CN115425261A - 基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法 - Google Patents
基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法 Download PDFInfo
- Publication number
- CN115425261A CN115425261A CN202211087469.4A CN202211087469A CN115425261A CN 115425261 A CN115425261 A CN 115425261A CN 202211087469 A CN202211087469 A CN 202211087469A CN 115425261 A CN115425261 A CN 115425261A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- exchange membrane
- proton exchange
- fault
- impedance
- 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
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
- H01M8/04313—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
- H01M8/04679—Failure or abnormal function of fuel cell stacks
-
- 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
本发明涉及一种基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法,采用DC/DC变换器将不同频率的三角波电流激励信号注入到质子交换膜燃料电池中,简化了注入电流激励信号的硬件电路,有利于将故障诊断技术快速应用到实际应用场景中;同时通过建立燃料电池等效电路模型实现对燃料电池电化学阻抗谱的分析与特征提取;最后通过基于贝叶斯优化的支持向量机模型能够快速识别质子交换膜的工作状态,有效降低燃料电池的故障检测时间,从而实现实时的健康监测与故障诊断,具有较好的精确性和鲁棒性,可以有效提高燃料电池系统运行的稳定性。
Description
技术领域
本发明涉及质子交换膜燃料电池技术领域,具体而言,涉及一种基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法。
背景技术
质子交换膜燃料电池(PEMFC)具有高效率、低噪声、可再生燃料和零污染等优点,被认为是最有前景的能源之一。然而,质子交换膜燃料电池电堆的可靠性和耐久性仍然是其大规模商业化的主要挑战。为了延长其使用寿命并降低燃料电池的维护成本,我们需要了解其运行状态并实时诊断故障的发生,从而及时调整控制策略,保证其稳定的正常运行。
质子交换膜燃料电池状态监测和故障诊断的典型电化学方法包括基于测量电压的方法,和基于电化学阻抗谱(EIS)的方法,基于测量电压的诊断方法能够以低成本实时进行,但无法检测特定故障;由于电化学阻抗谱可以揭示质子交换膜燃料电池内部电化学反应过程的丰富特征信息,基于电化学阻抗谱的方法能够以更高的精度检测更多的故障;传统的电化学阻抗谱测量基于阻抗测试仪使用正弦信号作为激励电流,非常耗时且测量设备较为复杂,不适合在线应用。
发明内容
本发明解决的问题是如何加快质子交换膜燃料电池的电化学阻抗谱测量,并简化电化学阻抗谱的测量设备以进行质子交换膜燃料电池的故障检测。
为解决上述问题,本发明提供一种基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法,包括:
步骤1、将不同频率的三角波电流激励信号通过DC/DC变换器注入质子交换膜燃料电池中,获得质子交换膜燃料电池在不同运行状态下的电流数据集和电压数据集;
步骤2、将电流数据集和电压数据集分别进行快速傅里叶变换,得到不同频率下电压对应的幅值和相位以及电流对应的幅值和相位,并经过频谱分析拟合得到质子交换膜燃料电池的电化学阻抗谱曲线;
步骤3、构建质子交换膜燃料电池的燃料电池等效电路模型,基于燃料电池等效电路模型构建其阻抗表达式;利用最小二乘法基于电化学阻抗谱曲线进行参数辨识,从而辨识出阻抗表达式的各个参数的值;;并将辨识得到燃料电池等效电路模型的参数作为表征质子交换膜燃料电池故障诊断的特征指标;接着将辨识得到的参数随机分为训练集和测试集;
