CN116247248A - 基于排放物分析的氢燃料电池堆健康状态诊断方法及系统 - Google Patents
基于排放物分析的氢燃料电池堆健康状态诊断方法及系统 Download PDFInfo
- Publication number
- CN116247248A CN116247248A CN202310523372.1A CN202310523372A CN116247248A CN 116247248 A CN116247248 A CN 116247248A CN 202310523372 A CN202310523372 A CN 202310523372A CN 116247248 A CN116247248 A CN 116247248A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- cell stack
- hydrogen fuel
- ratio
- gas
- 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
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
-
- 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
- H01M8/04082—Arrangements for control of reactant parameters, e.g. pressure or concentration
- H01M8/04089—Arrangements for control of reactant parameters, e.g. pressure or concentration of gaseous reactants
- H01M8/04119—Arrangements for control of reactant parameters, e.g. pressure or concentration of gaseous reactants with simultaneous supply or evacuation of electrolyte; Humidifying or dehumidifying
- H01M8/04156—Arrangements for control of reactant parameters, e.g. pressure or concentration of gaseous reactants with simultaneous supply or evacuation of electrolyte; Humidifying or dehumidifying with product water removal
-
- 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
-
- 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
- H01M8/06—Combination of fuel cells with means for production of reactants or for treatment of residues
- H01M8/0662—Treatment of gaseous reactants or gaseous residues, e.g. cleaning
-
- 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)
- General Chemical & Material Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Fuel Cell (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
Abstract
本发明提出一种基于排放物分析的氢燃料电池堆健康状态诊断方法及系统,方法包括:通过所述回收装置收集氢燃料电池堆的排放物,并利用传感器获取所述排放物的第一属性数据;将所述第一属性数据发送至云服务器;所述云服务器根据预先训练好的神经网络模型对所述第一属性数据进行处理以对所述排放物进行定量和定性分析得到所述排放物的第一分析结果;根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常;当存在异常时,进行警示并输出异常处理方案。本发明方案通过对氢燃料电池堆的排放物进行收集与分析,能及时发现氢燃料电池堆存在的异常问题以准确且方便智能地对氢燃料电池堆进行健康诊断。
Description
技术领域
本发明涉及工业控制技术领域,具体涉及一种基于排放物分析的氢燃料电池堆健康状态诊断方法及系统。
背景技术
氢燃料电池指的是氢通过与氧的化学反应而产生电能的装置,氢燃料电池作为新型的绿色无污染电池,在生产生活中的需求不断扩大。在电池工作过程中,或多或少会因为生产过程中产生的缺陷或者使用环境的变化或者老化而产生各种故障,然而,现有的氢燃料电池堆健康状态诊断方案比较简单和粗糙,对氢燃料电池堆的健康诊断不够智能和准确。
发明内容
本发明正是基于上述问题,提出了一种基于排放物分析的氢燃料电池堆健康状态诊断方法及系统,通过本发明方案对氢燃料电池堆的排放物进行收集与分析,能及时发现氢燃料电池堆存在的异常问题以准确且方便智能地对氢燃料电池堆进行健康诊断。
有鉴于此,本发明的一方面提出了一种基于排放物分析的氢燃料电池堆健康状态诊断方法,应用于氢燃料电池系统,所述氢燃料电池系统包括氢燃料电池堆和附属组件;所述氢燃料电池堆包括多个单体电池和端板,所述单体电池包括双极板和膜电极,所述膜电极包括质子交换膜、催化剂层和气体扩散层;所述附属组件包括供氢组件、供氧组件、温度管理组件、回收装置和氢燃料电池堆管理芯片;所述基于排放物分析的氢燃料电池堆健康状态诊断方法,包括:
通过所述回收装置收集氢燃料电池堆的排放物,并利用传感器获取所述排放物的第一属性数据;
将所述第一属性数据发送至云服务器;
所述云服务器根据预先训练好的神经网络模型对所述第一属性数据进行处理以对所述排放物进行定量和定性分析得到所述排放物的第一分析结果;
根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常;
当存在异常时,进行警示并输出异常处理方案。
可选地,所述根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常的步骤,包括:
所述云服务器根据所述第一分析结果生成第一检测控制指令,并将所述第一检测控制指令发送至所述氢燃料电池堆和第一检测组件;
所述第一检测组件获取所述氢燃料电池堆的第一检测数据;
所述氢燃料电池堆管理芯片控制设置于所述氢燃料电池堆内部的第二检测组件获取所述氢燃料电池堆内部的第二检测数据;
根据所述第一检测数据和所述第二检测数据确定所述氢燃料电池堆的内部是否存在异常。
可选地,包括:
依次连接所述氢燃料电池堆的输出管、用于分离液态水和气体的分离装置、排出阀、所述回收装置;
所述氢燃料电池堆管理芯片控制所述排出阀的开启与关闭以将气体和水排出;
根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹。
