CN116504122B - 基于元宇宙的质子交换膜燃料电池教学实验平台 - Google Patents
基于元宇宙的质子交换膜燃料电池教学实验平台 Download PDFInfo
- Publication number
- CN116504122B CN116504122B CN202310777088.7A CN202310777088A CN116504122B CN 116504122 B CN116504122 B CN 116504122B CN 202310777088 A CN202310777088 A CN 202310777088A CN 116504122 B CN116504122 B CN 116504122B
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- data
- module
- experimental
- cloud computing
- 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.)
- Active
Links
- 239000000446 fuel Substances 0.000 title claims abstract description 181
- 238000002474 experimental method Methods 0.000 title claims abstract description 94
- 239000012528 membrane Substances 0.000 title claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 32
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000009877 rendering Methods 0.000 claims abstract description 4
- 210000004027 cell Anatomy 0.000 claims description 174
- 238000000034 method Methods 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 15
- 239000001257 hydrogen Substances 0.000 claims description 15
- 229910052739 hydrogen Inorganic materials 0.000 claims description 15
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 239000004449 solid propellant Substances 0.000 claims description 8
- 230000002431 foraging effect Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 210000000170 cell membrane Anatomy 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 4
- 238000013499 data model Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 241000288673 Chiroptera Species 0.000 claims description 2
- 238000012258 culturing Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims 1
- 230000008859 change Effects 0.000 description 8
- 230000010287 polarization Effects 0.000 description 8
- 240000007651 Rubus glaucus Species 0.000 description 7
- 235000011034 Rubus glaucus Nutrition 0.000 description 7
- 235000009122 Rubus idaeus Nutrition 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241001331491 Myliobatis californica Species 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 150000002431 hydrogen Chemical class 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 239000012495 reaction gas Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000027756 respiratory electron transport chain Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/06—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics
- G09B23/18—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics for electricity or magnetism
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/06—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics
- G09B23/18—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics for electricity or magnetism
- G09B23/181—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics for electricity or magnetism for electric and magnetic fields; for voltages; for currents
