CN116430261A - 一种燃料电池寿命的预测方法及装置 - Google Patents
一种燃料电池寿命的预测方法及装置 Download PDFInfo
- Publication number
- CN116430261A CN116430261A CN202310313557.XA CN202310313557A CN116430261A CN 116430261 A CN116430261 A CN 116430261A CN 202310313557 A CN202310313557 A CN 202310313557A CN 116430261 A CN116430261 A CN 116430261A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- moment
- mechanical attenuation
- attenuation model
- preset
- 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
- 239000000446 fuel Substances 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000012528 membrane Substances 0.000 claims abstract description 84
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000009471 action Effects 0.000 claims abstract description 13
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 72
- 239000001257 hydrogen Substances 0.000 claims description 72
- 229910052739 hydrogen Inorganic materials 0.000 claims description 72
- 239000007789 gas Substances 0.000 claims description 57
- 230000008859 change Effects 0.000 claims description 21
- 239000011261 inert gas Substances 0.000 claims description 21
- 239000000463 material Substances 0.000 claims description 21
- 238000012360 testing method Methods 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 18
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 13
- 239000001301 oxygen Substances 0.000 claims description 13
- 229910052760 oxygen Inorganic materials 0.000 claims description 13
- 230000036961 partial effect Effects 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 8
- 230000002238 attenuated effect Effects 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims 1
- 238000006731 degradation reaction Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 14
- 230000002787 reinforcement Effects 0.000 description 5
- 238000005315 distribution function Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 229920000295 expanded polytetrafluoroethylene Polymers 0.000 description 3
- XKRFYHLGVUSROY-UHFFFAOYSA-N Argon Chemical compound [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000036962 time dependent Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000005465 channeling Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000001307 helium Substances 0.000 description 1
- 229910052734 helium Inorganic materials 0.000 description 1
- SWQJXJOGLNCZEY-UHFFFAOYSA-N helium atom Chemical compound [He] SWQJXJOGLNCZEY-UHFFFAOYSA-N 0.000 description 1
- 238000013095 identification testing Methods 0.000 description 1
- 229910052743 krypton Inorganic materials 0.000 description 1
