从上述技术方案可以看出,本实施例提供了一种敏感度计算装置,用于对燃料电池系统的电池性能对工作条件的敏感度进行计算,具体为获取燃料电池系统的多个工作条件;针对每个工作条件的取值范围进行区间划分,得到多个分区数据;计算每个工作条件的每个分区数据内燃料电池系统的指定性能的性能波动指标,得到当前工作条件的性能指标波动状态,性能指标波动状态包括多个对应每个分区数据的性能波动指标;根据性能指标波动状态计算电池性能对每个工作条件的敏感度。本方案能够突破反之方法存在的局限性,能够确定处于运行状态的燃料电池系统对各种工作条件的敏感度。
另外,如图6所示,在本实施例的一个具体实施方式中,还包括目标选定模块50、第三计算模块60、第四计算模块70、第五计算模块80、区间选定模块90和数据选定模块100。
目标选定模块用于选择敏感度最大的工作条件作为目标工作条件。
通过上面的计算,在得到每个工作条件对燃料电池系统的工作性能的敏感度后,即得到多个敏感度后,对所有敏感度进行排序,根据排序结果将最大的敏感度对应的工作条件选定为目标工作条件进行后续优化。同时,获取该目标工作条件的分区数据。
第三计算模块用于考虑性能波动性与性能平均值进行融合指标计算。
即根据目标工作条件的多个性能波动指标和指定性能的性能平均值进行计算,得到目标工作条件的每个区间分区的性能波动融合指标。具体来说,通过如下方案实现计算:
其中,为各分区性能波动指标集合{Wj}的平均值,为各分区工作电压平均值集合{Uj}的平均值,如图4所示,其中分区数目为M,j为正整数且j∈[0,M]。通过本方案得到各个区间分区的池性能波动融合指标。图4中横轴为工作条件(空气计量比)取值范围,纵轴为平均电压。
例如,对空气计量比区间[2.424,2.673)的分区数据,计算得到波动性指标(标准偏差)为12.904(mV),平均电压为741.623(mV)。计算融合指标为0.000378,如下表所示。
第四计算模块用于根据性能波动融合指标计算阈值判断指标,计算结果如上表所示。
对各分区燃料电池性能波动融合指标{WFj}进行排序。然后计算阈值判断指标。
选取优化度α,N为集合{Vi}中的元素数目,计算得到阈值αN;依据阈值计算阈值判断指标如下:当分区融合指标排序值小于阈值αN时,阈值判断指标为1;否则为0。具体计算方法如下:
例如,选取优化度为40%,即令融合指标排序前十的区间范围阈值判断指标为1,得到阈值判断指标为(1,1,0,0,0,0,1,1,1,1,0,0,1,1,0,0,0,1,0,0,0,0,0,0,0,0)。
第五计算模块用于根据阈值判断指标计算每个区间分区的区间宽度。
具体方案如下:
首先,对应区间分区[aj,bj]的阈值判断指标Bj:若Bj=1,则记录该区间分区下限aj,记为alower,k;若Bj=0,则记录上一个区间分区的上限bj-1,记为bupper,k。
然后,依据下式计算工作条件区间宽度:
Ck=bupper,k-alower,k
其中k为正整数。
区间选定模块用于从所有区间宽度中选取最宽的区间宽度为目标区间宽度。
例如,对[2.602,2.732)区间,阈值判断指标连续为1,控制区间长度为0.13,对比其它工作条件区间,其范围最宽。综合考虑性能平均水平、波动性和鲁棒性等多重因素,将空气计量比工作条件控制区间2.667±0.065选定为目标控制区间。
数据选定模块用于选取目标区间宽度对应的分区数据作为最优控制参数区间。
通过选取该最优控制参数,将该最优控制参数与该燃料电池系统实现实时适配,从而能够保证燃料电池系统实现最优状态运行。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
实施例三
图7为本申请实施例的一种电子设备的框图。
下面参考图7,其示出了适于用来实现本公开实施例中的电子设备的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置606加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置606;以及通信装置609。通信装置609可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
实施例四
本实施例提供了一种计算机可读存储介质。该计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备执行如实施例一所描述的敏感度计算方法。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (12)
1.一种敏感度计算方法,应用于电子设备,用于对燃料电池系统的电池性能对工作条件的敏感度进行计算,其特征在于,所述敏感度计算方法包括步骤:
获取所述燃料电池系统的多个所述工作条件;