可选地,所述根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹的步骤,包括:
根据所述氢燃料电池堆的历史正常工作数据,利用大数据分析技术,确定所述氢燃料电池堆在正常工作时的正常排放物中水与气体重量的第一比例;
确定所述正常排放物中水与气体依次由所述排出阀排出时分别所用的第一时长和第二时长与所述排出阀的所述打开时长的第一比值和第二比值;
当距离所述排出阀打开的时间达到第一预设时间时,确定所述分离装置中的水与气体重量的第二比例;
当所述排出阀打开时,启动排水时间计时器进入准备状态;
获取第一预设时间内所述氢燃料电池堆的输出端的压力变化数据;
根据所述压力变化数据计算所述氢燃料电池堆的输出端的压力变化率;
将所述压力变化率与第一预设变化率范围进行比较,若所述压力变化率处于所述第一预设变化率范围内,则控制所述排水时间计时器开始计时得到实际排水时长;
计算所述实际排水时长与所述打开时长的第三比值,并比较所述第三比值与所述第一比值的大小,以及比较所述第一比例与所述第二比例的大小;
若所述第三比值小于所述第一比值且所述第二比例小于所述第一比例,则确定所述氢燃料电池堆发生水淹,发出警报。
可选地,还包括:
根据所述第一分析结果分别对所述排放物中的水和气体进行质量分析,得到水质分析结果和气体质量分析结果;
根据所述水质分析结果和所述气体质量分析结果对水质,分别确定对所述排放物中的水和气体的水再利用处理方案和气体再利用方案;
将所述水再利用处理方案和所述气体再利用方案发送至所述氢燃料电池堆所在的智能汽车;
所述智能汽车根据所述水再利用处理方案和所述气体再利用方案,开启水再利用通道与气体再利用通道与所述回收装置连接,分别对所述排放物中的水和气体进行再利用处理。
本发明的另一方面提供一种基于排放物分析的氢燃料电池堆健康状态诊断系统,包括:云服务器、氢燃料电池堆和附属组件;所述氢燃料电池堆包括多个单体电池和端板,所述单体电池包括双极板和膜电极,所述膜电极包括质子交换膜、催化剂层和气体扩散层;所述附属组件包括供氢组件、供氧组件、温度管理组件、回收装置和氢燃料电池堆管理芯片;
所述回收装置被配置为:
收集所述氢燃料电池堆的排放物,并利用传感器获取所述排放物的第一属性数据;
将所述第一属性数据发送至所述云服务器;
所述云服务器被配置为:
根据预先训练好的神经网络模型对所述第一属性数据进行处理以对所述排放物进行定量和定性分析得到所述排放物的第一分析结果;
根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常;
当存在异常时,进行警示并输出异常处理方案。
可选地,所述根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常的步骤中,所述云服务器被配置为:根据所述第一分析结果生成第一检测控制指令,并将所述第一检测控制指令发送至所述氢燃料电池堆和第一检测组件;
所述第一检测组件被配置为:获取所述氢燃料电池堆的第一检测数据;
所述氢燃料电池堆管理芯片配置为:控制设置于所述氢燃料电池堆内部的第二检测组件获取所述氢燃料电池堆内部的第二检测数据;
所述云服务器被配置为:根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常。
可选地,所述氢燃料电池堆的输出管、用于分离液态水和气体的分离装置、排出阀、所述回收装置依次连接;
所述氢燃料电池堆管理芯片被配置为:控制所述排出阀的开启与关闭以将气体和水排出;
所述云服务器被配置为:根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹。
可选地,所述根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹的步骤中,所述云服务器被配置为:
根据所述氢燃料电池堆的历史正常工作数据,利用大数据分析技术,确定所述氢燃料电池堆在正常工作时的正常排放物中水与气体重量的第一比例;
确定所述正常排放物中水与气体依次由所述排出阀排出时分别所用的第一时长和第二时长与所述排出阀的所述打开时长的第一比值和第二比值;
当距离所述排出阀打开的时间达到第一预设时间时,确定所述分离装置中的水与气体重量的第二比例;
当所述排出阀打开时,启动排水时间计时器进入准备状态;
获取第一预设时间内所述氢燃料电池堆的输出端的压力变化数据;
根据所述压力变化数据计算所述氢燃料电池堆的输出端的压力变化率;
将所述压力变化率与第一预设变化率范围进行比较,若所述压力变化率处于所述第一预设变化率范围内,则控制所述排水时间计时器开始计时得到实际排水时长;
计算所述实际排水时长与所述打开时长的第三比值,并比较所述第三比值与所述第一比值的大小,以及比较所述第一比例与所述第二比例的大小;
若所述第三比值小于所述第一比值且所述第二比例小于所述第一比例,则确定所述氢燃料电池堆发生水淹,发出警报。
可选地,所述云服务器被配置为:
根据所述第一分析结果分别对所述排放物中的水和气体进行质量分析,得到水质分析结果和气体质量分析结果;
根据所述水质分析结果和所述气体质量分析结果对水质,分别确定对所述排放物中的水和气体的水再利用处理方案和气体再利用方案;
将所述水再利用处理方案和所述气体再利用方案发送至所述氢燃料电池堆所在的智能汽车;
所述智能汽车被配置为:根据所述水再利用处理方案和所述气体再利用方案,开启水再利用通道与气体再利用通道与所述回收装置连接,分别对所述排放物中的水和气体进行再利用处理。
采用本发明的技术方案,基于排放物分析的氢燃料电池堆健康状态诊断方法包括:通过所述回收装置收集氢燃料电池堆的排放物,并利用传感器获取所述排放物的第一属性数据;将所述第一属性数据发送至云服务器;所述云服务器根据预先训练好的神经网络模型对所述第一属性数据进行处理以对所述排放物进行定量和定性分析得到所述排放物的第一分析结果;根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常;当存在异常时,进行警示并输出异常处理方案。通过对氢燃料电池堆的排放物进行收集与分析,能及时发现氢燃料电池堆存在的异常问题以准确且方便智能地对氢燃料电池堆进行健康诊断。
附图说明
图1是本发明一个实施例提供的基于排放物分析的氢燃料电池堆健康状态诊断方法流程图;
图2是本发明一个实施例提供的基于排放物分析的氢燃料电池堆健康状态诊断系统的示意框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。另外,虽然附图中显示了本公开的实施例,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”仅用于描述目的或区别不同对象,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(或描述特定顺序)。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。在本申请的描述中,“N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。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面参照图1至图2来描述根据本发明一些实施方式提供的基于排放物分析的氢燃料电池堆健康状态诊断方法及系统。