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B25/00—Models for purposes not provided for in G09B23/00, e.g. full-sized devices for demonstration purposes
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Educational Technology (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Fuel Cell (AREA)
Abstract
本发明提供了一种基于元宇宙的质子交换膜燃料电池教学实验平台，包括硬件终端模块、燃料电池数据采集模块、燃料电池实验场景模拟模块和云计算模块；燃料电池数据采集模块，用于采集真实实验室场景数据和实体燃料电池数据，并上传至云计算模块；燃料电池实验场景模拟模块，用于基于真实实验室场景数据在元宇宙中进行实验室渲染；基于实体燃料电池数据在元宇宙中构建数字燃料电池；基于云计算模块与燃料电池数据采集模块进行通信，以对数字燃料电池的参数进行更新；硬件终端模块，用于显示元宇宙画面，下达实验操作指令对数字燃料电池进行操作并进行实时仿真分析得到实验数据；云计算模块，用于各个模块之间的连接、数据处理和数据传输。
Description
技术领域
本发明涉及属于元宇宙技术领域，具体涉及一种基于元宇宙的质子交换膜燃料电池教学实验平台。
背景技术
目前我国新能源领域尤其是质子交换膜燃料电池领域的专业人才培养严重短缺。而由于设备成本和时间成本的限制，相关实验与实际需求脱节，广大质子交换膜燃料电池研究人员进行燃料电池相关实验动手操作的机会却越来越少，相关的实验仅仅是简单的电动势测定等验证实验，相关电池组装、仪器操作等简单的演示实验，这种现象严重制约了创新意识及高素质人才的培养：另一方面，研究生阶段的学术要求和相关企业对人才的要求越来越高。
现有实验教学平台，关于燃料电池相关的实验成本较高，真实实验环境具有高危险性，虚拟实验展示手段单一且模型参数更新不及时，因此，已无法满足人才培养的需求，在燃料电池实验领域，深度结合专业知识，开展指导型实验和探究型实验对燃料电池相关人才培养尤为重要。
发明内容
本发明提出了一种基于元宇宙的质子交换膜燃料电池教学实验平台，以解决传统的教学方法和实验模式实验成本较高，真实实验环境危险性高，虚拟实验展示手段单一且模型参数更新不及时的技术问题。
为解决上述技术问题，本发明提供了一种基于元宇宙的质子交换膜燃料电池教学实验平台，其特殊之处在于，包括硬件终端模块、燃料电池数据采集模块、燃料电池实验场景模拟模块和云计算模块；
所述燃料电池数据采集模块，用于采集真实实验室场景数据和实体燃料电池数据，并上传至所述云计算模块；
所述燃料电池实验场景模拟模块，用于基于所述真实实验室场景数据在元宇宙中进行实验室渲染；基于所述实体燃料电池数据在元宇宙中构建数字燃料电池；基于所述云计算模块与燃料电池数据采集模块进行通信，以对所述数字燃料电池的参数进行更新；
所述硬件终端模块，用于显示元宇宙画面，下达实验操作指令对数字燃料电池进行操作并进行实时仿真分析得到实验数据；
所述云计算模块，用于各个模块之间的连接、数据处理和数据传输。
优选地，所述实体燃料电池数据包括氢气高压端压力、氢气进气端压力、氢气进端湿度、氢气进端流量、反应堆温度、空气进气端压力、空气流量、水流量、电流和电压的数据。
优选地，构建数字燃料电池的方法为：基于实体燃料电池数据，采用基于大数据模型的数字孪生建模方法，并通过黑盒建模的方式，在元宇宙中构建输入和响应的关联关系模型。
优选地，所述云计算模块进行数据传输采用SSL证书进行鉴别和加密，所述SSL证书协议包括握手协议和记录协议；
所述握手协议，用于第一次交互并通过数字证书进行身份验证，身份确认无误后，再确定加密方法进行加密；
所述记录协议，用于所述握手协议身份确认无误后，对文本内容进行加密和传输。
优选地，所述加密和传输包括以下步骤：
步骤S101：云计算模块与待传输数据的客户端双方均生成一对RSA秘钥，各自保管好私钥，将公钥给对方；
步骤S102：云计算模块使用随机函数生成AES加密要用的key；
步骤S103：云计算模块使用步骤S102生成的key对要传输的数据用AES进行加密；
步骤S104：云计算模块使用客户端给的公钥对生成的随机Key进行加密；
步骤S105：云计算模块将使用AES加密的数据以及使用客户端给的公钥加密的随机key一起发送给客户端；
步骤S106：客户端拿到云计算模块发送的数据后，先使用客户端的私钥对加密的随机key进行解密，然后使用解密成功的随机key对使用AES加密的数据进行AES解密，获得最终的数据。
优选地，所述燃料电池实验场景模拟模块还包括安全教育模块、用户管理模块、设备介绍模块、指导型实验模块和探究型实验模块；
所述安全教育模块，用于进行燃料电池实验室安全教育，完成安全教育学习内容后并通过安全教育测试后进行实验；
所述用户管理模块，用于记录用户数据，并提供历史实验数据及实验存档；
所述指导型实验模块，用于通过预置实验内容，设置实验步骤指导、语音提示和实验总结，使平台使用者按照既定方法和既定仪器完成全部实验过程，巩固基本的燃料电池理论知识，培养基本的燃料电池实验能力；
所述探究型实验模块包括空压机模型、供给管道模型、回流管道模型、加湿器模型、阴极通道模型和阳极通道模型，用于对数字燃料电池进行实验模拟、实验推演、自动观测和数据整理。
优选地，所述实验内容，包括燃料电池膜电极制备演示实验、燃料电池组装演示实验和燃料电池工作原理演示实验。
优选地，所述燃料电池实验场景模拟模块对数字燃料电池的参数进行更新的方法包括以下步骤：
步骤S201：所述燃料电池实验场景模拟模块对云计算模块发送数据采集指令；
步骤S202：所述云计算模块将所述数据采集指令发送给所述燃料电池数据采集模块；
步骤S203：所述燃料电池数据采集模块对实体燃料电池进行数据采集，并将采集的数据通过云计算模块发送给燃料电池实验场景模拟模块；
步骤S204：所述燃料电池实验场景模拟模块对采集的数据进行判断，当采集的数据与现有数据的差别大于设定阈值时，则对所述数字燃料电池的参数进行更新。
优选地，步骤S204中对所述数字燃料电池的参数进行更新的方法包括以下步骤：
步骤S301：对质子交换膜燃料电池数学模型进行分析，确定待辨识参数；