针对每个所述工作条件的取值范围进行区间划分,得到多个分区数据;
对每个所述工作条件的每个所述分区数据内所述燃料电池系统的指定性能进行计算,得到所述指定性能的性能波动指标;
根据所述性能指标波动指标计算所述电池性能对每个所述工作条件的敏感度。
2.如权利要求1所述的敏感度计算方法,其特征在于,所述多个工作条件包括取空气流量、氢气流量、冷却液流量、空气出口压力、空气入口压力、氢气出口压力、氢气入口压力、冷却液出口压力、冷却液入口压力、空气出口温度、空气入口温度、空气湿度、空气露点温度、氢气出口温度、氢气入口温度、氢气湿度、氢气露点温度、冷却液出口温度和冷却液入口温度及以上工作条件衍生变量中的部分或全部。
3.如权利要求1所述的敏感度计算方法,其特征在于,所述针对每个所述工作条件的取值范围进行区间划分,得到多个分区数据,包括步骤:
基于预设的置信度将所述标准化处理后的工作条件取值范围进行范围限定,得到限定取值范围;
基于预设的区间步长对所述限定取值范围进行区间划分,得到所述多个区间分区;
基于每个所述区间分区从取值范围内进行数据提取,得到多个所述区间数据。
4.如权利要求3所述的敏感度计算方法,其特征在于,所述针对每个所述工作条件的取值范围进行区间划分,得到多个分区数据,还包括步骤:
在进行数据提取之前,根据预设样本数量进行校验,根据校验结果对所述区间分区进行修正处理。
5.如权利要求1~4任一项所述的敏感度计算方法,其特征在于,还包括步骤:
从多个所述工作条件中选择其敏感度最大的所述工作条件作为目标工作条件;
根据所述目标工作条件的多个所述性能波动指标和所述指定性能的性能平均值进行计算,得到所述目标工作条件的每个区间分区的性能波动融合指标;
根据所述性能波动融合指标进行计算,得到阈值判断指标;
根据所述阈值判断指标计算每个所述区间分区的区间宽度;
从所有所述区间宽度中选取最宽的所述区间宽度为目标区间宽度;
选取所述目标区间宽度对应的区间分区作为所述燃料电池系统的最优控制参数区间。
6.一种敏感度计算装置,应用于电子设备,用于对燃料电池系统的电池性能对工作条件的敏感度进行计算,其特征在于,所述敏感度计算装置包括:
数据获取模块,被配置为获取所述燃料电池系统的多个所述工作条件;
区间划分模块,被配置为针对每个所述工作条件的取值范围进行区间划分,得到多个分区数据;
第一计算模块,被配置为对每个所述工作条件的每个所述分区数据内所述燃料电池系统的指定性能进行计算,得到所述指定性能的性能波动指标;
第二计算模块,被配置为根据所述性能指标波动状态计算所述电池性能对每个所述工作条件的敏感度。
7.如权利要求6所述的敏感度计算装置,所述多个工作条件包括取空气流量、氢气流量、冷却液流量、空气出口压力、空气入口压力、氢气出口压力、氢气入口压力、冷却液出口压力、冷却液入口压力、空气出口温度、空气入口温度、空气湿度、空气露点温度、氢气出口温度、氢气入口温度、氢气湿度、氢气露点温度、冷却液出口温度和冷却液入口温度及以上工作条件衍生变量中的部分或全部。
8.如权利要求6所述的敏感度计算装置,其特征在于,所述区间划分模块包括:
区间限定单元,被配置为基于预设的置信度将所述标准化处理后的工作条件取值范围进行范围限定,得到限定取值范围;
划分执行单元,被配置为基于预设的区间步长对所述限定取值范围进行区间划分,得到所述多个区间分区;
数据提取单元,被配置为基于每个所述区间分区从取值范围内进行数据提取,得到多个所述区间数据。
9.如权利要求6所述的敏感度计算装置,其特征在于,所述区间划分模块还包括:
区间修正单元,被配置为在数据提取单元执行数据提取之前,根据预设样本数量进行校验,根据校验结果对所述区间分区进行修正处理。
10.如权利要求6~9任一项所述的敏感度计算装置,其特征在于,还包括:
目标选定模块,被配置为从多个所述工作条件中选择其敏感度最大的所述工作条件作为目标工作条件;
第三计算模块,被配置为根据所述目标工作条件的多个所述性能波动指标和所述指定性能的性能平均值进行计算,得到所述目标工作条件的每个区间分区的性能波动融合指标;
第四计算模块,被配置为根据所述性能波动融合指标进行计算,得到阈值判断指标;
第五计算模块,被配置为根据所述阈值判断指标计算每个所述区间分区的区间宽度;
区间选定模块,被配置为从所有所述区间宽度中选取最宽的所述区间宽度为目标区间宽度;
数据选定模块,被配置为选取所述目标区间宽度对应的区间分区作为所述燃料电池系统的最优控制参数。
11.一种电子设备,应用于燃料电池系统,其特征在于,所述电子设备包括至少一个处理器和与所述处理器连接的存储器,其中:
所述存储器用于存储计算机程序或指令;
所述处理器用于执行所述计算机程序或指令,以使所述电子设备实施如权利要求1~5任一项所述的敏感度计算方法。