如图1所示,本发明一个实施例提供一种基于排放物分析的氢燃料电池堆健康状态诊断方法,应用于氢燃料电池系统,所述氢燃料电池系统包括氢燃料电池堆和附属组件;所述氢燃料电池堆包括多个单体电池和端板,所述单体电池包括双极板和膜电极,所述膜电极包括质子交换膜、催化剂层和气体扩散层;所述附属组件包括供氢组件、供氧组件、温度管理组件、回收装置和氢燃料电池堆管理芯片;所述基于排放物分析的氢燃料电池堆健康状态诊断方法,包括:
S100、通过所述回收装置收集氢燃料电池堆的排放物,并利用传感器获取所述排放物的第一属性数据;
S200、将所述第一属性数据发送至云服务器;
S300、所述云服务器根据预先训练好的神经网络模型对所述第一属性数据进行处理以对所述排放物进行定量和定性分析得到所述排放物的第一分析结果;
S400、根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常;
S500、当存在异常时,进行警示并输出异常处理方案。
可以理解的是,为了及时发现存在的异常问题以准确且方便智能地对氢燃料电池堆进行健康诊断,在本发明实施例中,通过所述回收装置收集氢燃料电池堆的排放物(排放物包括反应产生的水和未反应完的气体等),并利用设置于回收装置的、用于测量/检测的多种传感器获取所述排放物的第一属性数据,第一属性数据包括但不限于气体成分数据、液体成分数据、气体重量数据、液体重量数据、气体体积数据、气体密度数据、液体体积数据、液体密度数据等;将所述第一属性数据发送至云服务器;所述云服务器根据预先训练好的神经网络模型对所述第一属性数据进行处理以对所述排放物进行定量和定性分析得到所述排放物的第一分析结果;根据所述第一分析结果(结合由云服务器预先训练好的异常判断模型),确定所述氢燃料电池堆的内部是否存在异常;当存在异常时,进一步采集氢燃料电池堆的相关数据(如工作数据、状态数据等),并根据相关数据和云服务器预先训练好的异常确定模型确定具体的异常原因,进行警示并输出异常处理方案。
采用该实施例的技术方案,通过对氢燃料电池堆的排放物进行收集与分析,能及时发现氢燃料电池堆存在的异常问题以准确且方便智能地对氢燃料电池堆进行健康诊断。
在本发明一些可能的实施方式中,所述根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常的步骤,包括:
所述云服务器根据所述第一分析结果生成第一检测控制指令,并将所述第一检测控制指令发送至所述氢燃料电池堆和第一检测组件;
所述第一检测组件获取所述氢燃料电池堆的第一检测数据;
所述氢燃料电池堆管理芯片控制设置于所述氢燃料电池堆内部的第二检测组件获取所述氢燃料电池堆内部的第二检测数据;
根据所述第一检测数据和所述第二检测数据确定所述氢燃料电池堆的内部是否存在异常。
可以理解的是,为了能准确地进行健康状态诊断,在本实施例中,所述云服务器根据所述第一分析结果,结合由云服务器预先训练好的异常判断模型,确定所述氢燃料电池堆的内部是否存在异常并在确定存在异常时确定异常指标(如气体的组成成分比例、液体的组成成分比例等),根据异常指标生成第一检测控制指令,并将所述第一检测控制指令发送至所述氢燃料电池堆和第一检测组件(可设置于氢燃料电池堆表面或其本体之外);所述第一检测组件获取所述氢燃料电池堆的第一检测数据(包括但不限于氢燃料电池堆本体及其附属组件的图像数据、三维点云数据、振动数据、温度数据、湿度数据和气味数据等,根据这些数据可以确定氢燃料电池堆内部存在故障的部件或超过预设概率的存在故障可能性的部件,以供所述氢燃料电池堆管理芯片针对性控制第二检测组件中的部分或全部获取所述氢燃料电池堆内部的第二检测数据);所述氢燃料电池堆管理芯片控制设置于所述氢燃料电池堆内部的第二检测组件(包括但不限于多种类型的传感器、计时器等)获取所述氢燃料电池堆内部的第二检测数据(包括但不限于获取氢燃料电池堆内部的气压数据、排水时间数据、排气时间数据等,以进行进一步的内部异常判断以对氢燃料电池堆进行更深入、全面的健康状态诊断)。
在本发明一些可能的实施方式中,为了能精确地获取氢燃料电池堆内的检测数据,在本实施例中,所述输出管设置于所述端板上并贯穿所述氢燃料电池堆整体;所述输出管连接有用于分离液态水和气体的分离装置;所述分离装置连接排出阀;所述排出阀连接到所述回收装置和氢燃料电池堆管理芯片;所述双极板上设置有流道;所述输出管的管道壁上均开设有与所述双极板上的所述流道对接且连通的第一通孔以及与所述第一通孔一一对应的开关结构;所述氢燃料电池堆管理芯片通过电连接控制所述开关结构的开闭以实现所述第一通孔的打开和闭合;所述输出管外表面套设有密封套,所述密封套上设置有与所述第一通孔连通的第二通孔。所述第二检测组件至少包括第一传感器组和第二传感器组;第一传感器组和第二传感器组的设置方法是:获取所述输出管的第一结构数据(包括但不限于空腔容量、长度以及所述第一通孔的设置数据);按符合所述第一结构数据的第一安装方式(包括但不限于传感器间的安装间距、安装数量、连接方式等)在所述输出管设置第一传感器组;获取所述流道的第二结构数据(包括但不限于形状、宽度、高度和长度),按符合所述第二结构数据的第二安装方式(包括但不限于传感器间的安装间距、安装数量、连接方式等)在所述流道里设置第二传感器组。应当说明的是,在为所述输出管和所述流道设置传感器时,云服务器可以先从氢燃料电池堆的标准三维模型库中提取出所述输出管和所述流道的三维模型数据,得到第一结构数据和第二结构数据,再根据需要安装的传感器的功能、性能、体积、安装方式、连接方式等属性特征,生成对应的第一安装方式和第二安装方式。
在本发明一些可能的实施方式中,还包括:
依次连接所述氢燃料电池堆的输出管、用于分离液态水和气体的分离装置、排出阀、所述回收装置;
所述氢燃料电池堆管理芯片控制所述排出阀的开启与关闭以将气体和水排出;
根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹。
可以理解的是,为了更精确地确定氢燃料电池堆的健康状态,在本实施例中,依次连接所述氢燃料电池堆的输出管、用于分离液态水和气体的分离装置、排出阀、所述回收装置;所述氢燃料电池堆管理芯片控制所述排出阀的开启与关闭以将所述排放物中的气体和水排出;根据所述排出阀的排水持续时长与所述排出阀的打开时长(例如,可以根据测试或试验数据确定氢燃料电池堆不同的输出功率、输出电压、输出电流、工作温度等对应的打开时长,或者基于大数据和人工智能算法动态确定在氢燃料电池堆不同的输出功率、输出电压、输出电流、工作温度等条件下的打开时长等等,可以智能动态地应对多种情况并精确地确定排出阀的打开时长,使得对氢燃料电池堆的健康状态诊断更精确)的比值判断所述氢燃料电池堆是否发生水淹。
在本发明一些可能的实施方式中,所述根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹的步骤,包括:
根据所述氢燃料电池堆的历史正常工作数据,利用大数据分析技术,确定所述氢燃料电池堆在正常工作时的正常排放物中水与气体重量的第一比例;
确定所述正常排放物中水与气体依次由所述排出阀排出时分别所用的第一时长和第二时长与所述排出阀的所述打开时长的第一比值和第二比值;
当距离所述排出阀打开的时间达到第一预设时间时,确定所述分离装置中的水与气体重量的第二比例;