步骤4、利用训练集训练基于贝叶斯优化的支持向量机分类器模型,实现质子交换膜燃料电池不同运行状态的快速诊断,并利用测试集验证其有效性。
本发明的有益效果是:采用DC/DC变换器将不同频率的三角波电流激励信号注入到质子交换膜燃料电池中,简化了注入电流激励信号的硬件电路,有利于将故障诊断技术快速应用到实际应用场景中;同时通过建立燃料电池等效电路模型实现对燃料电池电化学阻抗谱的分析与特征提取;最后通过基于贝叶斯优化的支持向量机模型能够快速识别质子交换膜的工作状态,有效降低燃料电池的故障检测时间,从而实现实时的健康监测与故障诊断,具有较好的精确性和鲁棒性,可以有效提高燃料电池系统运行的稳定性。
作为优选,所述步骤1中质子交换膜燃料电池的运行状态包括正常运行状态、膜干故障状态、水淹故障状态和空气饥饿故障状态;
所述步骤1具体包括:
步骤101、采用周期性的不同频率的三角波电流激励信号注入到不同运行状态下的质子交换膜燃料电池中,三角波电流激励信号经过DC/DC变换器接到质子交换膜燃料电池的负载电路中,先通过在DC/DC变换器的参考电压引入三角波交流信号,并通过调制DC/DC变换器引入三角波电流纹波,以实现不同频率的三角波电流激励信号的注入;
步骤102、采用电压传感器和电流传感器,分别在正常运行状态、膜干故障状态、水淹故障状态和空气饥饿故障状态下采集质子交换膜燃料电池的扰动电流和响应电压,并经过滤波处理去除噪声后,得到电流数据集和电压数据集。
作为优选,所述步骤2具体包括:
步骤201、将电流数据集和电压数据集分别进行快速傅里叶变换,并根据扰动电流和响应电压的计算公式计算不同频率下扰动电流和响应电压在频域下的相位和幅值;
步骤202、分别计算不同频率的三角波激励信号下谐波分量的相位和幅值,以计算质子交换膜燃料电子的内阻阻抗,计算公式为:
式中,ZRe为阻抗实部,ZIm为阻抗虚部;
步骤203、基于步骤202获得质子交换膜燃料电池的阻抗实部ZRe和阻抗虚部ZIm进行频谱分析,绘制得到质子交换膜燃料电池的电化学阻抗谱曲线。
作为优选,所述步骤3具体包括:
步骤301、构建质子交换膜燃料电池的燃料电池等效电路模型,所述燃料电池等效电路模型包括欧姆电阻、极化电阻、双层电容、物质转移电阻、物质转移电容,所述欧姆电阻串联第一并联电路,所述第一并联电路包括第一支路和第二支路,所述双层电容串联在第一支路上,所述物质转移电阻和物质转移电容并联后与极化电阻串联在第二支路上;
步骤302、建立燃料电池等效电路模型的阻抗表达式为:
式中,Z为燃料电池等效电路模型的阻抗,Rm为欧姆电阻的阻值,Rp为极化电阻的阻值,Rw为物质转移电阻的阻值,Cdl为双层电容,Cw为物质转移电容;
步骤303、利用电化学阻抗谱,基于非线性最小二乘法优化燃料电池等效电路模型的模型参数,所述的燃料电池等效电路模型的模型参数包括欧姆电阻Rm、极化电阻Rp、物质转移电阻Rw、双层电容Cdl和物质转移电容Cw;
其中,非线性最小二乘法优化的目标函数为:
Wk=1/((z'k)2+(z″k)2
式中,S为非线性最小二乘法的目标函数,n为采样点的数量,z'k和z″k是测量阻抗的实部和虚部,Z'k和Z″k是燃料电池等效电路模型估计阻抗的实部和虚部;Wk是误差权重;
设定燃料电池等效电路模型的初始值,并经过最小二乘法对质子交换膜燃料电视的电化学阻抗谱曲线进行参数辨识,从而辨识出燃料电池等效电路模型阻抗表达式中各个参数的值;
步骤304、因为双层电容Cdl和物质转移电容Cw在所有运行状态下保持不变,所以选择欧姆电阻Rm、极化电阻Rp、物质转移电阻Rw作为表征质子交换膜燃料电池故障诊断的特征指标,接着将辨识得到的参数随机分为训练集和测试集。
作为优选,所述步骤4具体包括:
步骤401、构建支持向量机分类器模型,所述支持向量机分类器模型包括针对每个运行状态分别构建支持向量机分类器,包括正常状态分类器、膜干故障分类器、水淹故障分类器和空气饥饿故障分类器;
步骤402、将训练集中其中一种运行状态对应的故障特征数据集为正样品,其它运行状态对应的故障特征数据为负样本输入相应的状态支持向量机分类器中进行训练,分别依次训练正常状态分类器、膜干故障分类器、水淹故障分类器和空气饥饿故障分类器;
步骤403、基于贝叶斯优化对正常状态分类器、膜干故障分类器、水淹故障分类器和空气饥饿故障分类器的超参数进行优化,提高支持向量机分类器模型的分类精度;
步骤404、将步骤3的训练集中各类特征指标离线训练对应运行状态的支持向量机分类器中,分别得到质子交换膜燃料电池在正常运行状态、膜干故障状态、水淹故障状态和空气饥饿故障状态的分类置信度,以分类置信度最高的作为支持向量机分类器模型的输出。
附图说明
图1为本发明方法的流程框图;
图2为本发明方法的流程示意图;
图3为本发明燃料电池等效电路模型的电路图;
图4为本发明支持向量机分类器模型的结构图;