12.一种计算机可读存储介质,应用于电子设备,其特征在于,所述计算机可读存储介质承载有一个或多个计算机程序,当所述电子设备执行所述一个或多个所述计算机程序时,能够使所述电子设备实现如权利要求1~5任一项所述的敏感度计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210907558.2A CN115241503A (zh) | 2022-07-29 | 2022-07-29 | 敏感度计算方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210907558.2A CN115241503A (zh) | 2022-07-29 | 2022-07-29 | 敏感度计算方法、装置、电子设备和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115241503A true CN115241503A (zh) | 2022-10-25 |
Family
ID=83678245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210907558.2A Pending CN115241503A (zh) | 2022-07-29 | 2022-07-29 | 敏感度计算方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115241503A (zh) |
-
2022
- 2022-07-29 CN CN202210907558.2A patent/CN115241503A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201928841A (zh) | 訓練風控模型和風控的方法、裝置及設備 | |
CN110020144B (zh) | 一种推荐模型建立方法及其设备、存储介质、服务器 | |
Lu et al. | Interval censored sampling plans for the gamma lifetime model | |
CN109271453B (zh) | 一种数据库容量的确定方法和装置 | |
CN109444060B (zh) | 溶液浓度检测方法、装置、设备和存储介质 | |
CN112733724B (zh) | 基于判别样本元挖掘器的亲属关系验证方法和装置 | |
CN111367813B (zh) | 决策引擎自动化测试方法、装置、服务器及存储介质 | |
CN108734393A (zh) | 房源信息的匹配方法、用户设备、存储介质及装置 | |
CN110069997B (zh) | 场景分类方法、装置及电子设备 | |
CN115241503A (zh) | 敏感度计算方法、装置、电子设备和计算机可读存储介质 | |
CN115452101A (zh) | 一种仪表检定方法、装置、设备及介质 | |
CN109444061A (zh) | 溶液浓度检测方法、装置、设备和存储介质 | |
CN115239007A (zh) | 一种电网净负荷的预测方法、装置、电子设备和存储介质 | |
CN105824871B (zh) | 一种图片检测方法与设备 | |
US20130191071A1 (en) | System and method for automatic modal parameter extraction in structural dynamics analysis | |
CN111461328B (zh) | 一种神经网络的训练方法 | |
CN114529136A (zh) | 基于主成分分析和Topsis的电子部组件评价方法和装置 | |
CN111988813B (zh) | 移动通信网络中弱覆盖小区的确定方法、装置和计算机设备 | |
CN114359138A (zh) | 一种沥青质量快速检测监测方法、装置及存储介质 | |
CN112785000A (zh) | 面向大规模机器学习系统的机器学习模型训练方法及系统 | |
CN112860784B (zh) | 血缘分析方法、装置、电子设备及计算机可读存储介质 | |
CN115241500A (zh) | 一种影响度的量化分析方法、装置、电子设备和存储介质 | |
CN117907809B (zh) | 批量芯片测试方法、装置及电子设备 | |
CN113971385B (zh) | 电路元器件单元的映射方法、装置和电子设备 | |
CN116910669B (zh) | 数据分类方法、装置、电子设备及可读存储介质 |
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 |