- DNNSSWSSYDEUBZ-UHFFFAOYSA-N krypton atom Chemical compound [Kr] DNNSSWSSYDEUBZ-UHFFFAOYSA-N 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052754 neon Inorganic materials 0.000 description 1
- GKAOGPIIYCISHV-UHFFFAOYSA-N neon atom Chemical compound [Ne] GKAOGPIIYCISHV-UHFFFAOYSA-N 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/378—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC] specially adapted for the type of battery or accumulator
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/392—Determining battery ageing or deterioration, e.g. state of health
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Fuel Cell (AREA)
Abstract
本发明提供一种燃料电池寿命的预测方法及装置，当识别到燃料电池的质子交换膜发生机械衰减时，获取燃料电池的关键参数；将关键参数和各个预设时刻输入到预先构建的机械衰减模型，机械衰减模型分别响应并基于各个预设时刻和关键参数进行对应的预测处理，输出各个预设时刻对应的预测窜漏量；将各个预设时刻对应的预测窜漏量分别与预设的失效值进行比较，确定预测窜漏量不小于失效值的时刻为失效时刻；确定当前时刻至失效时刻为燃料电池的剩余使用寿命。在本方案中，通过预先构建的机械衰减模型基于当前燃料电池的关键参数进行预测处理，实现了预测得到机械衰减模式作用下的气体窜漏量，并根据气体窜漏量预测燃料电池的剩余使用寿命的目的。
Description
技术领域
本发明涉及燃料电池技术领域，具体涉及一种燃料电池寿命的预测方法及装置。
背景技术
在长期运行的车用工况中，燃料电池的质子交换膜的失效通常由机械衰减、化学衰减和短路导致的。为了提高燃料电池的性能，要求质子交换膜能够抵抗复杂工况长期运行导致的机械衰减，以避免形成电子导通和气体互窜。
现有技术中，燃料电池质子交换膜的气体窜漏量往往通过固定工况下渗氢电流的测试或监控开路电压的变化获得，然而，这种方法识别的气体窜漏量为机械、化学和短路三种衰减模式作用下的叠加，无法识别出是否发生机械衰减，更无法区分出机械衰减模式作用下的气体窜漏量，也无法通过机械衰减模式作用下的气体窜漏量预测电池的剩余使用寿命。
因此，如何得到机械衰减模式作用下的气体窜漏量，并根据气体窜漏量预测燃料电池的剩余使用寿命是目前急需解决的问题。
发明内容
有鉴于此，本发明实施例提供一种燃料电池寿命的预测方法及装置，以实现预测出机械衰减模式作用下的气体窜漏量，并根据气体窜漏量预测燃料电池的剩余使用寿命的目的。
为实现上述目的，本发明实施例提供如下技术方案：
本发明实施例第一方面公开了一种燃料电池寿命的预测方法，包括：
当识别到燃料电池的质子交换膜发生机械衰减时，获取所述燃料电池的关键参数；所述关键参数包括：当前的运行参数、当前的状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数；
将所述关键参数和各个预设时刻输入到预先构建的机械衰减模型，所述机械衰减模型分别响应并基于各个预设时刻和所述关键参数进行对应的预测处理，输出各个预设时刻对应的预测窜漏量；
将所述各个预设时刻对应的预测窜漏量分别与预设的失效值进行比较，确定所述预测窜漏量不小于所述失效值的时刻为失效时刻；
确定所述当前时刻至所述失效时刻为所述燃料电池的剩余使用寿命。
优选的，识别所述燃料电池的质子交换膜是否发生机械衰减的过程，包括：
在所述燃料电池的阳极混合供给氢气和惰性气体，在所述燃料电池的阴极混合供给氧气和所述惰性气体；
在阳极氢气分压和阴极氧气分压不变的情况下，通过调整所述惰性气体流量和背压，改变所述阳极和所述阴极的气体总压力，使得所述阳极和所述阴极间之间产生各个不同的气体总压力差；
在各个不同的气体总压力差的作用下，分别测量并记录所述燃料电池对应的开路电压，并得到所述开路电压随所述气体总压力差的变化关系；
当所述变化关系满足发生机械衰减的特征时，确定所述燃料电池的质子交换膜发生机械衰减。
优选的，预先构建得到所述机械衰减模型的过程，包括：
构建包含未知参数项的机械衰减模型；所述未知参数项至少包括：初始渗氢电流密度、标准工况常数和敏感性工况常数；
将预先得到的实验数据输入到所述机械衰减模型中，所述实验数据至少包括：将所述燃料电池置于预先设置的加速耐久工况或常规耐久工况下，通过渗氢电流测试工况和开路电压测试工况测试得到的渗氢电流和开路电压；
基于所述实验数据，在当前时刻下对所述未知参数项进行标定，得到对应所述当前时刻的未知参数项；
验证所述机械衰减模型的精度是否达到要求；
若否，继续将所述实验数据输入到所述机械衰减模型中，对所述当前时刻对应的未知参数项进行标定，直到得到精度达到要求的机械衰减模型；
若是，确定所述机械衰减模型训练完成。
优选的，所述验证所述机械衰减模型的精度是否达到要求，包括：
从燃料电池的历史数据中获取任一历史时刻的关键参数；任一历史时刻的关键参数包括：运行参数、状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数；
将所述关键参数和所述历史时刻输入到所述机械衰减模型，所述机械衰减模型响应并基于所述历史时刻和所述关键参数进行仿真预测处理，得到所述历史时刻对应的仿真窜漏量；
计算所述仿真窜漏量与所述历史时刻的实际窜漏量之间的差值；所述历史时刻的实际窜漏量从所述历史数据中得到；
当所述差值小于或等于预设值时，确定所述机械衰减模型的精度符合要求。
优选的，所述将所述各个预设时刻对应的预测窜漏量分别与预设的失效值进行比较，确定所述预测窜漏量不小于所述失效值的时刻为失效时刻，包括：
将所述各个预设时刻对应的预测窜漏量按照时刻的先后顺序，分别依次与预设的失效值进行比较；