步骤S302：对所述待辨识参数设定搜索范围，并在所述搜索范围内生成n个初始解；
步骤S303：基于准反射学习机制，生成n个反射解；
步骤S304：计算所述初始解和反射解的代价函数值，并进行排序，选择最优解Xbest进行后续步骤；
步骤S305：随机选择最优解Xbest中的解执行步骤S306进行更新，未选择的部分则执行步骤S307进行更新；
步骤S306：采用蝠鲼觅食优化算法中的链式觅食进行更新；
步骤S307：进行随机选择，一部分采用以下公式进行更新：
式中，t表示当前迭代次数，Xi,j(t)为第i个个体中第j维在t时刻的位置，Xi-1,j(t)为第i-1个个体中第j维在t时刻的位置，Xbest,j(t)为t时刻最优个体所在位置；Xi,j(t+1)为t+1时刻最优个体所在位置；β为权重系数，Tmax表示最大迭代次数，，Npop表示种群数量，Nvar表示个体维度数量，r表示0到1的均匀随机数。
另一部分采用以下公式进行更新：
步骤S308：对更新后解，随机选取待辨识参数进行变异，并计算代价函数值，进行排序，保留前m个解；
步骤S309：循环执行步骤S305至步骤S308，直到打到最大迭代次数，得到最优解，以获取待识别待辨识参数，对数字燃料电池的参数进行更新。
优选地，计算代价函数值SSD的表达式为：
式中，Vm(k)为设定电流下原始电压数据，Ve(k)为对应电流下模拟电压数据，k表示数据索引，n表示原始数据总数。
本发明的有益效果至少包括：通过燃料电池数据采集模块采集燃料电池动态参数以及传感器数据、燃料电池实验场景模拟模块通过云计算平台实时链接模块与实验室场景及数字燃料电池的变化进行实时同步，通过元宇宙技术构建数字燃料电池，进行教学的用户可以沉浸式感受燃料电池主要结构、各子系统相互配合、运行关系、以及动态参数的变化曲线。
该教学实验平台可帮助广大质子交换膜燃料电池研究人员进行燃料电池相关实验，同时数字燃料电池实现了模型参数的自动更新，更好的逼近实体燃料电池。本发明所设计的教学实验平台，解决了燃料电池相关实验高成本、真实实验环境高危险性、虚拟实验展示手段单一等问题。
附图说明
图1为本发明实施例的教学实验平台的总体结构示意图；
图2为本发明实施例的参数更新流程示意图；
图3为本发明实施例的参数更新算法流程示意图；
图4为本发明实施例的原始数据和参数更新模拟曲线示意图；
图5为本发明实施例的指导性实验模块和探究性实验模块的结构示意图；
图6为本发明实施例的使用方法流程示意图。
具体实施方式
下面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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
如图1所示，本发明实施例提供了一种基于元宇宙的质子交换膜燃料电池教学实验平台，包括硬件终端模块、燃料电池数据采集模块、燃料电池实验场景模拟模块和云计算模块。
燃料电池数据采集模块，用于采集真实实验室场景数据和实体燃料电池数据，并上传至云计算模块；
燃料电池实验场景模拟模块，用于基于真实实验室场景数据在元宇宙中进行实验室渲染；基于实体燃料电池数据在元宇宙中构建数字燃料电池；基于云计算模块与燃料电池数据采集模块进行通信，以对数字燃料电池的参数进行更新。
硬件终端模块，用于显示元宇宙画面，下达实验操作指令对数字燃料电池进行操作并进行实时仿真分析得到实验数据；
云计算模块，用于各个模块之间的连接、数据处理和数据传输。
具体地，本发明实施例中，燃料电池数据采集模块包括数据采集和5G无线网卡；数据采集端采集燃料电池各传感器数据，使用5G无线网卡将改变的模型参数上传至云端。
实体燃料电池各传感器数据包括氢气高压端压力、氢气进气端压力、氢气进端湿度、氢气进端流量、反应堆温度、空气进气端压力、空气流量、水流量、电流、电压的数据。
燃料电池数据采集端包括Arduino主板和传感器模块，传感器模块包括氢气高压端压力传感器，氢气进气端压力传感器，氢气进端湿度传感器，氢气进端流量传感器，反应堆温度传感器，氢气传感器，空气流量计，水流量计，电流传感器，电压传感器，电导率传感器，传感器模块将其采集到的各模拟电压连接至Arduino主板模拟输入口，Arduino主板经过电压换算后得到对应数据值；数据接收端使用树莓派，与Arduino主板进行串口通讯，通过控制串口的开启与关闭实现数据采集的开始和停止，当数据需要更新时，则使用5G无线网卡将处理后的数据上传至云端。
其中流量计采用涡街流量计，涡街流量计测出的是工况体积，需要进行温压补偿才可以得到标况体积。
采用Vaisala HMP110温湿度传感器，该模块以温湿度一体式的探头作为测温元件，将温度和湿度信号采集出来，经过稳压滤波、运算放大、非线性校正、V/I转换、恒流及反向保护等电路处理后，转换成与温度和湿度成线性关系的电流信号或电压信号输出。
传感器模块将其采集到的各模拟电压连接至Arduino主板模拟输入口，Arduino主板经过电压换算后得到对应数据值。数据接收端使用树莓派，与Arduino主板进行串口通讯，通过控制串口的开启与关闭实现数据采集的开始和停止，树莓派接收数据后并对数据进行判断，若数据发生改变，则使用5G无线网卡将处理后的数据上传至云端，并发送至燃料电池实验场景模拟模块进行参数更新。具体的采集和更新过程如图2所示，启动树莓派，初始化各传感器数据，压力、湿度、流量、温度、电流、电压和电导率，将树莓派与云平台建立连接，等待开始指令下发。当接到云平台下发“开始”指令后，首先检查是否收到模型参数更新指令，随着燃料电池运行时间的增加，燃料电池的膜电极参数、电流密度、功率密度都会产生改变，当模型参数发生较大改变时，则下达更新数字燃料电池模型参数的指令。然后采集端开始采集数据，将数据通过串口送到树莓派中，若传送的数据发生变化，将记录的数据进行更新且加密数据上传至云端并实时更新，最后将数据传输到燃料电池实验场景模拟模块以更新数字燃料电池模型，驱动模型的运行，对实体燃料电池的物理实体运行状态的实时仿真。当接收到云端下发“停止”指令后，树莓派关闭串口，燃料电池数据采集模块停止采集。
具体地，本发明实施例为了保证参数映射和更新的准确性，设计了一种针对燃料电池的启发式算法，即采用准反射学习机制的SOS-MRFO协调优化算法，能够有效辨识燃料电池模型参数，从而进行参数更新，如图3所示，包括以下步骤：
步骤S301：对质子交换膜燃料电池数学模型进行分析，确定待辨识参数。
具体地，构建燃料电池电堆模型如下：
氢燃料电池电堆输出电压VS：
VS＝Ncells·(EN-vact-vR-vconc)