当所述排出阀打开时,启动排水时间计时器进入准备状态;
获取第一预设时间内所述氢燃料电池堆的输出端的压力变化数据;
根据所述压力变化数据计算所述氢燃料电池堆的输出端的压力变化率;
将所述压力变化率与第一预设变化率范围进行比较,若所述压力变化率处于所述第一预设变化率范围内,则控制所述排水时间计时器开始计时得到实际排水时长;
计算所述实际排水时长与所述打开时长的第三比值,并比较所述第三比值与所述第一比值的大小,以及比较所述第一比例与所述第二比例的大小;
若所述第三比值小于所述第一比值且所述第二比例小于所述第一比例,则确定所述氢燃料电池堆发生水淹,发出警报。
可以理解的是,当氢燃料电池堆在正常工作时,其排放物中各成分的比例是遵循特定的规律的,根据数据分析可以将这种规律数值化以在对氢燃料电池堆进行健康诊断时能作为有效且准确的诊断依据,在本实施例中,根据所述氢燃料电池堆的历史正常工作数据,利用大数据分析技术,确定所述氢燃料电池堆在正常工作时的正常排放物中水与气体重量的第一比例或第一比例范围;并确定所述正常排放物中水与气体依次由所述排出阀排出时分别所用的第一时长和第二时长与所述排出阀的所述打开时长的第一比值和第二比值。
可以通过预先设置由所述氢燃料电池堆管理芯片控制所述排出阀依次进行排气和排水,当所述排出阀打开时,启动排水时间计时器进入准备状态以便排气结束排水开始立即进行计时以保证计时的准确性。获取第一预设时间(可以根据所述历史正常工作数据确定第一预设时间)内所述氢燃料电池堆的输出端的压力变化数据(如气压变化数据);根据所述压力变化数据计算所述氢燃料电池堆的输出端的压力变化率;将所述压力变化率与第一预设变化率范围(第一预设变化率范围为根据历史压力数据确定的排气完成后的压力变化率范围)进行比较,若所述压力变化率处于所述第一预设变化率范围内(则表明此时排出阀已经完成排气进入排水阶段),则控制所述排水时间计时器开始计时得到实际排水时长;计算所述实际排水时长与所述打开时长的第三比值,并比较所述第三比值与所述第一比值的大小,以及比较所述第一比例与所述第二比例的大小;若所述第三比值小于所述第一比值且所述第二比例小于所述第一比例,(即实际排水时长小于标准排水时长,则说明所述排出阀打开后过早进入排气阶段,表明所述分离装置中的水含量较低,电堆存在发生水淹的情况)则确定所述氢燃料电池堆发生水淹,发出警报。本实施方案通过实际排放物中水与气体重量的比值、实际排水时长与排出阀打开时长的比值与正常的重量比值、正常的排水时长比值进行比较这种双重判断来确定实际水量是否小于正常水量进一步保证了精确性。
在本发明一些可能的实施方式中,还包括:
根据所述第一分析结果分别对所述排放物中的水和气体进行质量分析,得到水质分析结果和气体质量分析结果;
根据所述水质分析结果和所述气体质量分析结果对水质,分别确定对所述排放物中的水和气体的水再利用处理方案和气体再利用方案;
将所述水再利用处理方案和所述气体再利用方案发送至所述氢燃料电池堆所在的智能汽车;
所述智能汽车根据所述水再利用处理方案和所述气体再利用方案,开启水再利用通道与气体再利用通道与所述回收装置连接,分别对所述排放物中的水和气体进行再利用处理。
可以理解的是,为了更好地处理排放物以提高资源利用率,在本实施例中,根据所述第一分析结果分别对所述排放物中的水和气体进行质量分析,得到水质分析结果和气体质量分析结果;根据所述水质分析结果和所述气体质量分析结果对水质,分别确定对所述排放物中的水和气体的水再利用处理方案和气体再利用方案;将所述水再利用处理方案和所述气体再利用方案发送至所述氢燃料电池堆所在的智能汽车;所述智能汽车根据所述水再利用处理方案和所述气体再利用方案,开启水再利用通道与气体再利用通道与所述回收装置连接,分别对所述排放物中的水和气体进行再利用处理(如将水导流至智能汽车的水箱、将气体进行分离后输入供氢组件或供氧组件等)。
请参见图2,本发明的另一方面提供一种基于排放物分析的氢燃料电池堆健康状态诊断系统,包括:云服务器、氢燃料电池堆和附属组件;所述氢燃料电池堆包括(图中未示出)多个单体电池和端板,所述单体电池包括双极板和膜电极,所述膜电极包括质子交换膜、催化剂层和气体扩散层;所述附属组件(图中未示出)包括供氢组件、供氧组件、温度管理组件、回收装置和氢燃料电池堆管理芯片;
所述回收装置被配置为:
收集所述氢燃料电池堆的排放物,并利用传感器获取所述排放物的第一属性数据;
将所述第一属性数据发送至所述云服务器;
所述云服务器被配置为:
根据预先训练好的神经网络模型对所述第一属性数据进行处理以对所述排放物进行定量和定性分析得到所述排放物的第一分析结果;
根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常;
当存在异常时,进行警示并输出异常处理方案。
可以理解的是,为了及时发现存在的异常问题以准确且方便智能地对氢燃料电池堆进行健康诊断,在本发明实施例中,通过所述回收装置收集氢燃料电池堆的排放物(排放物包括反应产生的水和未反应完的气体等),并利用设置于回收装置的、用于测量/检测的多种传感器获取所述排放物的第一属性数据,第一属性数据包括但不限于气体成分数据、液体成分数据、气体重量数据、液体重量数据、气体体积数据、气体密度数据、液体体积数据、液体密度数据等;将所述第一属性数据发送至云服务器;所述云服务器根据预先训练好的神经网络模型对所述第一属性数据进行处理以对所述排放物进行定量和定性分析得到所述排放物的第一分析结果;根据所述第一分析结果(结合由云服务器预先训练好的异常判断模型),确定所述氢燃料电池堆的内部是否存在异常;当存在异常时,进一步采集氢燃料电池堆的相关数据(如工作数据、状态数据等),并根据相关数据和云服务器预先训练好的异常确定模型确定具体的异常原因,进行警示并输出异常处理方案。
采用该实施例的技术方案,通过对氢燃料电池堆的排放物进行收集与分析,能及时发现氢燃料电池堆存在的异常问题以准确且方便智能地对氢燃料电池堆进行健康诊断。
应当知道的是,图2所示的基于排放物分析的氢燃料电池堆健康状态诊断系统的框图仅作示意,其所示出的各模块/组件/部件的数量并不对本发明的保护范围进行限定。
在本发明一些可能的实施方式中,所述根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常的步骤中,所述云服务器被配置为:
根据所述第一分析结果生成第一检测控制指令,并将所述第一检测控制指令发送至所述氢燃料电池堆和第一检测组件;
所述第一检测组件被配置为:获取所述氢燃料电池堆的第一检测数据;
所述氢燃料电池堆管理芯片配置为:控制设置于所述氢燃料电池堆内部的第二检测组件获取所述氢燃料电池堆内部的第二检测数据;
所述云服务器被配置为:根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常。
可以理解的是,为了能准确地进行健康状态诊断,在本实施例中,所述云服务器根据所述第一分析结果,结合由云服务器预先训练好的异常判断模型,确定所述氢燃料电池堆的内部是否存在异常并在确定存在异常时确定异常指标(如气体的组成成分比例、液体的组成成分比例等),根据异常指标生成第一检测控制指令,并将所述第一检测控制指令发送至所述氢燃料电池堆和第一检测组件(可设置于氢燃料电池堆表面或其本体之外);所述第一检测组件获取所述氢燃料电池堆的第一检测数据(包括但不限于氢燃料电池堆本体及其附属组件的图像数据、三维点云数据、振动数据、温度数据、湿度数据和气味数据等,根据这些数据可以确定氢燃料电池堆内部存在故障的部件或超过预设概率的存在故障可能性的部件,以供所述氢燃料电池堆管理芯片针对性控制第二检测组件中的部分或全部获取所述氢燃料电池堆内部的第二检测数据);所述氢燃料电池堆管理芯片控制设置于所述氢燃料电池堆内部的第二检测组件(包括但不限于多种类型的传感器、计时器等)获取所述氢燃料电池堆内部的第二检测数据(包括但不限于获取氢燃料电池堆内部的气压数据、排水时间数据、排气时间数据等,以进行进一步的内部异常判断以对氢燃料电池堆进行更深入、全面的健康状态诊断)。