图5为本发明故障诊断实验的诊断结果图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
一种基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法,包括:
步骤1、将不同频率的三角波电流激励信号通过DC/DC变换器注入质子交换膜燃料电池中,获得质子交换膜燃料电池在不同运行状态下的电流数据集和电压数据集;本实施例中,质子交换膜燃料电池的不同运行状态包括正常运行状态、膜干故障状态、水淹故障状态和空气饥饿故障状态;其中:
步骤101、将不同频率的三角波电流激励信号通过DC/DC变换器注入质子交换膜燃料电池中具体包括:采用周期性的不同频率的三角波电流激励信号注入到不同运行状态下的质子交换膜燃料电池中,本实施例采用频率为10Hz、100Hz、500Hz和2000Hz,且幅值小于质子交换膜燃料电池直流信号10%的三角波作为电流激励信号,电流激励信号经过DC/DC变换器接到质子交换膜燃料电池的负载电路中,通过在DC/DC变换器的参考电压引入三角波交流信号,并通过调制DC/DC变换器引入三角波电流纹波,可以有效减小用于电流激励信号注入硬件电路的体积,简化了注入电流激励信号的硬件电路,还方便应用到质子交换膜燃料电池的电化学阻抗谱测试中;同时,本实施例采用的三角波的电流激励信号,相比传统的正弦波信号,三角波电流激励信号含有奇次谐波正弦分量,可以丰富激励信号的频谱信息,相比于随机二进制序列等方波信号,由于电感电流不能发生突变,方波信号应用于实际的硬件电路中容易发生畸变,降低测量精度,三角波信号连续,易于控制,性能更加稳定,因此选择三角波作为激励信号;
步骤102、采用电压传感器和电流传感器,分别在正常运行状态、膜干故障状态、水淹故障状态和空气饥饿故障状态下采集质子交换膜燃料电池的扰动电流和响应电压,并经过滤波处理去除噪声后,得到电流数据集和电压数据集;
步骤2、将电流数据集和电压数据集分别进行快速傅里叶变换,得到不同频率下电压对应的幅值和相位以及电流对应的幅值和相位,并经过频谱分析拟合得到质子交换膜燃料电池的电化学阻抗谱曲线;具体来说,包括:
将电流数据集和电压数据集分别进行快速傅里叶变换,并根据扰动电流和响应电压的计算公式计算不同频率下扰动电流和响应电压在频域下的相位和幅值;
步骤202、分别计算不同频率的三角波激励信号下谐波分量的相位和幅值,以计算质子交换膜燃料电子的内阻阻抗,本实施例中采用计算不同频率的三角波电流激励信号下的第1、3、5、7、9次谐波分量的相位和幅值,质子交换膜燃料电池的内阻阻抗的计算公式为:
式中,ZRe为阻抗实部,ZIm为阻抗虚部;
步骤203、基于步骤202获得质子交换膜燃料电池的阻抗实部ZRe和阻抗虚部ZIm进行频谱分析,绘制得到质子交换膜燃料电池的电化学阻抗谱曲线;
步骤3、构建质子交换膜燃料电池的燃料电池等效电路模型,基于燃料电池等效电路模型构建其阻抗表达式;利用最小二乘法基于电化学阻抗谱曲线进行参数辨识,从而辨识出阻抗表达式的各个参数的值;并将辨识得到燃料电池等效电路模型的参数作为表征质子交换膜燃料电池故障诊断的特征指标;接着将辨识得到的参数随机分为训练集和测试集;具体来说:
步骤301、构建质子交换膜燃料电池的燃料电池等效电路模型,所述燃料电池等效电路模型包括欧姆电阻、极化电阻、双层电容、物质转移电阻、物质转移电容,所述欧姆电阻串联第一并联电路,所述第一并联电路包括第一支路和第二支路,所述双层电容串联在第一支路上,所述物质转移电阻和物质转移电容并联后与极化电阻串联在第二支路上;
步骤302、建立燃料电池等效电路模型的阻抗表达式为:
式中,Z为燃料电池等效电路模型的阻抗,Rm为欧姆电阻的阻值,Rp为极化电阻的阻值,Rw为物质转移电阻的阻值,Cdl为双层电容,Cw为物质转移电容;
步骤303、利用电化学阻抗谱,基于非线性最小二乘法优化燃料电池等效电路模型的模型参数,所述的燃料电池等效电路模型的模型参数包括欧姆电阻Rm、极化电阻Rp、物质转移电阻Rw、双层电容Cdll和物质转移电容Cw;
其中,非线性最小二乘法优化的目标函数为:
Wk=1/((z'k)2+(z″k)2
式中,S为非线性最小二乘法的目标函数,n为采样点的数量,z'k和z″k是测量阻抗的实部和虚部,Z'k和Z″k是燃料电池等效电路模型估计阻抗的实部和虚部;Wk是误差权重;
设定燃料电池等效电路模型参数的初始值,并经过最小二乘法对质子交换膜燃料电池的电化学阻抗谱曲线进行参数辨识,从而辨识出燃料电池等效电路模型阻抗表达式中各个参数的值;
步骤304、因为双层电容Cdl和物质转移电容Cw在所有运行状态下保持不变,所以选择欧姆电阻Rm、极化电阻Rp、物质转移电阻Rw作为表征质子交换膜燃料电池故障诊断的特征指标,接着将辨识得到的参数随机分为训练集和测试集;