当出现预测窜漏量大于或等于所述预设的失效值的情况时，确定所述预测窜漏量对应的时刻为所述燃料电池的失效时刻。
本发明实施例第二方面公开了一种燃料电池寿命的预测装置，包括：
获取单元，用于当识别到燃料电池的质子交换膜发生机械衰减时，获取所述燃料电池的关键参数；所述关键参数包括：当前的运行参数、当前的状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数；
预测单元，用于将所述关键参数和各个预设时刻输入到预先构建的机械衰减模型，所述机械衰减模型分别响应并基于各个预设时刻和所述关键参数进行对应的预测处理，输出各个预设时刻对应的预测窜漏量；
比较单元，用于将所述各个预设时刻对应的预测窜漏量分别与预设的失效值进行比较，确定所述预测窜漏量不小于所述失效值的时刻为失效时刻；
确定单元，用于确定所述当前时刻至所述失效时刻为所述燃料电池的剩余使用寿命。
优选的，所述获取单元，具体用于：
在所述燃料电池的阳极混合供给氢气和惰性气体，在所述燃料电池的阴极混合供给氧气和所述惰性气体；在阳极氢气分压和阴极氧气分压不变的情况下，通过调整所述惰性气体流量和背压，改变所述阳极和所述阴极的气体总压力，使得所述阳极和所述阴极间之间产生各个不同的气体总压力差；在各个不同的气体总压力差的作用下，分别测量并记录所述燃料电池对应的开路电压，并得到所述开路电压随所述气体总压力差的变化关系；当所述变化关系满足发生机械衰减的特征时，确定所述燃料电池的质子交换膜发生机械衰减；获取所述燃料电池的关键参数；所述关键参数包括：当前的运行参数、当前的状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数。
优选的，所述装置还包括：
构建单元，用于构建包含未知参数项的机械衰减模型；所述未知参数项至少包括：初始渗氢电流密度、标准工况常数和敏感性工况常数；将预先得到的实验数据输入到所述机械衰减模型中，所述实验数据至少包括：将所述燃料电池置于预先设置的加速耐久工况或常规耐久工况下，通过渗氢电流测试工况和开路电压测试工况测试得到的渗氢电流和开路电压；基于所述实验数据，在当前时刻下对所述未知参数项进行标定，得到对应所述当前时刻的未知参数项；若否，继续将所述实验数据输入到所述机械衰减模型中，对所述当前时刻对应的未知参数项进行标定，直到得到精度达到要求的机械衰减模型；若是，确定所述机械衰减模型训练完成。
验证单元，用于验证所述机械衰减模型的精度是否达到要求。
优选的，所述验证单元，具体用于：
从燃料电池的历史数据中获取任一历史时刻的关键参数；所述关键参数包括：运行参数、状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数；将所述关键参数和所述历史时刻输入到所述机械衰减模型，所述机械衰减模型响应并基于所述历史时刻和所述关键参数进行仿真预测处理，得到所述历史时刻对应的仿真窜漏量；计算所述仿真窜漏量与所述历史时刻的实际窜漏量之间的差值；所述历史时刻的实际窜漏量从所述历史数据中得到；当所述差值小于或等于预设值时，确定所述机械衰减模型的精度符合要求。
优选的，所述比较单元，具体用于：
将所述各个预设时刻对应的预测窜漏量按照时刻的先后顺序，分别依次与预设的失效值进行比较；当出现预测窜漏量大于或等于所述预设的失效值的情况时，确定所述预测窜漏量对应的时刻为所述燃料电池的失效时刻。
基于上述本发明实施例提供的一种燃料电池寿命的预测方法及装置，当识别到燃料电池的质子交换膜发生机械衰减时，获取所述燃料电池的关键参数；所述关键参数包括：当前的运行参数、当前的状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数；将所述关键参数和各个预设时刻输入到预先构建的机械衰减模型，所述机械衰减模型分别响应并基于各个预设时刻和所述关键参数进行对应的预测处理，输出各个预设时刻对应的预测窜漏量；将所述各个预设时刻对应的预测窜漏量分别与预设的失效值进行比较，确定所述预测窜漏量不小于所述失效值的时刻为失效时刻；确定所述当前时刻至所述失效时刻为所述燃料电池的剩余使用寿命。在本方案中，通过预先构建的机械衰减模型基于当前燃料电池的关键参数进行预测处理，实现了预测得到机械衰减模式作用下的气体窜漏量，并根据气体窜漏量预测燃料电池的剩余使用寿命的目的。
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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例公开的一种燃料电池剩余使用寿命的预测方法的流程图；
图2为本发明实施例公开的验证机械衰减模型的精度是否达到要求的流程图；
图3为本发明实施例公开的不同温度下机械衰减导致的渗氢电流量仿真变化曲线；
图4为本发明实施例公开的不同压力波动程度下机械衰减导致的渗氢电流量仿真变化曲线；
图5为本发明实施例公开的不同湿度波动程度下机械衰减导致的渗氢电流量仿真变化曲线；
图6为本发明实施例公开的不同膜增强层厚度下机械衰减导致的渗氢电流量仿真变化曲线；
图7为本发明实施例公开的一种燃料电池寿命的预测装置的结构图。
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做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。
在本申请中，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、物品或者设备中还存在另外的相同要素。
由背景技术可知，现有技术中无法预测出机械衰减模式作用下的气体窜漏量，也无法根据气体窜漏量预测燃料电池的剩余使用寿命。
因此，本发明实施例公开了一种燃料电池寿命的预测方法及装置，当识别到燃料电池的质子交换膜发生机械衰减时，获取所述燃料电池当前的关键参数，利用预先构建的机械衰减模型根据关键参数分别预测各个预设时刻的预测窜漏量，最终确定预测窜漏量达到失效值的时刻为失效时刻，根据失效时刻计算得到燃料电池的剩余使用寿命，实现了预测得到机械衰减模式作用下的气体窜漏量，并根据气体窜漏量预测燃料电池的剩余使用寿命的目的。