在本发明一些可能的实施方式中,为了能精确地获取氢燃料电池堆内的检测数据,在本实施例中,所述输出管设置于所述端板上并贯穿所述氢燃料电池堆整体;所述输出管连接有用于分离液态水和气体的分离装置;所述分离装置连接排出阀;所述排出阀连接到所述回收装置和氢燃料电池堆管理芯片;所述双极板上设置有流道;所述输出管的管道壁上均开设有与所述双极板上的所述流道对接且连通的第一通孔以及与所述第一通孔一一对应的开关结构;所述氢燃料电池堆管理芯片通过电连接控制所述开关结构的开闭以实现所述第一通孔的打开和闭合;所述输出管外表面套设有密封套,所述密封套上设置有与所述第一通孔连通的第二通孔。所述第二检测组件至少包括第一传感器组和第二传感器组;第一传感器组和第二传感器组的设置方法是:获取所述输出管的第一结构数据(包括但不限于空腔容量、长度以及所述第一通孔的设置数据);按符合所述第一结构数据的第一安装方式(包括但不限于传感器间的安装间距、安装数量、连接方式等)在所述输出管设置第一传感器组;获取所述流道的第二结构数据(包括但不限于形状、宽度、高度和长度),按符合所述第二结构数据的第二安装方式(包括但不限于传感器间的安装间距、安装数量、连接方式等)在所述流道里设置第二传感器组。应当说明的是,在为所述输出管和所述流道设置传感器时,云服务器可以先从氢燃料电池堆的标准三维模型库中提取出所述输出管和所述流道的三维模型数据,得到第一结构数据和第二结构数据,再根据需要安装的传感器的功能、性能、体积、安装方式、连接方式等属性特征,生成对应的第一安装方式和第二安装方式。
在本发明一些可能的实施方式中,所述氢燃料电池堆的输出管、用于分离液态水和气体的分离装置、排出阀、所述回收装置依次连接;
所述氢燃料电池堆管理芯片被配置为:控制所述排出阀的开启与关闭以将气体和水排出;
所述云服务器被配置为:根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹。
可以理解的是,为了更精确地确定氢燃料电池堆的健康状态,在本实施例中,依次连接所述氢燃料电池堆的输出管、用于分离液态水和气体的分离装置、排出阀、所述回收装置;所述氢燃料电池堆管理芯片控制所述排出阀的开启与关闭以将所述排放物中的气体和水排出;根据所述排出阀的排水持续时长与所述排出阀的打开时长(例如,可以根据测试或试验数据确定氢燃料电池堆不同的输出功率、输出电压、输出电流、工作温度等对应的打开时长,或者基于大数据和人工智能算法动态确定在氢燃料电池堆不同的输出功率、输出电压、输出电流、工作温度等条件下的打开时长等等,可以智能动态地应对多种情况并精确地确定排出阀的打开时长,使得对氢燃料电池堆的健康状态诊断更精确)的比值判断所述氢燃料电池堆是否发生水淹。
在本发明一些可能的实施方式中,所述根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹的步骤中,所述云服务器被配置为:
根据所述氢燃料电池堆的历史正常工作数据,利用大数据分析技术,确定所述氢燃料电池堆在正常工作时的正常排放物中水与气体重量的第一比例;
确定所述正常排放物中水与气体依次由所述排出阀排出时分别所用的第一时长和第二时长与所述排出阀的所述打开时长的第一比值和第二比值;
当距离所述排出阀打开的时间达到第一预设时间时,确定所述分离装置中的水与气体重量的第二比例;
当所述排出阀打开时,启动排水时间计时器进入准备状态;
获取第一预设时间内所述氢燃料电池堆的输出端的压力变化数据;
根据所述压力变化数据计算所述氢燃料电池堆的输出端的压力变化率;
将所述压力变化率与第一预设变化率范围进行比较,若所述压力变化率处于所述第一预设变化率范围内(则表明此时排出阀已经完成排气进入排水阶段),则控制所述排水时间计时器开始计时得到实际排水时长;
计算所述实际排水时长与所述打开时长的第三比值,并比较所述第三比值与所述第一比值的大小,以及比较所述第一比例与所述第二比例的大小;
若所述第三比值小于所述第一比值且所述第二比例小于所述第一比例,(即实际排水时长小于标准排水时长,则说明所述排出阀打开后过早进入排气阶段,表明所述分离装置中的水含量较低,电堆存在发生水淹的情况)则确定所述氢燃料电池堆发生水淹,发出警报。
可以理解的是,当氢燃料电池堆在正常工作时,其排放物中各成分的比例是遵循特定的规律的,根据数据分析可以将这种规律数值化以在对氢燃料电池堆进行健康诊断时能作为有效且准确的诊断依据,在本实施例中,根据所述氢燃料电池堆的历史正常工作数据,利用大数据分析技术,确定所述氢燃料电池堆在正常工作时的正常排放物中水与气体重量的第一比例或第一比例范围;并确定所述正常排放物中水与气体依次由所述排出阀排出时分别所用的第一时长和第二时长与所述排出阀的所述打开时长的第一比值和第二比值。
可以通过预先设置由所述氢燃料电池堆管理芯片控制所述排出阀依次进行排气和排水,当所述排出阀打开时,启动排水时间计时器进入准备状态以便排气结束排水开始立即进行计时以保证计时的准确性。获取第一预设时间(可以根据所述历史正常工作数据确定第一预设时间)内所述氢燃料电池堆的输出端的压力变化数据(如气压变化数据);根据所述压力变化数据计算所述氢燃料电池堆的输出端的压力变化率;将所述压力变化率与第一预设变化率范围(第一预设变化率范围为根据历史压力数据确定的排气完成后的压力变化率范围)进行比较,若所述压力变化率处于所述第一预设变化率范围内(则表明此时排出阀已经完成排气进入排水阶段),则控制所述排水时间计时器开始计时得到实际排水时长;计算所述实际排水时长与所述打开时长的第三比值,并比较所述第三比值与所述第一比值的大小,以及比较所述第一比例与所述第二比例的大小;若所述第三比值小于所述第一比值且所述第二比例小于所述第一比例,(即实际排水时长小于标准排水时长,则说明所述排出阀打开后过早进入排气阶段,表明所述分离装置中的水含量较低,电堆存在发生水淹的情况)则确定所述氢燃料电池堆发生水淹,发出警报。本实施方案通过实际排放物中水与气体重量的比值、实际排水时长与排出阀打开时长的比值与正常的重量比值、正常的排水时长比值进行比较这种双重判断来确定实际水量是否小于正常水量进一步保证了精确性。
在本发明一些可能的实施方式中,所述云服务器被配置为:
根据所述第一分析结果分别对所述排放物中的水和气体进行质量分析,得到水质分析结果和气体质量分析结果;
根据所述水质分析结果和所述气体质量分析结果对水质,分别确定对所述排放物中的水和气体的水再利用处理方案和气体再利用方案;
将所述水再利用处理方案和所述气体再利用方案发送至所述氢燃料电池堆所在的智能汽车;
所述智能汽车被配置为:根据所述水再利用处理方案和所述气体再利用方案,开启水再利用通道与气体再利用通道与所述回收装置连接,分别对所述排放物中的水和气体进行再利用处理。