步骤4、利用训练集训练基于贝叶斯优化的支持向量机分类器模型,实现质子交换膜燃料电池不同运行状态的快速诊断,并利用测试集验证其有效性,具体来说:
步骤401、构建支持向量机分类器模型,本实施例中由于质子交换膜燃料电池的故障数据较少,支持向量机(SVM)的最大间隔分离超平面特性,可以有效应用于小样本问题下的分类任务中,所述支持向量机分类器模型包括针对每个运行状态分别构建支持向量机分类器,如图4所示,基于“one-vs-all”策略,支持向量机分类器包括正常状态分类器、膜干故障分类器、水淹故障分类器和空气饥饿故障分类器;本实施例中,为了解决特征空间中分类界面的线性不可分问题,选择高斯核函数作为支持向量机分类器的核函数,通过将低维特征空间中的非线性分类问题映射到高维特征空间变成线性分类问题,从而能够很好的实现对于故障分类的诊断;
步骤402、将训练集中其中一种运行状态对应的故障特征数据集为正样品,其它运行状态对应的故障特征数据为负样本输入相应的状态支持向量机分类器中进行训练,分别依次训练正常状态分类器、膜干故障分类器、水淹故障分类器和空气饥饿故障分类器;
步骤403、基于贝叶斯优化对正常状态分类器、膜干故障分类器、水淹故障分类器和空气饥饿故障分类器的超参数进行优化,提高支持向量机分类器模型的分类精度;
步骤404、将步骤3的训练集中各类特征指标离线训练对应运行状态的支持向量机分类器中,分别得到质子交换膜燃料电池在正常运行状态、膜干故障状态、水淹故障状态和空气饥饿故障状态的分类置信度,以分类置信度最高的作为支持向量机分类器模型的输出。
实验验证
将测试集输入训练好的支持向量机分类器来验证有效性;验证结果如图5所示,本实施例基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法在60次的诊断实验中,有57次正确地判断出了燃料电池的真实运行状态,诊断成功率达到了95%;实验验证表明,本发明方法实现实时的健康监测与故障诊断,具有较好的精确性和鲁棒性,可以有效提高燃料电池系统运行的稳定性。
虽然本公开披露如上,但本公开的保护范围并非仅限于此。本领域技术人员,在不脱离本公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (5)
1.一种基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法,其特征在于,包括:
步骤1、将不同频率的三角波电流激励信号通过DC/DC变换器注入质子交换膜燃料电池中,获得质子交换膜燃料电池在不同运行状态下的电流数据集和电压数据集;
步骤2、将电流数据集和电压数据集分别进行快速傅里叶变换,得到不同频率下电压对应的幅值和相位以及电流对应的幅值和相位,并经过频谱分析拟合得到质子交换膜燃料电池的电化学阻抗谱曲线;
步骤3、构建质子交换膜燃料电池的燃料电池等效电路模型,基于燃料电池等效电路模型构建其的阻抗表达式;利用最小二乘法基于电化学阻抗谱曲线进行参数辨识,从而辨识出阻抗表达式的各个参数的值;并将辨识得到燃料电池等效电路模型的参数作为表征质子交换膜燃料电池故障诊断的特征指标;接着将辨识得到的参数随机分为训练集和测试集;
步骤4、利用训练集训练基于贝叶斯优化的支持向量机分类器模型,实现质子交换膜燃料电池不同运行状态的快速诊断,并利用测试集验证其有效性。
2.根据权利要求1所述的基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法,其特征在于,所述步骤1中质子交换膜燃料电池的运行状态包括正常运行状态、膜干故障状态、水淹故障状态和空气饥饿故障状态;
所述步骤1具体包括:
步骤101、采用周期性的不同频率的三角波电流激励信号注入到不同运行状态下的质子交换膜燃料电池中,三角波电流激励信号经过DC/DC变换器接到质子交换膜燃料电池的负载电路中,先通过在DC/DC变换器的参考电压引入三角波交流信号,并通过调制DC/DC变换器引入三角波电流纹波,以实现不同频率的三角波电流激励信号的注入;
步骤102、采用电压传感器和电流传感器,分别在正常运行状态、膜干故障状态、水淹故障状态和空气饥饿故障状态下采集质子交换膜燃料电池的扰动电流和响应电压,并经过滤波处理去除噪声后,得到电流数据集和电压数据集。
3.根据权利要求1所述的基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法,其特征在于,所述步骤2具体包括:
步骤201、将电流数据集和电压数据集分别进行快速傅里叶变换,并根据扰动电流和响应电压的计算公式计算不同频率下扰动电流和响应电压在频域下的相位和幅值;
步骤202、分别计算不同频率的三角波激励信号下谐波分量的相位和幅值,以计算质子交换膜燃料电子的内阻阻抗,计算公式为:
式中,ZRe为阻抗实部,ZIm为阻抗虚部;
步骤203、基于步骤202获得质子交换膜燃料电池的阻抗实部ZRe和阻抗虚部ZIm进行频谱分析,绘制得到质子交换膜燃料电池的电化学阻抗谱曲线。
4.根据权利要求1所述的基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法,其特征在于,所述步骤3具体包括:
步骤301、构建质子交换膜燃料电池的燃料电池等效电路模型,所述燃料电池等效电路模型包括欧姆电阻、极化电阻、双层电容、物质转移电阻、物质转移电容,所述欧姆电阻串联第一并联电路,所述第一并联电路包括第一支路和第二支路,所述双层电容串联在第一支路上,所述物质转移电阻和物质转移电容并联后与极化电阻串联在第二支路上;
步骤302、建立燃料电池等效电路模型的阻抗表达式为:
式中,Z为燃料电池等效电路模型的阻抗,Rm为欧姆电阻的阻值,Rp为极化电阻的阻值,Rw为物质转移电阻的阻值,Cal为双层电容,Cw为物质转移电容;
步骤303、利用最小二乘法基于电化学阻抗谱曲线进行参数辨识,从而辨识出阻抗表达式的各个参数的值,所述的燃料电池等效电路模型的模型参数包括欧姆电阻Rm、极化电阻Rp、物质转移电阻Rw、双层电容Cdl和物质转移电容Cw;
其中,非线性最小二乘法优化的目标函数为:
Wk=1/((z'k)2+(z″k)2)
式中,S为非线性最小二乘法的目标函数,n为采样点的数量,z'k和z″k是测量阻抗的实部和虚部,Z'k和Z″k是燃料电池等效电路模型估计阻抗的实部和虚部;Wk是误差权重;
设定燃料电池等效电路模型参数的初始值,并经过最小二乘法对质子交换膜燃料电池的电化学阻抗谱曲线进行参数辨识,从而辨识出阻抗表达式的各个参数的值;
步骤304、因为双层电容Cdl和物质转移电容Cw在所有运行状态下保持不变,所以选择欧姆电阻Rm、极化电阻Rp、物质转移电阻Rw作为表征质子交换膜燃料电池故障诊断的特征指标,接着将辨识得到的参数随机分为训练集和测试集。
5.根据权利要求1所述的基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法,其特征在于,所述步骤4具体包括:
步骤401、构建支持向量机分类器模型,所述支持向量机分类器模型包括针对每个运行状态分别构建支持向量机分类器,包括正常状态分类器、膜干故障分类器、水淹故障分类器和空气饥饿故障分类器;
步骤402、将训练集中其中一种运行状态对应的故障特征数据集为正样品,其它运行状态对应的故障特征数据为负样本输入相应的状态支持向量机分类器中进行训练,分别依次训练正常状态分类器、膜干故障分类器、水淹故障分类器和空气饥饿故障分类器;
步骤403、基于贝叶斯优化对正常状态分类器、膜干故障分类器、水淹故障分类器和空气饥饿故障分类器的超参数进行优化,提高支持向量机分类器模型的分类精度;
步骤404、将步骤3的训练集中各类特征指标离线训练对应运行状态的支持向量机分类器中,分别得到质子交换膜燃料电池在正常运行状态、膜干故障状态、水淹故障状态和空气饥饿故障状态的分类置信度,以分类置信度最高的作为支持向量机分类器模型的输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211087469.4A CN115425261A (zh) | 2022-09-07 | 2022-09-07 | 基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211087469.4A CN115425261A (zh) | 2022-09-07 | 2022-09-07 | 基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115425261A true CN115425261A (zh) | 2022-12-02 |
Family
ID=84202278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211087469.4A Pending CN115425261A (zh) | 2022-09-07 | 2022-09-07 | 基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115425261A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116819377A (zh) * | 2023-06-28 | 2023-09-29 | 上海炙云新能源科技有限公司 | 电池组异常识别诊断方法和系统 |
-
2022