式中，Ncells表示电堆单电池数量，EN表示热力学电动势能，Vact表示活化极化过电压，VR表示欧姆极化过电压，Vconc表示浓差极化过电压。
式中，Tfc表示电堆运行温度，单位为K，和/>分别为氧气和氢气的分压，单位为bar。
式中，Pa和Pc分别表示阳极和阴极的入口压力，单位为bar，RHa和RHc分别表示阳极和阴极中水蒸气的相对湿度，Ifc表示电堆的输出电流，A表示质子交换膜的有效活化面积，表示水蒸气的饱和压力。
Tc＝Tfc-273.15
式中，Tc表示电堆运行的温度，单位为℃。
其它三项的电压降，可以用下式表示。
活化极化过电压Vact：
式中，表示氧气浓度质量分数，ξ1、ξ2、ξ3和ξ4是输出特性模型中需要辨识的参数。
欧姆极化过电压VR：
vR＝Ifc(Rm+Rc)
式中，Rc和Rm分别表示电子转移电阻和质子交换膜等效电阻，Rc为输出特性模型中需要辨识的参数，l为质子交换膜的厚度，ρm表示质子需要克服的阻抗。
式中，λ为质子交换膜的含水量，是输出特性模型中需要辨识的参数。
浓差极化过电压Vconc：
式中，β与电池状态有关，为输出特性模型中需要辨识的参数，J表示电池的电流密度，Jmax表示电池的最大电流密度。
通过对上述的模型和公式进行分析可知，需要对ξ1、ξ2、ξ3、ξ4、λ、Rc和β七个参数进行参数辨识。
步骤S302：对待辨识参数设定搜索范围，并在搜索范围内生成n个初始解，搜索范围表示待辨识参数的取值范围。
本发明实施例中，生成初始解的公式为：
式中，Xi,j(:)表示种群中第i个个体的第j个维度的位置；Lbi,j和Hbi,j分别为第i个个体的第j个维度所在搜索空间的下界和上界；r∈(0,1)为均匀随机数，Npop表示种群数量，Nvar表示个体维度数量。
步骤S303：基于准反射学习机制，生成n个反射解。
具体地，将准反射学习机制引入到算法的种群初始化阶段，生成n个初始反射解，公式为：
式中，表示Xi,j(:)所对应的准反射点。
步骤S304：计算初始解和反射解的代价函数值，并进行排序，选择最优解Xbest进行后续步骤。
代价函数值的计算公式为：
式中，Vm(k)为设定电流下原始电压数据，Ve(k)为对应电流下模拟电压数据，k表示数据索引，n表示原始数据总数。
步骤S305：随机选择最优解Xbest中的解执行步骤S306进行更新，未选择的部分则执行步骤S307进行更新；
步骤S306：采用蝠鲼觅食优化算法中的链式觅食进行更新。
链式觅食中：当前蝠鲼个体的位置更新受到最优个体及前一个体共同决定，如公式(13)：
式中，t表示当前迭代次数，Xi,j(t)为第i个个体中第j维在t时刻的位置，Xi-1,j(t)为第i-1个个体中第j维在t时刻的位置，Xbest,j(t)为t时刻最优个体所在位置；Xi,j(t+1)为t+1时刻最优个体所在位置；为权重系数，由以下公式进行计算：
式中，r表示0到1的均匀随机数。
步骤S307：进行随机选择，一部分采用以下公式进行更新：
式中，β表示权重系数，由以下公式进行计算：
式中，Tmax表示最大迭代次数。
另一部分采用以下公式进行更新：
式中，Xrand,j为搜索空间中的随机位置，由式(11)生成；
步骤S308：对更新后解，随机选取待辨识参数进行变异，并计算代价函数值，进行排序，保留前m个解；
步骤S309：循环执行步骤S305至步骤S308，直到打到最大迭代次数，得到最优解，以获取待识别待辨识参数，对数字燃料电池的参数进行更新。
以下通过具体地数据进行说明，实验电堆原始电压数据为：
Vfc＝[33.25 32.56 30.80 29.75 28.70 28.00 26.60 26.25 25.20 24.50
23.80 22.05 21.00 19.60]。
实验电堆对应电流数据：
Ifc＝[5.060 5.929 10.626 16.192 20.240 27.830 34.408 37.444 43.010
48.070 56.166 61.226 67.298 71.852]。
电堆参数如下：
Tfc＝343K,Ncells＝35,A＝50.6cm2,Jmax＝1500mA/cm2,l＝178μm,Pa＝Pc＝1bar.
最后得得到待识别参数如表1所示：
表1
| 待辨识参数 | 最小值 | 最大值 | 辨识结果 |
| ξ1 | -1.997 | -0.8531 | -1.0897 |
| ξ2 | 0.0010 | 0.0050 | 0.0038 |
| ξ3 | 3.6×10-5 | 9.8×10-5 | 7.7306×10-5 |
| ξ4 | -2.6×10-4 | -9.54×10-5 | -1.62835×10-4 |
| λ | 10 | 23 | 23 |
| Rc | 1×10-4 | 8×10-4 | 1×10-4 |
| β | 0.0136 | 0.5000 | 0.0136 |
如图4所示，为原始数据和参数更新模拟曲线示意图，从图中可以看出，通过本算法进行的参数更新后，拟合曲线继续于原始数据相贴合，证明了本算法的有效性，同时通过待辨识参数的确定，得到拟合曲线，可以减少数据采集的次数，降低数据传输对本教学实验平台的影响，保证了实验的准确性。
本发明实施例中，燃料电池实验场景模块还包括安全教育模块、用户管理模块、设备介绍模块、指导型实验模块、探究型实验模块。
安全教育模块用于介绍燃料电池相关实验现场的安全教育，以及相应设备的安全使用手册；
用户管理模块用于记录各个客户端，并提供历史实验数据及实验存档；
设备介绍模块用于通过第一视角三维实景向用户展示燃料实验设备、场地，并介绍相应设备的技术指标、功能；
如图5所示，指导型实验模块包括燃料电池膜电极制备演示实验、燃料电池组装演示实验、燃料电池工作原理演示实验。其作用主要为学生提供完善的实验教育，以验证、演示和基本操作为目的，通过预置实验内容，设置实验步骤指导、语音提示、实验总结等功能，使学生按照既定方法、既定仪器完成全部实验过程，巩固基本的燃料电池理论知识，培养基本的燃料电池实验能力；
探究型实验模块，包括燃料电池电堆性能探究实验、燃料电池进气系统控制实验、燃料电池故障诊断实验、燃料电池寿命预测实验。该实验模块内嵌了基于燃料电池实体设计的面向控制的燃料电池数字模型，包括空压机模型、供给管道模型、回流管道模型、加湿器模型、阴极通道模型、阳极通道模型，设置了相关燃料电池实验模拟、实验推演、远程实验、自动观测、数据整理等功能，该模型用于产生燃料电池运行过程中的动态性能参数，并将参数传入数据采集模块。探究型实验模块主要为科研人员的探索研究活动和设计创新实验提供平台并在线运行，并在反馈优化之后应用到燃料电池实体，旨在为科研人员提供更安全的实验环境，更便捷的实验服务；