可以理解的是,为了更好地处理排放物以提高资源利用率,在本实施例中,根据所述第一分析结果分别对所述排放物中的水和气体进行质量分析,得到水质分析结果和气体质量分析结果;根据所述水质分析结果和所述气体质量分析结果对水质,分别确定对所述排放物中的水和气体的水再利用处理方案和气体再利用方案;将所述水再利用处理方案和所述气体再利用方案发送至所述氢燃料电池堆所在的智能汽车;所述智能汽车根据所述水再利用处理方案和所述气体再利用方案,开启水再利用通道与气体再利用通道与所述回收装置连接,分别对所述排放物中的水和气体进行再利用处理(如将水导流至智能汽车的水箱、将气体进行分离后输入供氢组件或供氧组件等)。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
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申请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N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。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列,现场可编程门阵列等。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请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)
1.一种基于排放物分析的氢燃料电池堆健康状态诊断方法,应用于氢燃料电池系统,其特征在于,所述氢燃料电池系统包括氢燃料电池堆和附属组件;所述氢燃料电池堆包括多个单体电池和端板,所述单体电池包括双极板和膜电极,所述膜电极包括质子交换膜、催化剂层和气体扩散层;所述附属组件包括供氢组件、供氧组件、温度管理组件、回收装置和氢燃料电池堆管理芯片;所述基于排放物分析的氢燃料电池堆健康状态诊断方法,包括:
通过所述回收装置收集氢燃料电池堆的排放物,并利用传感器获取所述排放物的第一属性数据;
将所述第一属性数据发送至云服务器;
所述云服务器根据预先训练好的神经网络模型对所述第一属性数据进行处理以对所述排放物进行定量和定性分析得到所述排放物的第一分析结果;
根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常;
当存在异常时,进行警示并输出异常处理方案。
2.根据权利要求1所述的基于排放物分析的氢燃料电池堆健康状态诊断方法,其特征在于,所述根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常的步骤,包括:
所述云服务器根据所述第一分析结果生成第一检测控制指令,并将所述第一检测控制指令发送至所述氢燃料电池堆和第一检测组件;
所述第一检测组件获取所述氢燃料电池堆的第一检测数据;
所述氢燃料电池堆管理芯片控制设置于所述氢燃料电池堆内部的第二检测组件获取所述氢燃料电池堆内部的第二检测数据;
根据所述第一检测数据和所述第二检测数据确定所述氢燃料电池堆的内部是否存在异常。
3.根据权利要求2所述的基于排放物分析的氢燃料电池堆健康状态诊断方法,其特征在于,包括:
依次连接所述氢燃料电池堆的输出管、用于分离液态水和气体的分离装置、排出阀、所述回收装置;
所述氢燃料电池堆管理芯片控制所述排出阀的开启与关闭以将气体和水排出;
根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹。
4.根据权利要求3所述的基于排放物分析的氢燃料电池堆健康状态诊断方法,其特征在于,所述根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹的步骤,包括:
根据所述氢燃料电池堆的历史正常工作数据,利用大数据分析技术,确定所述氢燃料电池堆在正常工作时的正常排放物中水与气体重量的第一比例;
确定所述正常排放物中水与气体依次由所述排出阀排出时分别所用的第一时长和第二时长与所述排出阀的所述打开时长的第一比值和第二比值;
当距离所述排出阀打开的时间达到第一预设时间时,确定所述分离装置中的水与气体重量的第二比例;
当所述排出阀打开时,启动排水时间计时器进入准备状态;
获取第一预设时间内所述氢燃料电池堆的输出端的压力变化数据;
根据所述压力变化数据计算所述氢燃料电池堆的输出端的压力变化率;
将所述压力变化率与第一预设变化率范围进行比较,若所述压力变化率处于所述第一预设变化率范围内,则控制所述排水时间计时器开始计时得到实际排水时长;
计算所述实际排水时长与所述打开时长的第三比值,并比较所述第三比值与所述第一比值的大小,以及比较所述第一比例与所述第二比例的大小;
若所述第三比值小于所述第一比值且所述第二比例小于所述第一比例,则确定所述氢燃料电池堆发生水淹,发出警报。
5.根据权利要求1-4任一所述的基于排放物分析的氢燃料电池堆健康状态诊断方法,其特征在于,还包括:
根据所述第一分析结果分别对所述排放物中的水和气体进行质量分析,得到水质分析结果和气体质量分析结果;
根据所述水质分析结果和所述气体质量分析结果对水质,分别确定对所述排放物中的水和气体的水再利用处理方案和气体再利用方案;
将所述水再利用处理方案和所述气体再利用方案发送至所述氢燃料电池堆所在的智能汽车;
所述智能汽车根据所述水再利用处理方案和所述气体再利用方案,开启水再利用通道与气体再利用通道与所述回收装置连接,分别对所述排放物中的水和气体进行再利用处理。
6.一种基于排放物分析的氢燃料电池堆健康状态诊断系统,其特征在于,包括:云服务器、氢燃料电池堆和附属组件;所述氢燃料电池堆包括多个单体电池和端板,所述单体电池包括双极板和膜电极,所述膜电极包括质子交换膜、催化剂层和气体扩散层;所述附属组件包括供氢组件、供氧组件、温度管理组件、回收装置和氢燃料电池堆管理芯片;
所述回收装置被配置为:
收集所述氢燃料电池堆的排放物,并利用传感器获取所述排放物的第一属性数据;
将所述第一属性数据发送至所述云服务器;
所述云服务器被配置为:
根据预先训练好的神经网络模型对所述第一属性数据进行处理以对所述排放物进行定量和定性分析得到所述排放物的第一分析结果;
根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常;
当存在异常时,进行警示并输出异常处理方案。
7.根据权利要求6所述的基于排放物分析的氢燃料电池堆健康状态诊断系统,其特征在于,所述根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常的步骤中,所述云服务器被配置为:
根据所述第一分析结果生成第一检测控制指令,并将所述第一检测控制指令发送至所述氢燃料电池堆和第一检测组件;
所述第一检测组件被配置为:获取所述氢燃料电池堆的第一检测数据;
所述氢燃料电池堆管理芯片配置为:控制设置于所述氢燃料电池堆内部的第二检测组件获取所述氢燃料电池堆内部的第二检测数据;
所述云服务器被配置为:根据所述第一分析结果,确定所述氢燃料电池堆的内部是否存在异常。
8.根据权利要求7所述的基于排放物分析的氢燃料电池堆健康状态诊断系统,其特征在于,所述氢燃料电池堆的输出管、用于分离液态水和气体的分离装置、排出阀、所述回收装置依次连接;
所述氢燃料电池堆管理芯片被配置为:控制所述排出阀的开启与关闭以将气体和水排出;