- 2022-09-07 CN CN202211087469.4A patent/CN115425261A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116819377A (zh) * | 2023-06-28 | 2023-09-29 | 上海炙云新能源科技有限公司 | 电池组异常识别诊断方法和系统 |
CN116819377B (zh) * | 2023-06-28 | 2024-05-07 | 上海炙云新能源科技有限公司 | 电池组异常识别诊断方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109726452B (zh) | 一种基于阻抗谱的在线质子交换膜燃料电池故障诊断方法 | |
CN110190306B (zh) | 一种用于燃料电池系统的在线故障诊断方法 | |
CN103761372B (zh) | 一种基于主元分析与多分类相关向量机的多电平逆变器故障诊断策略 | |
Wang et al. | Recent advances and summarization of fault diagnosis techniques for proton exchange membrane fuel cell systems: A critical overview | |
Pan et al. | Health degradation assessment of proton exchange membrane fuel cell based on an analytical equivalent circuit model | |
CN114899457B (zh) | 一种针对质子交换膜燃料电池系统的故障检测方法 | |
CN115032553A (zh) | 一种车载燃料电池在线诊断方法和系统 | |
US11695138B2 (en) | Device and method for online impedance spectrum measurement of vehicle-mounted hydrogen fuel cell | |
CN109472288A (zh) | 一种抽水蓄能机组振动混合特征提取与分类方法 | |
CN115425261A (zh) | 基于快速阻抗谱测量的质子交换膜燃料电池故障诊断方法 | |
Pahon et al. | Signal-based diagnostic approach to enhance fuel cell durability | |
CN113611900A (zh) | 一种质子交换膜燃料电池的膜干故障诊断方法 | |
Yuan et al. | Advanced online broadband impedance spectrum acquisition of fuel cells by S-transform | |
CN115248382A (zh) | 一种质子交换膜燃料电池控制方法 | |
CN114583219A (zh) | 一种质子交换膜燃料电池的水淹故障诊断方法 | |
Xiao et al. | Fault diagnosis method for proton exchange membrane fuel cells based on EIS measurement optimization | |
CN117117258B (zh) | 一种氢燃料电池系统的故障监测方法及装置 | |
CN117276600B (zh) | 基于pso-gwo-delm的质子交换膜燃料电池系统故障诊断方法 | |
CN115935244B (zh) | 一种基于数据驱动的单相整流器故障诊断方法 | |
CN116702060A (zh) | 一种多电平逆变器功率器件故障诊断方法 | |
Wang et al. | PEM fuel cell health state assessment using a geometrical approach and mahalanobis distance | |
CN106771634A (zh) | 一种电池阻抗测量系统 | |
CN113161586A (zh) | 一种燃料电池系统运行控制方法及控制系统 | |
Zheng et al. | Fault diagnosis of photovoltaic inverters using hidden Markov model | |
CN115712871A (zh) | 一种结合重采样和集成学习的电力电子系统故障诊断方法 |
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 |