指导型实验模块包括燃料电池膜电极制备演示实验、燃料电池组装演示实验、燃料电池工作原理演示实验。探究型实验模块，包括燃料电池电堆性能探究实验、燃料电池进气系统控制实验、燃料电池故障诊断实验、燃料电池寿命预测实验。
如图6所示为本发明实施例的其中一种使用方法的流程示意图，具体地，本发明实施例使用的具体过程为：
步骤1：穿戴好VR设备，登陆实验教学平台。
步骤2：利用操控手柄首先选择安全教育模块，进行燃料电池实验室安全教育，完成安全教育学习内容并通过安全教育测试，方可进行实验。
步骤3：选择相应实验项目，进入实验后，可以在实验室进行漫游，用户可通过操控手柄控制角色在虚拟实验室中自由走动，可以对实验仪器进行近距离的观察和操作。用户无需担心损坏仪器，可以放心大胆地对仪器进行交互操作体验，也不必担心电池发生爆炸。
步骤4：选择开始实验按钮，会播放一段交互式动画，并配合文字描述对实验教学目标、实验原理进行解释。
步骤5：开始正式实验操作，可以直接观察到电路系统、气路系统及负载三部分，其中燃料和氧化剂分别经过增湿罐增湿后进入电池反应，流速由尾排阀控制；反应剩余的气体分别经过冷却、干燥，经流量计计量后，排放到大气中，电池阴极、阳极的压力由气体减压阀来调节。加热系统通过控制增湿罐的温度来调节反应气体的温度和湿度。负载可以使电池维持恒定的输出电压或者电流。
步骤6：通过实验原理可以知道实验是通过测定不同条件下单电池的极化曲线、功率曲线，并结合统计分析的方法对电池性能进行简单、快速评价。探究温度对电池性能影响时，需要在手动选择温度，当燃料电池电堆温度过高，操控手柄发出震动反馈，冷却系统加快循环，此时需要修改实验参数，并重新记录燃料电池电池的极化曲线、功率曲线，统计分析出输出电压和功率随电流密度的变化。探究压力对电池性能影响时，需要手动选择空压机转速，并记录不同压力等级下的输出电压和功率随电流密度的变化。当空压机转速过低，在低流量、高压比的情况下容易发生气流振荡，超过一定阈值时，此时VR头戴式显示设备发出声光报警，需手动修改实验参数，重新记录。探究湿度对电池性能影响时，需要手动选择至少三种相对湿度，并记录输出电压和功率随电流密度的变化。
步骤7：通过数据记录，生成相关曲线图，可以知道不同的实验条件对燃料电池性能的不同影响，最后在线填写实验报告，得到实验结论。
本发明实施例中，数字燃料电池模型通过燃料电池采集模块采集的数据，采用基于大数据模型的数字孪生建模方法，通过黑盒建模的方式，在元宇宙中构建输入和响应的关联关系模型，更好地逼近物理模型。构建数字燃料电池模型的方法为本领域技术人员的常规技术手段，在此不做过多介绍。
构建的燃料电池数字模型的大小、形状、结构、容量、工作方式、所遵循的物理、化学规则等方面均与实体燃料电池一致，是对实体燃料电池进行几何结构与物理、化学规则的映射。数字燃料电池模型能够结合机理模型和数据驱动模型的优点，在保证详细机理描述的同时也简化了模型的计算过程。
实验室场景的建立中，按照实际实验室场景建模还原真实场景的地形数据以及动态场景要素，并进行VR虚拟场景演示；其中仪器模型的制作是先用数码相机拍摄仪器设备的照片，运用三维建模软件3Ds Max制作实验仪器设备的三维模型，再导出为.FBX格式的文件到Unity3D软件中，交互式三维动画也是在3Ds Max中进行建立的，并将动画模型导入到Unity3D软件中。燃料电池虚拟实验场景基于Unity3D引擎，并将所需模型素材拖入场景中，按照实验室实际大小、比例来摆放模型，并添加必要的地面环境、光源、天空盒和声音来烘托场景的氛围，通过python语言进行脚本的开发，使用Oculus软件和Steam中的Steam VR和VRTK组建虚拟现实软件环境，再使用Oculus Rift实现燃料电池实验场景画面的三维成像。
与云计算平台链接是基于Unity 3D即客户端通过编写好的python脚本实现和云计算平台即服务器之间数据的传输；
所述燃料电池数字模型运行参数的动态反馈中，实体燃料电池要运行中的动态数据通过云计算平台传输至燃料电池实验室场景之后，将获取的动态参数和传感器数据与静态三维模型和数字孪生对象模型进行关联，通过展现场景燃料电池的相互配合、运行关系以及参数的动态变化曲线，实现VR场景的动态化，得到实时动态模型，并实时显示数字孪生对象模型的内部特性参数变化曲线；用户通过燃料电池虚拟实验场景体验到实验环境的改变，当燃料电池动态参数超过安全阈值时，根据情况严重程度，通过VR头戴式显示设备及配套操控手柄，发出声光报警，以及震动反馈。
进一步地，所述燃料电池实验场景模拟模块基于Unity3D引擎搭建VR虚拟实验室场景，使用python脚本编程与云端建立连接，从而与燃料电池数据采集模块进行实时链接，将获取到的实时信息与场景中的三维模型和对象模型进行关联，通过展现场景燃料电池的相互配合、运行关系以及参数的动态变化曲线，实现VR场景的动态化；
云计算模块将服务器部署在云端，使不同地理时空的实验教学平台的燃料电池数据采集模块和燃料电池实验场景模拟模块通过高速无线传输，5G或6G进行互联和数据共享；云计算模块采用GPU计算型云服务器，以MySQL作为数据库支持，采用C/S架构进行设计，同时使用SSL证书实现身份认证与加密通讯，确保数据传输的机密性与可靠性。
本发明实施例中，为保证数据传输的加密性能，数据传输采用SSL证书进行鉴别和加密，SSL证书协议分为两层，包括握手协议和记录协议；
握手协议用于在实际的动态环境要素数据传输开始前，客户端与服务器第一次交互并通过数字证书进行身份验证，身份确认无误后，再协商加密方法；采用两种加密算法RSA和AES，用AES算法对原始数据加密，再用RSA算法对AES加密；记录协议是继握手协议、确立安全通信之后才开始对文本内容加密并进行传输，如图具体过程为：
步骤1：服务器与客户端双方均生成一对RSA秘钥，各自保管好私钥，将公钥给对方；
步骤2：服务器使用随机函数生成AES加密要用的key；
步骤3：服务器使用上一步生成的key对要传输的数据用AES进行加密；
步骤4：服务器使用客户端给的公钥对生成的随机Key进行加密；
步骤5：服务器将使用AES加密的数据以及使用客户端给的公钥加密的随机key一起发送给客户端；
步骤6：客户端拿到服务器发送的数据后，先使用客户端的私钥对加密的随机key进行解密，然后使用解密成功的随机key对使用AES加密的数据进行AES解密，获得最终的数据。