所述云服务器被配置为:根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹。
9.根据权利要求8所述的基于排放物分析的氢燃料电池堆健康状态诊断系统,其特征在于,所述根据所述排出阀的排水持续时长与所述排出阀的打开时长的比值判断所述氢燃料电池堆是否发生水淹的步骤中,所述云服务器被配置为:
根据所述氢燃料电池堆的历史正常工作数据,利用大数据分析技术,确定所述氢燃料电池堆在正常工作时的正常排放物中水与气体重量的第一比例;
确定所述正常排放物中水与气体依次由所述排出阀排出时分别所用的第一时长和第二时长与所述排出阀的所述打开时长的第一比值和第二比值;
当距离所述排出阀打开的时间达到第一预设时间时,确定所述分离装置中的水与气体重量的第二比例;
当所述排出阀打开时,启动排水时间计时器进入准备状态;
获取第一预设时间内所述氢燃料电池堆的输出端的压力变化数据;
根据所述压力变化数据计算所述氢燃料电池堆的输出端的压力变化率;
将所述压力变化率与第一预设变化率范围进行比较,若所述压力变化率处于所述第一预设变化率范围内,则控制所述排水时间计时器开始计时得到实际排水时长;
计算所述实际排水时长与所述打开时长的第三比值,并比较所述第三比值与所述第一比值的大小,以及比较所述第一比例与所述第二比例的大小;
若所述第三比值小于所述第一比值且所述第二比例小于所述第一比例,则确定所述氢燃料电池堆发生水淹,发出警报。
10.根据权利要求6-9任一所述的基于排放物分析的氢燃料电池堆健康状态诊断系统,其特征在于,所述云服务器被配置为:
根据所述第一分析结果分别对所述排放物中的水和气体进行质量分析,得到水质分析结果和气体质量分析结果;
根据所述水质分析结果和所述气体质量分析结果对水质,分别确定对所述排放物中的水和气体的水再利用处理方案和气体再利用方案;
将所述水再利用处理方案和所述气体再利用方案发送至所述氢燃料电池堆所在的智能汽车;
所述智能汽车被配置为:根据所述水再利用处理方案和所述气体再利用方案,开启水再利用通道与气体再利用通道与所述回收装置连接,分别对所述排放物中的水和气体进行再利用处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310523372.1A CN116247248B (zh) | 2023-05-10 | 2023-05-10 | 基于排放物分析的氢燃料电池堆健康状态诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310523372.1A CN116247248B (zh) | 2023-05-10 | 2023-05-10 | 基于排放物分析的氢燃料电池堆健康状态诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116247248A true CN116247248A (zh) | 2023-06-09 |
CN116247248B CN116247248B (zh) | 2023-07-25 |
Family
ID=86635328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310523372.1A Active CN116247248B (zh) | 2023-05-10 | 2023-05-10 | 基于排放物分析的氢燃料电池堆健康状态诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116247248B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116456298A (zh) * | 2023-06-20 | 2023-07-18 | 北京新研创能科技有限公司 | 一种用于氢燃料电池系统的数据管理方法及系统 |
CN117870778A (zh) * | 2024-03-12 | 2024-04-12 | 北京新研创能科技有限公司 | 一种用于燃料电池双极板的检测方法及系统 |
CN117870778B (zh) * | 2024-03-12 | 2024-05-31 | 北京新研创能科技有限公司 | 一种用于燃料电池双极板的检测方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130158757A1 (en) * | 2011-12-20 | 2013-06-20 | Nissan North America, Inc. | System and method of in-situ diagnosis of fuel cell health during vehicle operation |
CN208157536U (zh) * | 2018-04-23 | 2018-11-27 | 天津中德应用技术大学 | 氢燃料电池堆膜电极单体电压同步检测装置 |
WO2019233231A1 (zh) * | 2018-06-08 | 2019-12-12 | 上海寒武纪信息科技有限公司 | 通用机器学习模型、模型文件的生成和解析方法 |
CN112117475A (zh) * | 2020-09-30 | 2020-12-22 | 国网四川省电力公司经济技术研究院 | 一种燃料电池水管理子系统故障检测装置及方法 |
KR20210031060A (ko) * | 2019-09-11 | 2021-03-19 | 한국에너지기술연구원 | 연료전지 시스템의 다단계 고장 진단 방법 및 장치 |
WO2021213989A1 (en) * | 2020-04-24 | 2021-10-28 | Robert Bosch Gmbh | Fuel cell diagnostic apparatus and corresponding diagnostic method, vehicle, and vehicle system |
JP2022082318A (ja) * | 2020-11-20 | 2022-06-01 | 東京瓦斯株式会社 | 故障診断装置、故障診断システム、及び故障診断プログラム |
CN114777863A (zh) * | 2022-04-01 | 2022-07-22 | 上海祎智量芯科技有限公司 | 一种多组分气体流量补偿装置及补偿方法 |
CN115602883A (zh) * | 2022-10-25 | 2023-01-13 | 山东国创燃料电池技术创新中心有限公司(Cn) | 燃料电池排水故障诊断方法、装置、车辆及存储介质 |
-
2023
- 2023-05-10 CN CN202310523372.1A patent/CN116247248B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130158757A1 (en) * | 2011-12-20 | 2013-06-20 | Nissan North America, Inc. | System and method of in-situ diagnosis of fuel cell health during vehicle operation |
CN208157536U (zh) * | 2018-04-23 | 2018-11-27 | 天津中德应用技术大学 | 氢燃料电池堆膜电极单体电压同步检测装置 |