如图1所示，为本发明实施例公开的一种燃料电池剩余使用寿命的预测方法的流程图，该方法主要包括以下步骤：
步骤S101：当识别到燃料电池的质子交换膜发生机械衰减时，获取燃料电池的关键参数。
在步骤S101中，关键参数包括：当前的运行参数、当前的状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数。
其中，当前的运行参数至少包括：不同时刻的操作温度、阴阳极进出口压力和阴阳极进出口湿度。
当前的状态参数至少包括反映燃料电池内部状态的参数。
质子交换膜的材料特性参数至少包括反映质子交换膜构成材料的参数。
质子交换膜的结构特性参数至少包括：膜总厚度、膜增强层厚度和初始渗氢电流。
在步骤S101的具体实现过程中，将燃料电池置于窜漏模式识别测试工况下，进行窜漏模式的识别，若识别燃料电池发生机械衰减时，获取燃料电池的关键参数。
窜漏模式识别的具体过程包括：在燃料电池的阳极混合供给氢气和惰性气体，在燃料电池的阴极混合供给氧气和惰性气体；
在阳极氢气分压和阴极氧气分压不变的情况下，通过调整惰性气体流量和背压，改变阳极和阴极的气体总压力，使得阳极和阴极间之间产生各个不同的气体总压力差；
在各个不同的气体总压力差的作用下，分别测量并记录燃料电池对应的开路电压，并得到开路电压随气体总压力差的变化关系；
当变化关系满足发生机械衰减的特征时，确定燃料电池的质子交换膜发生机械衰减。
其中，混合供给的氢气和惰性气体可以为加湿气体或不加湿气体，混合供给的氧气和惰性气体可以为加湿气体或不加湿气体，惰性气体包括：氮气、氦气、氖气、氩气、氪气、氙气和氡气。
步骤S102：将关键参数和各个预设时刻输入到预先构建的机械衰减模型，机械衰减模型分别响应并基于各个预设时刻和关键参数进行对应的预测处理，输出各个预设时刻对应的预测窜漏量。
需要说明的是，本申请中提及的预测窜漏量或窜漏量均为气体窜漏量，即燃料电池阴阳两极气体的跨膜渗透量。
在步骤S102中，构建机械衰减模型主要包括以下步骤：
步骤S11：构建包含未知参数项的机械衰减模型。
在步骤S11中，未知参数项至少包括：初始渗氢电流密度、标准工况常数和敏感性工况常数。
步骤S12：将预先得到的实验数据输入到机械衰减模型中。
在步骤S12中，实验数据至少包括：将所述燃料电池置于预先设置的加速耐久工况或常规耐久工况下，通过渗氢电流测试工况和开路电压测试工况测试得到的渗氢电流和开路电压。
其中，加速耐久工况下各个参数的具体数值如表1所示。
表1：
需要说明的是，本发明实施例公开的加速耐久工况仅为举例说明，不进行限定。
步骤S13：基于实验数据，在当前时刻下对未知参数项进行标定，得到对应当前时刻的未知参数项。
例如，基于实验数据中的渗氢电流和开路电压，将温度作为自变量，渗氢电流和开路电压为因变量，通过改变温度，测量并基于渗氢电流和开路电压的变化关系及速率得到温度敏感性工况常数，并在机械衰减模型标定温度敏感性工况常数。
需要说明的是，压力波动敏感性工况常数和湿度波动敏感性工况常数也可以通过上述举例的过程得到。
步骤S14：验证机械衰减模型的精度是否达到要求。若否，执行步骤S15，若是，执行步骤S16。
步骤S15：继续将实验数据输入到机械衰减模型中，对当前时刻对应的未知参数项进行标定，直到得到精度达到要求的机械衰减模型。
步骤S16：确定所述机械衰减模型训练完成。
具体的，通过上述机械衰减模型的构建步骤得到的机械衰减模型表达式为：
其中，t为时刻，即公式(1)中的自变量，相应的ΔIcross(t)为因变量，ΔIcross(t)为预测t时刻的机械衰减导致的气体窜漏对应的渗氢电流量，exp表示自然常数e为底的指数函数。
在本发明实施例中，t的取值为各个预设时刻。
可以理解的是，渗氢电流量是质子交换膜气体窜漏量的重要评价指标，因此渗氢电流量与气体窜漏量存在直接对应关系，基于预测渗氢电流量即可得出相应的预测窜漏量，或者，通过本领域常规技术手段基于预测渗氢电流量可以换算得到对应的预测窜漏量。
Δp为在渗氢电流测试工况下测试渗氢电流时施加在阴阳极的总压力差(无量纲数，相对于1个大气压)。
tinit定义为
的时刻，/>
为初始时刻渗氢电流。
n为自定义的倍数指标，n取值为大于或等于1，即假定tinit时刻和Δp的条件下，由于机械衰减导致的气体窜漏的渗氢电流量上升至初始渗氢电流的n倍。
基于
和Δp可得到B的取值：/>
其中，A为未知量参数，可以理解为气体窜漏量与Δp间的关联因子。
需要说明的是，tinit与质子交换膜物性和操作工况相关，可以定义不同的可靠性分析或失效分布函数获取tinit，例如，正态分布、指数分布和Weibull分布函数。
本发明实施例选用Weibull分布函数进行说明，Weibull分布函数定义如下：
其中，t为耐久运行时间，β为形状参数，η为缩放因子。
本发明实施例定义F(tinit)＝α,0≤α≤1，即认为tinit时刻和Δp下，由于膜机械衰减导致的气体窜漏的渗氢电流量上升至初始渗氢电流的n倍时，膜由于机械衰减导致失效的概率为α，本实施例取α＝0.5。
缩放因子η与操作工况和质子交换膜的材料和结构特性相关，本实施例缩放因子η定义如下：
η＝exp(α0)*exp(α1(δm-δePTFE))*exp(α2δePTFE)*exp(α3T)*exp(α4θP)*exp(α5θRH)*γ(3)
其中，α0为标准工况衰减速率常数，α1至α5分别为膜树脂层厚度、膜增强层厚度、操作温度、操作压力和电池湿度的敏感性工况常数，δm和δePTFE分别为质子交换膜厚度和增强层厚度，T为操作温度，θP为操作压力波动程度，θRH为电池湿度波动程度，γ定义为本实施例未考虑的其他材料和工况影响因素，针对不同材料体系和耐久工况，可以调整γ来耦合这些未知因素的影响，耐久工况中操作温度、压力和湿度的周期性变化可以作为缩放因子η计算的输入参数。
在步骤S102的具体实现过程中，将预设时刻作为公式(1)中的自变量t，并将关键参数和预设时刻输入到机械衰减模型，即公式(1)，基于关键参数预测得到对应该预设时刻的预测渗氢电流量，基于预测渗氢电流量得到相应的预测窜漏量，再将下一个预设时刻输入到机械衰减模型进行预测处理，直到预测出各个预设时刻对应的预测窜漏量。
需要说明的是，渗氢电流量是质子交换膜气体窜漏量的重要评价指标，因此渗氢电流量与气体窜漏量存在直接对应关系，基于预测渗氢电流量即可得出相应的预测窜漏量，或者，通过本领域常规技术手段基于预测渗氢电流量可以换算得到对应的预测窜漏量。
步骤S103：将各个预设时刻对应的预测窜漏量分别与预设的失效值进行比较，确定预测窜漏量不小于失效值的时刻为失效时刻。
在步骤S103中，预设的失效值即表征燃料电池中质子交换膜达到破损或失效的窜漏量。
在步骤S103的具体实现过程中，将各个预设时刻对应的预测窜漏量按照时刻的先后顺序，分别依次与预设的失效值进行比较，当出现预测窜漏量大于或等于预设的失效值的情况时，确定预测窜漏量对应的时刻为燃料电池的失效时刻。
例如，预设的失效值为10，ABC为按时间的先后顺序排列的3个不同的预设时刻，A、B和C对应的预测窜漏量为5、10和15，首先将时刻A对应的预测窜漏量5与预设的失效值10比较，不满足预测窜漏量大于或等于预设的失效值的情况，再将时刻B对应的预测窜漏量10与预设的失效值10比较满足预测窜漏量大于或等于预设的失效值的情况，则确认时刻B为失效时刻。
步骤S104：确定当前时刻至失效时刻为燃料电池的剩余使用寿命。
在步骤S104中，当前时刻为当识别到燃料电池的质子交换膜发生机械衰减时，获取燃料电池的关键参数的时刻。
基于上述本发明实施例公开的一种燃料电池寿命的预测方法，当识别到燃料电池的质子交换膜发生机械衰减时，获取所述燃料电池当前的关键参数，利用预先构建的机械衰减模型根据关键参数分别预测各个预设时刻的预测窜漏量，最终确定预测窜漏量达到失效值的时刻为失效时刻，根据失效时刻计算得到燃料电池的剩余使用寿命。在本方案中，通过预先构建的机械衰减模型基于当前燃料电池的关键参数进行预测处理，实现了预测得到机械衰减模式作用下的气体窜漏量，并根据气体窜漏量预测燃料电池的剩余使用寿命的目的。
如图2所示，为本发明实施例公开的验证机械衰减模型的精度是否达到要求的流程图，主要包括以下步骤：
步骤S201：从燃料电池的历史数据中获取任一历史时刻的关键参数。
在步骤S201中，任一历史时刻的关键参数包括：运行参数、状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数。
其中，运行参数包括：不同时刻的操作温度、阴阳极进出口压力和阴阳极进出口湿度。
状态参数至少至少包括反映燃料电池内部状态的参数。
质子交换膜的材料特性参数至少包括反映质子交换膜的构成材料的参数。
质子交换膜的结构特性参数至少包括：膜总厚度、膜增强层厚度和初始渗氢电流。
步骤S202：将关键参数和历史时刻输入到机械衰减模型，机械衰减模型响应并基于历史时刻和关键参数进行仿真预测处理，得到历史时刻对应的仿真窜漏量。
需要说明的是，步骤S202的具体实现过程与图1所示实施例中步骤S102的具体实现过程相同，互相参照即可。
步骤S203：计算仿真窜漏量与历史时刻的实际窜漏量之间的差值。
在步骤S203中，历史时刻对应的实际窜漏量从燃料电池的历史数据中获取。
步骤S204：当差值小于或等于预设值时，确定机械衰减模型的精度符合要求。
需要说明的是，当差值大于预设值时，确定机械衰减模型的精度不符合要求。
基于上述本发明实施例公开的一种验证机械衰减模型的精度是否达到要求的方法，从燃料电池的历史数据中获取任一历史时刻的关键参数，将关键参数和历史时刻输入到机械衰减模型，机械衰减模型响应并基于历史时刻和关键参数进行仿真预测处理，得到历史时刻对应的仿真窜漏量，计算仿真窜漏量与历史时刻的实际窜漏量之间的差值，当差值小于或等于预设值时，确定机械衰减模型的精度符合要求。在本方案中，利用仿真的预测值与实际值进行模型精度的测试，以保证得到精度符合要求的机械衰减模型。
基于上述本发明实施例公开的一种燃料电池寿命的预测方法，如图3所示，为本发明实施例公开的不同温度下机械衰减导致的渗氢电流量仿真变化曲线。
具体的，将输入机械衰减模型的关键参数中的操作温度作为自变量，通过改变操作温度，其他关键参数不变，分别利用机械衰减模型预测在不同温度下，作为因变量的渗氢电流量随时间的变化关系。
如图3所示，随着操作温度的增加，渗氢电流量快速增加的时间节点明显提前。
如图4所示，为本发明实施例公开的不同压力波动程度下机械衰减导致的渗氢电流量仿真变化曲线。
具体的，将机械衰减模型中预先通过实验数据标定的压力波动程度作为自变量，对已标定的压力波动程度进行修改并重新标定，其他拟合参数不变，分别利用机械衰减模型预测在不同压力波动程度下，作为因变量的渗氢电流量随时间的变化关系。
如图4所示，随着压力波动程度的增加，渗氢电流量快速增加的时间节点明显提前。
如图5所示，为本发明实施例公开的不同湿度波动程度下机械衰减导致的渗氢电流量仿真变化曲线。
具体的，将机械衰减模型预先通过实验数据标定的湿度波动程度作为自变量，对已标定的湿度波动程度进行修改重新标定，其他拟合参数不变，分别利用机械衰减模型预测在不同湿度波动程度下，作为因变量的渗氢电流量随时间的变化关系。
如图5所示，随着压力波动程度的增加，渗氢电流量快速增加的时间节点明显提前。
如图6所示，为本发明实施例公开的不同膜增强层厚度下机械衰减导致的渗氢电流量仿真变化曲线。
具体的，将输入机械衰减模型的关键参数中的膜增强层厚度作为自变量，通过改变膜增强层厚度，其他关键参数不变，分别利用机械衰减模型预测在不同膜增强层厚度下，作为因变量的渗氢电流量随时间的变化关系。
如图6所示，随着膜增强层厚度的降低，渗氢电流量快速增加的时间节点明显提前。
如图3至图6所示，表明这些操作条件或膜物性的改变，导致了膜电极内部更大的应力及其波动或降低了膜的机械稳定性，因此导致了膜更快的机械衰减。
本发明实施例仿真所采用的燃料电池质子交换膜物性如表2所示。
表2：
本发明实施例仿真所采用的机械衰减模型中拟合参数如表3所示。
需要说明的是，机械衰减模型中拟合参数通过上述提及的实验数据标定得到。
表3：
基于上述本发明实施例公开的一种机械衰减模型的仿真应用方法，利用机械衰减模型进行仿真，得到质子交换膜的渗氢电流量与操作温度、压力波动程度、湿度波动程度和膜增强层厚度之间的变化关系。在本方案中，利用机械衰减模型进行仿真，充分探究了质子交换膜的特性，以及机械衰减对质子交换膜的影响。
基于上述本发明实施例公开的一种燃料电池寿命的预测方法，相应的，如图7所示，为本发明实施例公开的一种燃料电池寿命的预测装置的结构图，该装置主要包括：获取单元701、预测单元702、比较单元703和确定单元704。
其中，获取单元701，用于当识别到燃料电池的质子交换膜发生机械衰减时，获取燃料电池的关键参数。
具体的，关键参数包括：当前的运行参数、当前的状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数。
在一实施例中，获取单元701，具体用于：
在燃料电池的阳极混合供给氢气和惰性气体，在燃料电池的阴极混合供给氧气和惰性气体；在阳极氢气分压和阴极氧气分压不变的情况下，通过调整惰性气体流量和背压，改变阳极和阴极的气体总压力，使得阳极和阴极间之间产生各个不同的气体总压力差；在各个不同的气体总压力差的作用下，分别测量并记录燃料电池对应的开路电压，并得到开路电压随气体总压力差的变化关系；当变化关系满足发生机械衰减的特征时，确定燃料电池的质子交换膜发生机械衰减；获取燃料电池的关键参数。
预测单元702，用于将关键参数和各个预设时刻输入到预先构建的机械衰减模型，机械衰减模型分别响应并基于各个预设时刻和关键参数进行对应的预测处理，输出各个预设时刻对应的预测窜漏量。
比较单元703，用于将各个预设时刻对应的预测窜漏量分别与预设的失效值进行比较，确定预测窜漏量不小于失效值的时刻为失效时刻。
在一实施例中，比较单元703，具体用于：
将各个预设时刻对应的预测窜漏量按照时刻的先后顺序，分别依次与预设的失效值进行比较；当出现预测窜漏量大于或等于预设的失效值的情况时，确定预测窜漏量对应的时刻为燃料电池的失效时刻。
确定单元704，用于确定当前时刻至失效时刻为燃料电池的剩余使用寿命。
在一实施例中，该装置还包括：
构建单元，用于构建包含未知参数项的机械衰减模型；未知参数项至少包括：初始渗氢电流密度、标准工况常数和敏感性工况常数；将预先得到的实验数据输入到机械衰减模型中，实验数据至少包括：将燃料电池置于预先设置的加速耐久工况或常规耐久工况下，通过渗氢电流测试工况和开路电压测试工况测试得到的渗氢电流和开路电压；基于实验数据，在当前时刻下对未知参数项进行标定，得到对应当前时刻的未知参数项；若否，继续将实验数据输入到机械衰减模型中，对当前时刻对应的未知参数项进行标定，直到得到精度达到要求的机械衰减模型；若是，确定机械衰减模型训练完成。
验证单元，用于验证机械衰减模型的精度是否达到要求。
需要说明的是，本发明实施例的具体实现过程与图1所示实施例相同，这里不再赘述。
基于上述本发明实施例公开的一种燃料电池寿命的预测装置，当识别到燃料电池的质子交换膜发生机械衰减时，获取所述燃料电池当前的关键参数，利用预先构建的机械衰减模型根据关键参数分别预测各个预设时刻的预测窜漏量，最终确定预测窜漏量达到失效值的时刻为失效时刻，根据失效时刻计算得到燃料电池的剩余使用寿命。在本方案中，通过预先构建的机械衰减模型基于当前燃料电池的关键参数进行预测处理，实现了预测得到机械衰减模式作用下的气体窜漏量，并根据气体窜漏量预测燃料电池的剩余使用寿命的目的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种燃料电池寿命的预测方法，其特征在于，包括：
当识别到燃料电池的质子交换膜发生机械衰减时，获取所述燃料电池的关键参数；所述关键参数包括：当前的运行参数、当前的状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数；
将所述关键参数和各个预设时刻输入到预先构建的机械衰减模型，所述机械衰减模型分别响应并基于各个预设时刻和所述关键参数进行对应的预测处理，输出各个预设时刻对应的预测窜漏量；
将所述各个预设时刻对应的预测窜漏量分别与预设的失效值进行比较，确定所述预测窜漏量不小于所述失效值的时刻为失效时刻；
确定所述当前时刻至所述失效时刻为所述燃料电池的剩余使用寿命。
2.根据权利要求1所述的方法，其特征在于，识别所述燃料电池的质子交换膜是否发生机械衰减的过程，包括：
在所述燃料电池的阳极混合供给氢气和惰性气体，在所述燃料电池的阴极混合供给氧气和所述惰性气体；
在阳极氢气分压和阴极氧气分压不变的情况下，通过调整所述惰性气体流量和背压，改变所述阳极和所述阴极的气体总压力，使得所述阳极和所述阴极间之间产生各个不同的气体总压力差；
在各个不同的气体总压力差的作用下，分别测量并记录所述燃料电池对应的开路电压，并得到所述开路电压随所述气体总压力差的变化关系；
当所述变化关系满足发生机械衰减的特征时，确定所述燃料电池的质子交换膜发生机械衰减。
3.根据权利要求1所述的方法，其特征在于，预先构建得到所述机械衰减模型的过程，包括：
构建包含未知参数项的机械衰减模型；所述未知参数项至少包括：初始渗氢电流密度、标准工况常数和敏感性工况常数；
将预先得到的实验数据输入到所述机械衰减模型中，所述实验数据至少包括：将所述燃料电池置于预先设置的加速耐久工况或常规耐久工况下，通过渗氢电流测试工况和开路电压测试工况测试得到的渗氢电流和开路电压；
基于所述实验数据，在当前时刻下对所述未知参数项进行标定，得到对应所述当前时刻的未知参数项；
验证所述机械衰减模型的精度是否达到要求；
若否，继续将所述实验数据输入到所述机械衰减模型中，对所述当前时刻对应的未知参数项进行标定，直到得到精度达到要求的机械衰减模型；
若是，确定所述机械衰减模型训练完成。
4.根据权利要求3所述的方法，其特征在于，所述验证所述机械衰减模型的精度是否达到要求，包括：
从燃料电池的历史数据中获取任一历史时刻的关键参数；任一历史时刻的关键参数包括：运行参数、状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数；
将所述关键参数和所述历史时刻输入到所述机械衰减模型，所述机械衰减模型响应并基于所述历史时刻和所述关键参数进行仿真预测处理，得到所述历史时刻对应的仿真窜漏量；
计算所述仿真窜漏量与所述历史时刻的实际窜漏量之间的差值；所述历史时刻的实际窜漏量从所述历史数据中得到；
当所述差值小于或等于预设值时，确定所述机械衰减模型的精度符合要求。
5.根据权利要求1至4任一所述的方法，其特征在于，所述将所述各个预设时刻对应的预测窜漏量分别与预设的失效值进行比较，确定所述预测窜漏量不小于所述失效值的时刻为失效时刻，包括：
将所述各个预设时刻对应的预测窜漏量按照时刻的先后顺序，分别依次与预设的失效值进行比较；
当出现预测窜漏量大于或等于所述预设的失效值的情况时，确定所述预测窜漏量对应的时刻为所述燃料电池的失效时刻。
6.一种燃料电池寿命的预测装置，其特征在于，包括：
获取单元，用于当识别到燃料电池的质子交换膜发生机械衰减时，获取所述燃料电池的关键参数；所述关键参数包括：当前的运行参数、当前的状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数；
预测单元，用于将所述关键参数和各个预设时刻输入到预先构建的机械衰减模型，所述机械衰减模型分别响应并基于各个预设时刻和所述关键参数进行对应的预测处理，输出各个预设时刻对应的预测窜漏量；
比较单元，用于将所述各个预设时刻对应的预测窜漏量分别与预设的失效值进行比较，确定所述预测窜漏量不小于所述失效值的时刻为失效时刻；
确定单元，用于确定所述当前时刻至所述失效时刻为所述燃料电池的剩余使用寿命。
7.根据权利要求6所述的装置，其特征在于，所述获取单元，具体用于：
在所述燃料电池的阳极混合供给氢气和惰性气体，在所述燃料电池的阴极混合供给氧气和所述惰性气体；在阳极氢气分压和阴极氧气分压不变的情况下，通过调整所述惰性气体流量和背压，改变所述阳极和所述阴极的气体总压力，使得所述阳极和所述阴极间之间产生各个不同的气体总压力差；在各个不同的气体总压力差的作用下，分别测量并记录所述燃料电池对应的开路电压，并得到所述开路电压随所述气体总压力差的变化关系；当所述变化关系满足发生机械衰减的特征时，确定所述燃料电池的质子交换膜发生机械衰减；获取所述燃料电池的关键参数；所述关键参数包括：当前的运行参数、当前的状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
构建单元，用于构建包含未知参数项的机械衰减模型；所述未知参数项至少包括：初始渗氢电流密度、标准工况常数和敏感性工况常数；将预先得到的实验数据输入到所述机械衰减模型中，所述实验数据至少包括：将所述燃料电池置于预先设置的加速耐久工况或常规耐久工况下，通过渗氢电流测试工况和开路电压测试工况测试得到的渗氢电流和开路电压；基于所述实验数据，在当前时刻下对所述未知参数项进行标定，得到对应所述当前时刻的未知参数项；若否，继续将所述实验数据输入到所述机械衰减模型中，对所述当前时刻对应的未知参数项进行标定，直到得到精度达到要求的机械衰减模型；若是，确定所述机械衰减模型训练完成；
验证单元，用于验证所述机械衰减模型的精度是否达到要求。
9.根据权利要求8所述的装置，其特征在于，所述验证单元，具体用于：
从燃料电池的历史数据中获取任一历史时刻的关键参数；所述关键参数包括：运行参数、状态参数、质子交换膜的材料特性参数和质子交换膜的结构特性参数；将所述关键参数和所述历史时刻输入到所述机械衰减模型，所述机械衰减模型响应并基于所述历史时刻和所述关键参数进行仿真预测处理，得到所述历史时刻对应的仿真窜漏量；计算所述仿真窜漏量与所述历史时刻的实际窜漏量之间的差值；所述历史时刻的实际窜漏量从所述历史数据中得到；当所述差值小于或等于预设值时，确定所述机械衰减模型的精度符合要求。
10.根据权利要求6至9任一所述的装置，其特征在于，所述比较单元，具体用于：
将所述各个预设时刻对应的预测窜漏量按照时刻的先后顺序，分别依次与预设的失效值进行比较；当出现预测窜漏量大于或等于所述预设的失效值的情况时，确定所述预测窜漏量对应的时刻为所述燃料电池的失效时刻。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310313557.XA CN116430261A (zh) | 2023-03-28 | 2023-03-28 | 一种燃料电池寿命的预测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310313557.XA CN116430261A (zh) | 2023-03-28 | 2023-03-28 | 一种燃料电池寿命的预测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116430261A true CN116430261A (zh) | 2023-07-14 |
Family
ID=87086488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310313557.XA Pending CN116430261A (zh) | 2023-03-28 | 2023-03-28 | 一种燃料电池寿命的预测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116430261A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116705210A (zh) * | 2023-08-03 | 2023-09-05 | 宁德时代新能源科技股份有限公司 | 电芯老化模型构建方法和电芯全生命周期性能预测方法 |
-
2023
- 2023-03-28 CN CN202310313557.XA patent/CN116430261A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116705210A (zh) * | 2023-08-03 | 2023-09-05 | 宁德时代新能源科技股份有限公司 | 电芯老化模型构建方法和电芯全生命周期性能预测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jouin et al. | Degradations analysis and aging modeling for health assessment and prognostics of PEMFC | |
| Ma et al. | Data-fusion prognostics of proton exchange membrane fuel cell degradation | |
| CN108872872A (zh) | 燃料电池使用寿命和剩余寿命的预测方法及装置 | |
| Russo et al. | Application of buckingham π theorem for scaling-up oriented fast modelling of proton exchange membrane fuel cell impedance | |
| CN116430261A (zh) | 一种燃料电池寿命的预测方法及装置 | |
| Denisov et al. | Electrochemical noise as a diagnostic tool for PEMFC | |
| Müller et al. | Correlating nitrogen accumulation with temporal fuel cell performance | |
| Shamardina et al. | A simple transient model for a high temperature PEM fuel cell impedance | |
| Hao et al. | An improved empirical fuel cell polarization curve model based on review analysis | |
| US9634341B2 (en) | Apparatus and method for diagnosing fuel cell | |
| Cao et al. | Dynamic modeling and experimental validation for the electrical coupling in a 5-cell solid oxide fuel cell stack in the perspective of thermal coupling | |
| Wahdame et al. | Analysis of a PEMFC durability test under low humidity conditions and stack behaviour modelling using experimental design techniques | |
| Nigmatullin et al. | New approach for PEMFC diagnostics based on quantitative description of quasi-periodic oscillations | |
| WO2013083872A1 (en) | Method and arrangement for indicating solid oxide cell operating conditions | |
| Zhang et al. | An Unscented Kalman Filter based on-line Diagnostic approach for PEM fuel cell Flooding | |
| Goshtasbi et al. | Effective parameterization of PEM fuel cell models—Part II: Robust parameter subset selection, robust optimal experimental design, and multi-step parameter identification algorithm | |
| Cheng et al. | Empirical prediction model for Li/SOCl2 cells based on the accelerated degradation test | |
| Pasricha et al. | Comparison and identification of static electrical terminal fuel cell models | |
| Stoev et al. | An approach for assessment of the synchronization between digital temperature sensors | |
| Chi et al. | Online identification of a link function degradation model for solid oxide fuel cells under varying-load operation | |
| Vijay et al. | Statistical method‐based calibration and validation of a solid oxide fuel cell model | |
| WO2023181650A1 (ja) | 状態推定装置、故障判定装置、及び、状態推定・故障判定装置 | |
| Yang et al. | Health degradation assessment of proton exchange membrane fuel cell based on multi‐model probability fusion | |
| Gößling et al. | Proton exchange membrane water electrolysis modeling for system simulation and degradation analysis | |
| Shekhar | An investigation into the minimum dimensionality required for accurate simulation of proton exchange membrane fuel cells by the comparison between 1-and 3-dimension models. |
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 |