本发明实施例中，服务器可以但不限于为云计算模块，同时客户端表示与服务器进行数据交换的其它模块，以上描述仅表示数据传输的功能描述，不作具体模块地限定。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，仅表达了本发明的较佳实施例而已，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于元宇宙的质子交换膜燃料电池教学实验平台，其特征在于：包括硬件终端模块、燃料电池数据采集模块、燃料电池实验场景模拟模块和云计算模块；
所述燃料电池数据采集模块，用于采集真实实验室场景数据和实体燃料电池数据，并上传至所述云计算模块；
所述燃料电池实验场景模拟模块，用于基于所述真实实验室场景数据在元宇宙中进行实验室渲染；基于所述实体燃料电池数据在元宇宙中构建数字燃料电池；基于所述云计算模块与燃料电池数据采集模块进行通信，以对所述数字燃料电池的参数进行更新；
所述燃料电池实验场景模拟模块对数字燃料电池的参数进行更新的方法包括以下步骤：
步骤S201：所述燃料电池实验场景模拟模块对云计算模块发送数据采集指令；
步骤S202：所述云计算模块将所述数据采集指令发送给所述燃料电池数据采集模块；
步骤S203：所述燃料电池数据采集模块对实体燃料电池进行数据采集，并将采集的数据通过云计算模块发送给燃料电池实验场景模拟模块；
步骤S204：所述燃料电池实验场景模拟模块对采集的数据进行判断，当采集的数据与现有数据的差别大于设定阈值时，则对所述数字燃料电池的参数进行更新；
步骤S204中对所述数字燃料电池的参数进行更新的方法包括以下步骤：
步骤S301：对质子交换膜燃料电池数学模型进行分析，确定待辨识参数；
步骤S302：对所述待辨识参数设定搜索范围，并在所述搜索范围内生成n个初始解；
步骤S303：基于准反射学习机制，生成n个反射解；
步骤S304：计算所述初始解和反射解的代价函数值，并进行排序，选择最优解Xbest进行后续步骤；
步骤S305：随机选择最优解Xbest中的解执行步骤S306进行更新，未选择的部分则执行步骤S307进行更新；
步骤S306：采用蝠鲼觅食优化算法中的链式觅食进行更新；
步骤S307：进行随机选择，一部分采用以下公式进行更新：
式中，t表示当前迭代次数，Xi,j(t)为第i个个体中第j维在t时刻的位置，Xi-1,j(t)为第i-1个个体中第j维在t时刻的位置，Xbest,j(t)为t时刻最优个体所在位置；Xi,j(t+1)为t+1时刻最优个体所在位置；β为权重系数，Tmax表示最大迭代次数，Npop表示种群数量，Nvar表示个体维度数量，r表示0到1的均匀随机数；
另一部分采用以下公式进行更新：
步骤S308：对更新后的解，随机选取待辨识参数进行变异，并计算代价函数值，进行排序，保留前m个解；
步骤S309：循环执行步骤S305至步骤S308，直到打到最大迭代次数，得到最优解，以获取待识别待辨识参数，对数字燃料电池的参数进行更新；
所述硬件终端模块，用于显示元宇宙画面，下达实验操作指令对数字燃料电池进行操作并进行实时仿真分析得到实验数据；
所述云计算模块，用于各个模块之间的连接、数据处理和数据传输。
2.根据权利要求1所述的一种基于元宇宙的质子交换膜燃料电池教学实验平台，其特征在于：所述实体燃料电池数据包括氢气高压端压力、氢气进气端压力、氢气进端湿度、氢气进端流量、反应堆温度、空气进气端压力、空气流量、水流量、电流和电压的数据。
3.根据权利要求1所述的一种基于元宇宙的质子交换膜燃料电池教学实验平台，其特征在于：构建数字燃料电池的方法为：基于实体燃料电池数据，采用基于大数据模型的数字孪生建模方法，并通过黑盒建模的方式，在元宇宙中构建输入和响应的关联关系模型。
4.根据权利要求1所述的一种基于元宇宙的质子交换膜燃料电池教学实验平台，其特征在于：所述云计算模块进行数据传输采用SSL证书进行鉴别和加密，所述SSL证书协议包括握手协议和记录协议；
所述握手协议，用于第一次交互并通过数字证书进行身份验证，身份确认无误后，再确定加密方法进行加密；
所述记录协议，用于所述握手协议身份确认无误后，对文本内容进行加密和传输。
5.根据权利要求4所述的一种基于元宇宙的质子交换膜燃料电池教学实验平台，其特征在于：所述加密和传输包括以下步骤：
步骤S101：云计算模块与待传输数据的客户端双方均生成一对RSA秘钥，各自保管好私钥，将公钥给对方；
步骤S102：云计算模块使用随机函数生成AES加密要用的key；
步骤S103：云计算模块使用步骤S102生成的key对要传输的数据用AES进行加密；
步骤S104：云计算模块使用客户端给的公钥对生成的随机Key进行加密；
步骤S105：云计算模块将使用AES加密的数据以及使用客户端给的公钥加密的随机key一起发送给客户端；
步骤S106：客户端拿到云计算模块发送的数据后，先使用客户端的私钥对加密的随机key进行解密，然后使用解密成功的随机key对使用AES加密的数据进行AES解密，获得最终的数据。
6.根据权利要求1所述的一种基于元宇宙的质子交换膜燃料电池教学实验平台，其特征在于：所述燃料电池实验场景模拟模块还包括安全教育模块、用户管理模块、设备介绍模块、指导型实验模块和探究型实验模块；
所述安全教育模块，用于进行燃料电池实验室安全教育，完成安全教育学习内容后并通过安全教育测试后进行实验；
所述用户管理模块，用于记录用户数据，并提供历史实验数据及实验存档；
所述指导型实验模块，用于通过预置实验内容，设置实验步骤指导、语音提示和实验总结，使平台使用者按照既定方法和既定仪器完成全部实验过程，巩固基本的燃料电池理论知识，培养基本的燃料电池实验能力；
所述探究型实验模块包括空压机模型、供给管道模型、回流管道模型、加湿器模型、阴极通道模型和阳极通道模型，用于对数字燃料电池进行实验模拟、实验推演、自动观测和数据整理。
7.根据权利要求6所述的一种基于元宇宙的质子交换膜燃料电池教学实验平台，其特征在于：所述实验内容，包括燃料电池膜电极制备演示实验、燃料电池组装演示实验和燃料电池工作原理演示实验。
8.根据权利要求1所述的一种基于元宇宙的质子交换膜燃料电池教学实验平台，其特征在于：计算代价函数值SSD的表达式为：
式中，Vm(k)为设定电流下原始电压数据，Ve(k)为对应电流下模拟电压数据，k表示数据索引，n表示原始数据总数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310777088.7A CN116504122B (zh) | 2023-06-29 | 2023-06-29 | 基于元宇宙的质子交换膜燃料电池教学实验平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310777088.7A CN116504122B (zh) | 2023-06-29 | 2023-06-29 | 基于元宇宙的质子交换膜燃料电池教学实验平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116504122A CN116504122A (zh) | 2023-07-28 |
| CN116504122B true CN116504122B (zh) | 2023-10-24 |
Family
ID=87327047
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310777088.7A Active CN116504122B (zh) | 2023-06-29 | 2023-06-29 | 基于元宇宙的质子交换膜燃料电池教学实验平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116504122B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118173804B (zh) * | 2024-05-16 | 2024-07-26 | 北京新研创能科技有限公司 | 一种用于燃料电池的膜电极的制备方法及膜电极 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200509004A (en) * | 2003-08-29 | 2005-03-01 | Evionyx Taiwan Inc | Scientific teaching aids of fuel cell and color principle |
| CN211787797U (zh) * | 2020-03-30 | 2020-10-27 | 河南西超实业有限公司 | 一种燃料电池实训系统 |
| WO2021142883A1 (zh) * | 2020-01-13 | 2021-07-22 | 清华大学 | 燃料电池低温启动性能预测方法及系统 |
| CN114492087A (zh) * | 2022-04-02 | 2022-05-13 | 国网浙江省电力有限公司电力科学研究院 | 氢储能电站质子交换膜燃料电池故障诊断方法及装置 |
| CN115981463A (zh) * | 2022-12-16 | 2023-04-18 | 浙江英集动力科技有限公司 | 一种基于虚实融合的热力站调控系统及方法 |
| CN116151114A (zh) * | 2023-02-23 | 2023-05-23 | 武汉理工大学 | 基于混合框架的元宇宙下燃料电池寿命预测方法及系统 |
| CN116189516A (zh) * | 2022-12-27 | 2023-05-30 | 湖南视觉伟业智能科技有限公司 | 基于元宇宙的物理实验室系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090132302A1 (en) * | 2005-04-29 | 2009-05-21 | Fat Spaniel Technologies, Inc. | Computer implemented systems and methods for improving renewable energy systems performance guarantees |
| CN102024962B (zh) * | 2009-09-14 | 2013-04-17 | 华为技术有限公司 | 燃料电池控制方法及燃料电池控制器 |
| US20170140669A1 (en) * | 2015-11-13 | 2017-05-18 | International Business Machines Corporation | Virtual lab for hands-on learning using tangible user interactions |
-
2023
- 2023-06-29 CN CN202310777088.7A patent/CN116504122B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW200509004A (en) * | 2003-08-29 | 2005-03-01 | Evionyx Taiwan Inc | Scientific teaching aids of fuel cell and color principle |
| WO2021142883A1 (zh) * | 2020-01-13 | 2021-07-22 | 清华大学 | 燃料电池低温启动性能预测方法及系统 |
| CN211787797U (zh) * | 2020-03-30 | 2020-10-27 | 河南西超实业有限公司 | 一种燃料电池实训系统 |
| CN114492087A (zh) * | 2022-04-02 | 2022-05-13 | 国网浙江省电力有限公司电力科学研究院 | 氢储能电站质子交换膜燃料电池故障诊断方法及装置 |
| CN115981463A (zh) * | 2022-12-16 | 2023-04-18 | 浙江英集动力科技有限公司 | 一种基于虚实融合的热力站调控系统及方法 |
| CN116189516A (zh) * | 2022-12-27 | 2023-05-30 | 湖南视觉伟业智能科技有限公司 | 基于元宇宙的物理实验室系统 |
| CN116151114A (zh) * | 2023-02-23 | 2023-05-23 | 武汉理工大学 | 基于混合框架的元宇宙下燃料电池寿命预测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 一种小型PEM燃料电池流量系统的建模与控制;熊鹰飞;刘国平;王晓春;谭民;;系统仿真学报(01);全文 * |
| 质子交换膜燃料电池产业化发展探析;陆顺;林南南;李云隆;李如菊;陈金锐;;新材料产业(05);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116504122A (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116504122B (zh) | 基于元宇宙的质子交换膜燃料电池教学实验平台 | |
| Yuan et al. | Developed coyote optimization algorithm and its application to optimal parameters estimation of PEMFC model | |
| El‐Fergany | Electrical characterisation of proton exchange membrane fuel cells stack using grasshopper optimiser | |
| Turgut et al. | Optimal proton exchange membrane fuel cell modelling based on hybrid Teaching Learning Based Optimization–Differential Evolution algorithm | |
| Mahdinia et al. | Optimization of PEMFC model parameters using meta-heuristics | |
| Niu et al. | An improved TLBO with elite strategy for parameters identification of PEM fuel cell and solar cell models | |
| Gong et al. | Parameter identification of an SOFC model with an efficient, adaptive differential evolution algorithm | |
| Cheng et al. | Parameter fitting of PEMFC models based on adaptive differential evolution | |
| Hachana et al. | Efficient PEM fuel cells parameters identification using hybrid artificial bee colony differential evolution optimizer | |
| Li et al. | Finite time thermodynamic optimization of an irreversible proton exchange membrane fuel cell for vehicle use | |
| CN103560261A (zh) | 一种质子交换膜燃料电池用膜加湿器控制方法 | |
| CN103336867B (zh) | 质子交换膜燃料电池模型优化处理方法 | |
| Liu et al. | Multi-objective optimization of proton exchange membrane fuel cell geometry and operating parameters based on three new performance evaluation indexes | |
| Feng et al. | Optimization of maximum power density output for proton exchange membrane fuel cell based on a data-driven surrogate model | |
| CN107944072A (zh) | 质子交换膜燃料电池参数敏感性的确定方法 | |
| Fathy et al. | Recent approach based heterogeneous comprehensive learning Archimedes optimization algorithm for identifying the optimal parameters of different fuel cells | |
| Miao et al. | Metamodel based design optimization approach in promoting the performance of proton exchange membrane fuel cells | |
| Bosio et al. | An effective semi-empiric model for MCFC kinetics: Theoretical development and experimental parameters identification | |
| CN114551937B (zh) | 一种燃料电池的性能检测系统及方法 | |
| Wang et al. | Long short-term memory deep learning model for predicting the dynamic performance of automotive PEMFC system | |
| Liu et al. | Uncertainty assessment of a semi-empirical output voltage model for proton exchange membrane fuel cells | |
| Zheng et al. | Block structure optimization in PEMFC flow channels using a data-driven surrogate model based on random forest | |
| Li et al. | Parameter design on the multi-objectives of PEM fuel cell stack using an adaptive neuro-fuzzy inference system and genetic algorithms | |
| Koeppel et al. | Use of a Reduced Order Model (ROM) to simulate SOFC performance in system models | |
| Yang et al. | Parameter identification of PEMFC steady-state model based on p-dimensional extremum seeking via simplex tuning optimization method |
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 |