WO2019233231A1 (zh) * | 2018-06-08 | 2019-12-12 | 上海寒武纪信息科技有限公司 | 通用机器学习模型、模型文件的生成和解析方法 |
KR20210031060A (ko) * | 2019-09-11 | 2021-03-19 | 한국에너지기술연구원 | 연료전지 시스템의 다단계 고장 진단 방법 및 장치 |
WO2021213989A1 (en) * | 2020-04-24 | 2021-10-28 | Robert Bosch Gmbh | Fuel cell diagnostic apparatus and corresponding diagnostic method, vehicle, and vehicle system |
CN112117475A (zh) * | 2020-09-30 | 2020-12-22 | 国网四川省电力公司经济技术研究院 | 一种燃料电池水管理子系统故障检测装置及方法 |
JP2022082318A (ja) * | 2020-11-20 | 2022-06-01 | 東京瓦斯株式会社 | 故障診断装置、故障診断システム、及び故障診断プログラム |
CN114777863A (zh) * | 2022-04-01 | 2022-07-22 | 上海祎智量芯科技有限公司 | 一种多组分气体流量补偿装置及补偿方法 |
CN115602883A (zh) * | 2022-10-25 | 2023-01-13 | 山东国创燃料电池技术创新中心有限公司(Cn) | 燃料电池排水故障诊断方法、装置、车辆及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116456298A (zh) * | 2023-06-20 | 2023-07-18 | 北京新研创能科技有限公司 | 一种用于氢燃料电池系统的数据管理方法及系统 |
CN116456298B (zh) * | 2023-06-20 | 2023-08-15 | 北京新研创能科技有限公司 | 一种用于氢燃料电池系统的数据管理方法及系统 |
CN117870778A (zh) * | 2024-03-12 | 2024-04-12 | 北京新研创能科技有限公司 | 一种用于燃料电池双极板的检测方法及系统 |
CN117870778B (zh) * | 2024-03-12 | 2024-05-31 | 北京新研创能科技有限公司 | 一种用于燃料电池双极板的检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116247248B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hua et al. | Remaining useful life prediction of PEMFC systems based on the multi-input echo state network | |
CN116247248B (zh) | 基于排放物分析的氢燃料电池堆健康状态诊断方法及系统 | |
Cadet et al. | Diagnostic tools for PEMFCs: from conception to implementation | |
Vichard et al. | Hybrid fuel cell system degradation modeling methods: A comprehensive review | |
Jouin et al. | Degradations analysis and aging modeling for health assessment and prognostics of PEMFC | |
Song et al. | Lithium-ion battery remaining useful life prediction based on GRU-RNN | |
US6632552B2 (en) | Water purge fuel cell system and method | |
Mao et al. | Investigation of polymer electrolyte membrane fuel cell internal behaviour during long term operation and its use in prognostics | |
CN110794305A (zh) | 一种动力电池故障诊断方法和系统 | |
CN116231010B (zh) | 一种氢燃料电池系统故障诊断方法及系统 | |
CN110068768A (zh) | 电池热失控检测方法及装置 | |
CN111965560B (zh) | 一种面向通用放电工况的电池健康状态估计方法 | |
CN113406505A (zh) | 一种燃料电池的剩余寿命预测方法及装置 | |
DE112008004259B4 (de) | Brennstoffbatteriesystem | |
CN113608131A (zh) | 一种动态机车工况下pemfc电堆衰退性能检测方法 | |
CN110749825B (zh) | 一种燃料电池耐久性测试加速工况建立方法及装置 | |
CN116381541A (zh) | 一种储能锂电池系统的健康评估方法及系统 | |
CN103579649B (zh) | 以可变时间间隔来检测阳极压力传感器卡住故障的算法 | |
Xiao et al. | Fault diagnosis method for proton exchange membrane fuel cells based on EIS measurement optimization | |
Zhang et al. | Battery voltage fault diagnosis for electric vehicles considering driving condition variation | |
CN116706157B (zh) | 燃料电池车辆及排氢阀/排水阀故障诊断方法和装置 | |
Jacome et al. | A review of model-based prognostic for proton exchange membrane fuel cell under automotive load cycling | |
CN111628195A (zh) | 一种基于逻辑推理的燃料电池电堆实时状态识别方法 | |
CN114388855B (zh) | 一种燃料电池寿命预测方法 | |
Li et al. | Screening of retired lithium-Ion batteries using incremental capacity charging curve-based residual capacity estimation method for facilitating sustainable circular lithium-ion battery 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |