CN116505034A - 一种用于氢燃料电池系统的安全管理方法及系统 - Google Patents
一种用于氢燃料电池系统的安全管理方法及系统 Download PDFInfo
- Publication number
- CN116505034A CN116505034A CN202310771063.6A CN202310771063A CN116505034A CN 116505034 A CN116505034 A CN 116505034A CN 202310771063 A CN202310771063 A CN 202310771063A CN 116505034 A CN116505034 A CN 116505034A
- Authority
- CN
- China
- Prior art keywords
- fuel cell
- hydrogen fuel
- data
- cell system
- model
- 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
- 239000001257 hydrogen Substances 0.000 title claims abstract description 208
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 208
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 205
- 239000000446 fuel Substances 0.000 title claims abstract description 197
- 238000007726 management method Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 claims abstract description 110
- 238000012545 processing Methods 0.000 claims abstract description 79
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 230000005856 abnormality Effects 0.000 claims description 52
- 230000002159 abnormal effect Effects 0.000 claims description 43
- 238000004088 simulation Methods 0.000 claims description 42
- 238000009434 installation Methods 0.000 claims description 20
- 239000012528 membrane Substances 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 18
- 239000007789 gas Substances 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000005728 strengthening Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 6
- 230000009545 invasion Effects 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 125000004435 hydrogen atom Chemical group [H]* 0.000 claims description 3
- 239000000463 material Substances 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 8
- 239000001301 oxygen Substances 0.000 description 8
- 229910052760 oxygen Inorganic materials 0.000 description 8
- 230000002123 temporal effect Effects 0.000 description 8
- 230000032683 aging Effects 0.000 description 4
- 239000003054 catalyst Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000001453 impedance spectrum Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 208000033999 Device damage Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002427 irreversible effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 1
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
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04305—Modeling, demonstration models of fuel cells, e.g. for training purposes
-
- 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
- H01M8/04694—Processes for controlling fuel cells or fuel cell systems characterised by variables to be controlled
- H01M8/04955—Shut-off or shut-down of fuel cells
-
- 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
本发明提出一种用于氢燃料电池系统的安全管理方法及系统,其中,用于氢燃料电池系统的安全管理系统包括服务器、氢燃料电池系统和第一数据采集传感器。本发明方案通过建立氢燃料电池系统的三维模型,并对其进行监测,综合利用监测数据、异常检测模型、故障判定模型、故障处理模型,实现了对氢燃料电池系统的智能高效的安全管理。
Description
技术领域
本发明涉及燃料电池技术领域,具体涉及一种用于氢燃料电池系统的安全管理方法及系统。
背景技术
氢燃料电池系统作为新型的绿色无污染动力来源,在生产生活中的需求不断扩大。氢燃料电池系统涉及许多精密的元件,而且使用环境复杂多变,导致存在较多安全隐患,然而现有技术中,氢燃料电池系统的安全管理方案存在较多的问题,并不能智能高效地对氢燃料电池系统进行安全管理。
发明内容
本发明正是基于上述问题,提出了一种用于氢燃料电池系统的安全管理方法及系统,本发明方案通过建立氢燃料电池系统的三维模型,并对其进行监测,综合利用监测数据、异常检测模型、故障判定模型、故障处理模型,实现了对氢燃料电池系统的智能高效的安全管理。
有鉴于此,本发明的一方面提出了一种用于氢燃料电池系统的安全管理方法,包括:
获取氢燃料电池系统各个部件的第一三维点云数据和第一参考数据;
根据所述第一三维点云数据和所述第一参考数据分别构建所述各个部件的第一部件三维模型集和所述氢燃料电池系统的第一整体三维模型;
根据所述第一参考数据、所述第一部件三维模型集和所述第一整体三维模型确定需要配置的数据采集传感器的安装方案;
根据所述安装方案在所述氢燃料电池系统的不同部位安装多个用于收集第一监测数据的第一数据采集传感器;
根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常;
若存在异常,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障;
若存在所述第一类型故障,则根据第一故障处理模型生成第一故障处理方案,并进行对应处理;
若不存在所述第一类型故障,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障;
若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理。
优选地,所述根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常的步骤,包括:
获取多个参考氢燃料电池系统在正常工作状态下各部件的第一历史工作状态数据和异常工作状态下各部件的第二历史工作状态数据;
利用所述第一历史工作状态数据和所述第二历史工作状态数据构建历史监测数据集。
通过机器学习算法训练所述历史监测数据集,建立异常检测模型;
从所述第一监测数据中提取双极板、质子交换膜、气体供给系统和水系统的第一关键工作状态数据集;
将所述第一关键工作状态数据集输入到所述异常检测模型;
所述异常检测模型判断所述第一关键工作状态数据集中的各参数是否存在异常;
若所述第一关键工作状态数据集中差值超过第一差值的异常参数的占比超过第一占比,则判定所述氢燃料电池系统存在异常。
优选地,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障的步骤,包括:
从所述第一监测数据中提取第一图像数据;
将所述第一图像数据分别与所述第一部件三维模型集中的各个部件三维模型和所述第一整体三维模型进行比对分析,得到第一比对识别结果;
将所述第一图像数据和所述第一比对识别结果输入所述第一故障判定模型,确定是否存在第一类型故障。
优选地,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障的步骤,包括:
根据所述第一历史工作状态数据、所述第一部件三维模型集和所述第一整体三维模型,建立所述氢燃料电池系统的模拟工作模型以模拟所述氢燃料电池系统的整个工作过程以及所述氢燃料电池系统的各个部件的工作状态;
根据所述第一监测数据对所述模拟工作模型进行调整,使得所述模拟工作模型中的各个模拟部件的第一模拟工作状态数据调整成与所述第一监测数据相匹配的第二模拟工作状态数据,并记录调整操作数据;
将所述第一模拟工作状态数据、所述第二模拟工作状态数据和所述调整操作数据输入所述第二故障判定模型,判断是否存在第二类型故障,并确定出现所述第二类型故障的第二故障原因。
优选地,所述若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理的步骤,包括:
将所述第一监测数据和所述第二故障原因输入所述第二故障处理模型,生成所述第二故障处理方案,并执行所述第二故障处理方案,具体是:
切断所述氢燃料电池系统与外部网络的连接,隔离网络接口,检查所述氢燃料电池系统的控制系统是否存在被入侵或破坏的痕迹;
评估所述氢燃料电池系统各关键部件受到影响的影响程度,并根据所述影响程度对相应的部件进行必要的检修或更换,恢复部件的正常运行与系统的发电效能;
加强所述氢燃料电池系统的防护软件的设置与管理,对所述控制系统实施高强度的加密与认证,定期检查是否存在系统漏洞与安全隐患;
加强对物理接口与数据链路的监控。
本发明的另一方面提供一种用于氢燃料电池系统的安全管理系统,包括:服务器、氢燃料电池系统和第一数据采集传感器;
所述服务器被配置为:
获取氢燃料电池系统各个部件的第一三维点云数据和第一参考数据;
根据所述第一三维点云数据和所述第一参考数据分别构建所述各个部件的第一部件三维模型集和所述氢燃料电池系统的第一整体三维模型;
根据所述第一参考数据、所述第一部件三维模型集和所述第一整体三维模型确定需要配置的数据采集传感器的安装方案;
所述第一数据采集传感器根据所述安装方案设置于所述氢燃料电池系统的不同部位,并被配置为:获取所述氢燃料电池系统第一监测数据;
所述服务器被配置为:
根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常;
若存在异常,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障;
若存在所述第一类型故障,则根据第一故障处理模型生成第一故障处理方案,并进行对应处理;
若不存在所述第一类型故障,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障;
若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理。
优选地,所述根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常的步骤,所述服务器被配置为:
获取多个参考氢燃料电池系统在正常工作状态下各部件的第一历史工作状态数据和异常工作状态下各部件的第二历史工作状态数据;
利用所述第一历史工作状态数据和所述第二历史工作状态数据构建历史监测数据集。
通过机器学习算法训练所述历史监测数据集,建立异常检测模型;
从所述第一监测数据中提取双极板、质子交换膜、气体供给系统和水系统的第一关键工作状态数据集;
将所述第一关键工作状态数据集输入到所述异常检测模型;
根据所述异常检测模型判断所述第一关键工作状态数据集中的各参数是否存在异常;
若所述第一关键工作状态数据集中差值超过第一差值的异常参数的占比超过第一占比,则判定所述氢燃料电池系统存在异常。
优选地,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障的步骤,所述服务器被配置为:
从所述第一监测数据中提取第一图像数据;
将所述第一图像数据分别与所述第一部件三维模型集中的各个部件三维模型和所述第一整体三维模型进行比对分析,得到第一比对识别结果;
将所述第一图像数据和所述第一比对识别结果输入所述第一故障判定模型,确定是否存在第一类型故障。
优选地,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障的步骤,所述服务器被配置为:
根据所述第一历史工作状态数据、所述第一部件三维模型集和所述第一整体三维模型,建立所述氢燃料电池系统的模拟工作模型以模拟所述氢燃料电池系统的整个工作过程以及所述氢燃料电池系统的各个部件的工作状态;
根据所述第一监测数据对所述模拟工作模型进行调整,使得所述模拟工作模型中的各个模拟部件的第一模拟工作状态数据调整成与所述第一监测数据相匹配的第二模拟工作状态数据,并记录调整操作数据;
将所述第一模拟工作状态数据、所述第二模拟工作状态数据和所述调整操作数据输入所述第二故障判定模型,判断是否存在第二类型故障,并确定出现所述第二类型故障的第二故障原因。
优选地,所述若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理的步骤,所述服务器被配置为:
将所述第一监测数据和所述第二故障原因输入所述第二故障处理模型,生成所述第二故障处理方案,并执行所述第二故障处理方案,具体是:
切断所述氢燃料电池系统与外部网络的连接,隔离网络接口,检查所述氢燃料电池系统的控制系统是否存在被入侵或破坏的痕迹;
评估所述氢燃料电池系统各关键部件受到影响的影响程度,并根据所述影响程度对相应的部件进行必要的检修或更换,恢复部件的正常运行与系统的发电效能;
加强所述氢燃料电池系统的防护软件的设置与管理,对所述控制系统实施高强度的加密与认证,定期检查是否存在系统漏洞与安全隐患;
加强对物理接口与数据链路的监控。
采用本发明的技术方案,通过获取氢燃料电池系统各个部件的第一三维点云数据和第一参考数据;根据所述第一三维点云数据和所述第一参考数据分别构建所述各个部件的第一部件三维模型集和所述氢燃料电池系统的第一整体三维模型;根据所述第一参考数据、所述第一部件三维模型集和所述第一整体三维模型确定需要配置的数据采集传感器的安装方案;根据所述安装方案在所述氢燃料电池系统的不同部位安装多个用于收集第一监测数据的第一数据采集传感器;根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常;若存在异常,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障;若存在所述第一类型故障,则根据第一故障处理模型生成第一故障处理方案,并进行对应处理;若不存在所述第一类型故障,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障;若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理。本发明方案通过建立氢燃料电池系统的三维模型,并对其进行监测,综合利用监测数据、异常检测模型、故障判定模型、故障处理模型,实现了对氢燃料电池系统的智能高效的安全管理。
附图说明
图1是本发明一个实施例提供的用于氢燃料电池系统的安全管理方法的流程图;
图2是本发明一个实施例提供的用于氢燃料电池系统的安全管理系统的示意框图。
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。
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”等是用于区别不同对象,而不是用于描述特定顺序。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一种用于氢燃料电池系统的安全管理方法及系统。
如图1所示,本发明一个实施例提供一种用于氢燃料电池系统的安全管理方法,包括:
获取氢燃料电池系统各个部件的第一三维点云数据和第一参考数据(包括但不限于氢燃料电池系统的设计图纸、部件参数、材料属性等数据);
根据所述第一三维点云数据和所述第一参考数据分别构建所述各个部件的第一部件三维模型集和所述氢燃料电池系统的第一整体三维模型;
根据所述第一参考数据(比如根据材料特性或者功能特性可以确定需要重点监控的部件/参数)、所述第一部件三维模型集(比如根据第一参考数据确定监测对象后,即可结合第一部件三维模型集确定初步的安装位置)和所述第一整体三维模型确定(比如根据氢燃料电池系统的整体的空间协调与空间相对关系,可进一步精确确定安装位置)确定需要配置的数据采集传感器的安装方案(包括但不限于数据采集传感器的种类、数量和安装位置等);
根据所述安装方案在所述氢燃料电池系统的不同部位安装多个用于收集第一监测数据(包括但不限于所述氢燃料电池系统整体及各个部件的工作状态数据、物理状态数据、图像数据等)的第一数据采集传感器;如多个温度传感器,设置在氢燃料电池电堆的阳极、阴极等不同部位,用于检测各部位的温度参数;多个压力传感器,分别设置在氢燃料电池系统的进氢管路、出氢管路及水管路上,用于检测各管路的压力参数;多个流量传感器,设置在氢燃料电池系统的进氢管路、出氢管路及水管路上,用于检测各管路的流量参数等等,应当理解的是,此处只为示例说明,并不构成对本发明实施方式的限制。
根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常;
若存在异常,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障(如物理或硬件上的损坏故障);
若存在所述第一类型故障,则根据第一故障处理模型生成第一故障处理方案,并进行对应处理;
若不存在所述第一类型故障,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障(如控制系统/控制软件层面的故障、非法控制、非法操作等);
若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理。
在本发明实施例中在监测并判断出异常后,综合分析各部件的参数变化,进一步判断异常对应的故障来源,并进行必要的响应与处理,实现了对氢燃料电池系统的智能高效地安全管理。
本发明方案通过建立氢燃料电池系统的三维模型,并对其进行监测,综合利用监测数据、异常检测模型、故障判定模型、故障处理模型,实现了对氢燃料电池系统的智能高效的安全管理。
在本发明一些可能的实施方式中,所述根据所述第一三维点云数据和所述第一参考数据分别构建所述各个部件的第一部件三维模型集和所述氢燃料电池系统的第一整体三维模型的步骤,包括:
确定对所述氢燃料电池系统进行建模的第一建模目标;
根据所述第一建模目标,确定所述氢燃料电池系统的第一建模范围(整体或某个/些部件)、第一建模空间分辨率和第一建模时间分辨率;
根据所述第一建模范围、所述第一建模空间分辨率和所述第一建模时间分辨率建立包含所述各个部件的部件三维模型的所述第一部件三维模型集(比如,构建端板、双极板、气体扩散层、催化剂层、质子交换膜、供氢部件、供氧部件、温度调节部件等各个部件的三维模型);
为各个所述部件三维模型添加实际材料的第一属性参数(如密度、导电率、粘度、反应活性等);
整合所述第一三维模型集中的各个所述部件三维模型得到所述第一整体三维模型。
在本发明一些可能的实施方式中,所述根据所述第一建模目标,确定所述氢燃料电池系统的第一建模范围、第一建模空间分辨率和第一建模时间分辨率的步骤,包括:
根据所述第一建模目标,确定所述氢燃料电池系统的第一建模范围以确定所述氢燃料电池系统的所述各个部件中需要建模的第一部件;
根据所述第一部件功能、材质、大小和特征尺寸,选择合适的几何网格密度以确定所述第一建模空间分辨率;
根据所述第一部件的功能、材质和工作过程选择合适的时间步长以确定所述第一建模时间分辨率。
在本实施例中,确定建模目标时:如果目标是理解氢燃料电池系统的整体工作过程,则建立整体模型;如果要研究某个部件的结构优化,则建立该部件的高精度模型;如果是要对氢燃料电池系统的整体进行一定程度的改造,如加装多个数据采集传感器,则既要建立整体模型,也要建立各个部件的部件模型。空间分辨率:根据建模部件的功能、材质、大小和特征尺寸,选择合适的几何网格密度。如双极板模型设置0.1-1mm网格可以抓取微观结构,而燃料电池堆模型可设置1cm以上网格。时间分辨率,即根据研究的部件的功能、材质、物理/工作过程设置时间步长。如研究膜内质子传导需设置为0.01-0.1s;而研究温度传导可设置1s以上。时间步长太小会增加计算量,太大会导致信息遗漏。精度与计算资源之间的平衡:建模精度越高,网格越细和时间步长越小,需要的计算资源就越大,所以在确定精度时需要综合考虑建模目标和计算配置,实现精度和资源需求的平衡。关键影响因素:在对某部件建立高精度模型时,主要考虑对该部件性能有关键影响的因素。如在建立双极板模型时,主要关注其孔隙率、导电性和反应动力学等。边界条件的适当简化:在建立较大范围模型时,可以适当简化边界条件以减小计算量。如在氢燃料电池系统的电堆模型中,可简化气体供给管路模型,以主要关注堆内物理场的变化。
综上,确定建模范围和精度需要根据实际建模目标与资源综合权衡,合理的空间和时间分辨率可以抓取重要信息而不致计算过于复杂;模型边界条件也可以适当简化,以实现有限资源下的最优建模方案。
在本发明一些可能的实施方式中,所述根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常的步骤,包括:
获取多个参考氢燃料电池系统在正常工作状态下各部件的第一历史工作状态数据(包括但不限于如温度、压力、流量、电压、电流、功率、阻抗谱等)和异常工作状态下各部件的第二历史工作状态数据(包括但不限于如温度、压力、流量、电压、电流、功率、阻抗谱等);
利用所述第一历史工作状态数据和所述第二历史工作状态数据构建历史监测数据集。
通过机器学习算法训练所述历史监测数据集,建立异常检测模型(以判断参数值是否异常及对应的异常等级),所述异常检测模型包含有温度、压力、流量、电化学参数等基础参数的正常值范围、这些基础参数在不同异常等级时对应的异常值范围以及这些基础参数中各个不同类型参数的权重值等;
从所述第一监测数据中提取双极板、质子交换膜、气体供给系统和水系统的第一关键工作状态数据集;
将所述第一关键工作状态数据集输入到所述异常检测模型;
所述异常检测模型判断所述第一关键工作状态数据集中的各参数是否存在异常;
若所述第一关键工作状态数据集中差值超过第一差值的异常参数的占比超过第一占比,则判定所述氢燃料电池系统存在异常。
本实施例中,预先训练好的异常检测模型先确定出所述第一关键工作状态数据中出现异常的第一异常参数以及各异常参数与对应的正常值间的差值,差值超过预设的第一差值(如3%、5%等)的异常参数的占比(即与第一关键工作状态数据整体的比值)超过第一占比(如10%、15%等),则判定所述氢燃料电池系统存在异常。
在本实施例中,异常检测模型需定期使用最新监测数据进行优化与再训练,以适应氢燃料电池系统的老化以及环境条件的变化,保证检测精度。
本实施例中,可以根据大规模的其他氢燃料电池系统关键部件的历史数据,结合机器学习得到异常检测模型,再根据实时监测的参数数据,实现对氢燃料电池系统正常工作状态的判断与异常诊断。
在本发明一些可能的实施方式中,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障的步骤,包括:
从所述第一监测数据中提取第一图像数据;
将所述第一图像数据分别与所述第一部件三维模型集中的各个部件三维模型和所述第一整体三维模型进行比对分析,得到第一比对识别结果(比如识别出与各三维模型中不一致的部位);
将所述第一图像数据和所述第一比对识别结果输入所述第一故障判定模型,确定是否存在第一类型故障。
在本实施例中,所述第一图像数据为所述氢燃料电池系统中的关键部件的图像数据(如利用第一数据采集传感器中的微型图像采集传感器采集的双极板、质子交换膜、催化剂层,以及供氢装置、供氧装置等气体供给系统、水系统之类的关键部件的图像数据),根据第一图像数据,结合通过大数据预先训练好的第一故障判定模型,可以判断所述氢燃料电池系统的各部件是否存在物理/硬件上的损伤、变形等(即第一类型故障),如确定是否属于双极板变形、质子交换膜破损、供氢装置/供氧装置损坏等故障。
在本实施例中,可以定期输入最新的部件监测数据和工作状态参数到三维模型与第一故障判定模型,开展系统的温度场、流场、极化曲线等计算,判断模拟结果是否匹配实际监测值。如果出现较大偏差,则可能存在未知的物理/硬件损坏,需要进行进一步地检测。
本实施例中,通过监测数据与模型识别相结合,可以有效判断物理损坏对氢燃料电池系统的影响,为故障确定和维修工作提供依据。
在本发明一些可能的实施方式中,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障的步骤,包括:
根据所述第一历史工作状态数据、所述第一部件三维模型集和所述第一整体三维模型,建立所述氢燃料电池系统的模拟工作模型以模拟所述氢燃料电池系统的整个工作过程以及所述氢燃料电池系统的各个部件的工作状态(包括但不限于如开展温度场、流场等的模拟计算,得到理论工作状态数据);
根据所述第一监测数据对所述模拟工作模型进行调整,使得所述模拟工作模型中的各个模拟部件的第一模拟工作状态数据调整成与所述第一监测数据相匹配的第二模拟工作状态数据,并记录调整操作数据;
将所述第一模拟工作状态数据、所述第二模拟工作状态数据和所述调整操作数据输入所述第二故障判定模型,判断是否存在第二类型故障,并确定出现所述第二类型故障的第二故障原因(即判断是否需要在软件控制层面对所述氢燃料电池系统的各个部件的控制进行干扰与攻击,如识别故障是否属于对温度调节装置的控制攻击、对供氢装置/供氧装置恶意操控等模式中的哪一种)。
在本实施例中,当氢燃料电池系统出现的故障不属于物理/硬件方面的损坏、变形等故障时,则判断故障很可能由网络攻击/软件系统恶意操控导致,需要切断网络并检查相关控制系统是否受到破坏,如进行软件系统级别的自检、维护。
在本实施例中,随着燃料电池老化和网络攻击模式的变化,模拟工作模型与第二故障判定模型需要持续优化与再训练,以适应新的工作状态与故障模式,保证判断与识别的准确性。
在本实施例中,通过结合多种模型与参数分析,可以有效判断网络攻击对氢燃料电池系统的影响,及时排除安全风险,并区分物理/硬件故障与网络攻击/软件故障,为后续的处理与修复提供依据。
在本发明一些可能的实施方式中,所述若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理的步骤,包括:
将所述第一监测数据和所述第二故障原因输入所述第二故障处理模型,生成所述第二故障处理方案,并执行所述第二故障处理方案,具体是:
切断所述氢燃料电池系统与外部网络的连接,隔离网络接口,检查所述氢燃料电池系统的控制系统是否存在被入侵或破坏的痕迹;
评估对所述氢燃料电池系统各关键部件(如双极板、质子交换膜、气体供给系统等)的影响程度(检查实际运行参数是否超出范围、是否对系统稳定性与安全性造成明显影响、是否对各关键部件造成不可逆的化学损害等),并根据所述影响程度对相应的部件进行必要的检修或更换,恢复部件的正常运行与系统的发电效能;
加强所述氢燃料电池系统的防护软件的设置与管理,对所述控制系统实施高强度的加密与认证,定期检查是否存在系统漏洞与安全隐患;
加强对物理接口与数据链路的监控(防止再次遭受网络攻击)。
在本发明实施例中,所述第二故障处理方案还包括但不限于:
加强系统的入侵检测:安装网络入侵检测系统和入侵防御系统,实时监测网络流量,结合云计算的算力和数据流量模型,检测发现存在的网络攻击行为和威胁,进行及时防护。
增强网络边界防护:设置防火墙、入侵防护设备等在网络边界进行严格过滤和控制,阻断大量网络攻击和威胁。
优化系统漏洞修补:对氢燃料电池系统的控制系统定期进行安全评估和漏洞扫描,对发现的系统漏洞进行及时修补,以减少被攻击的风险。
强化用户权限和访问控制:对氢燃料电池系统的控制系统,严格控制不同层次的用户权限和访问,遵循最少特权原则,避免非法访问。
加密敏感数据:对氢燃料电池系统的控制系统收集和传输的重要数据(如位置信息、使用数据、工作数据等)进行加密,减少数据泄露的风险
在本实施例中,还可以利用网络攻击事件中采集的大量数据,对氢燃料电池系统的三维模型、故障判定模型、故障处理模型和控制策略进行优化与改进,增强系统对各种网络攻击的识别与响应能力。
通过上述措施,可以最大限度减轻网络攻击对氢燃料电池系统的影响,尽快恢复其正常、安全与可靠的运行状态。
请参见图2,本发明的另一实施例提供一种用于氢燃料电池系统的安全管理系统,包括:服务器、氢燃料电池系统和第一数据采集传感器;
所述服务器被配置为:
获取氢燃料电池系统各个部件的第一三维点云数据和第一参考数据(包括但不限于氢燃料电池系统的设计图纸、部件参数、材料属性等数据);
根据所述第一三维点云数据和所述第一参考数据分别构建所述各个部件的第一部件三维模型集和所述氢燃料电池系统的第一整体三维模型;
根据所述第一参考数据(比如根据材料特性或者功能特性可以确定需要重点监控的部件/参数)、所述第一部件三维模型集(比如根据第一参考数据确定监测对象后,即可结合第一部件三维模型集确定初步的安装位置)和所述第一整体三维模型确定(比如根据氢燃料电池系统的整体的空间协调与空间相对关系,可进一步精确确定安装位置)确定需要配置的数据采集传感器的安装方案(包括但不限于数据采集传感器的种类、数量和安装位置等);
所述第一数据采集传感器根据所述安装方案设置于所述氢燃料电池系统的不同部位,并被配置为:获取所述氢燃料电池系统第一监测数据(包括但不限于所述氢燃料电池系统整体及各个部件的工作状态数据、物理状态数据、图像数据等);如多个温度传感器,设置在氢燃料电池电堆的阳极、阴极等不同部位,用于检测各部位的温度参数;多个压力传感器,分别设置在氢燃料电池系统的进氢管路、出氢管路及水管路上,用于检测各管路的压力参数;多个流量传感器,设置在氢燃料电池系统的进氢管路、出氢管路及水管路上,用于检测各管路的流量参数等等,应当理解的是,此处只为示例说明,并不构成对本发明实施方式的限制。
所述服务器被配置为:
根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常;
若存在异常,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障(如物理或硬件上的损坏故障);
若存在所述第一类型故障,则根据第一故障处理模型生成第一故障处理方案,并进行对应处理;
若不存在所述第一类型故障,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障(如控制系统/控制软件层面的故障、非法控制、非法操作等);
若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理。
在本发明实施例中在监测并判断出异常后,要综合分析各部件的参数变化,进一步判断异常对应的故障来源,并进行必要的响应与处理。
本发明方案通过建立氢燃料电池系统的三维模型,并对其进行监测,综合利用监测数据、异常检测模型、故障判定模型、故障处理模型,实现了对氢燃料电池系统的智能高效的安全管理。
应当知道的是,图2所示的用于氢燃料电池系统的安全管理系统的框图仅作示意,其所示出的各模块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,所述根据所述第一三维点云数据和所述第一参考数据分别构建所述各个部件的第一部件三维模型集和所述氢燃料电池系统的第一整体三维模型的步骤,包括:
确定对所述氢燃料电池系统进行建模的第一建模目标;
根据所述第一建模目标,确定所述氢燃料电池系统的第一建模范围(整体或某个/些部件)、第一建模空间分辨率和第一建模时间分辨率;
根据所述第一建模范围、所述第一建模空间分辨率和所述第一建模时间分辨率建立包含所述各个部件的部件三维模型的所述第一部件三维模型集(比如,构建端板、双极板、气体扩散层、催化剂层、质子交换膜、供氢部件、供氧部件、温度调节部件等各个部件的三维模型);
为各个所述部件三维模型添加实际材料的第一属性参数(如密度、导电率、粘度、反应活性等);
整合所述第一三维模型集中的各个所述部件三维模型得到所述第一整体三维模型。
在本发明一些可能的实施方式中,所述根据所述第一建模目标,确定所述氢燃料电池系统的第一建模范围、第一建模空间分辨率和第一建模时间分辨率的步骤,包括:
根据所述第一建模目标,确定所述氢燃料电池系统的第一建模范围以确定所述氢燃料电池系统的所述各个部件中需要建模的第一部件;
根据所述第一部件功能、材质、大小和特征尺寸,选择合适的几何网格密度以确定所述第一建模空间分辨率;
根据所述第一部件的功能、材质和工作过程选择合适的时间步长以确定所述第一建模时间分辨率。
在本实施例中,确定建模目标时:如果目标是理解氢燃料电池系统的整体工作过程,则建立整体模型;如果要研究某个部件的结构优化,则建立该部件的高精度模型;如果是要对氢燃料电池系统的整体进行一定程度的改造,如加装多个数据采集传感器,则既要建立整体模型,也要建立各个部件的部件模型。空间分辨率:根据建模部件的功能、材质、大小和特征尺寸,选择合适的几何网格密度。如双极板模型设置0.1-1mm网格可以抓取微观结构,而燃料电池堆模型可设置1cm以上网格。时间分辨率,即根据研究的部件的功能、材质、物理/工作过程设置时间步长。如研究膜内质子传导需设置为0.01-0.1s;而研究温度传导可设置1s以上。时间步长太小会增加计算量,太大会导致信息遗漏。精度与计算资源之间的平衡:建模精度越高,网格越细和时间步长越小,需要的计算资源就越大,所以在确定精度时需要综合考虑建模目标和计算配置,实现精度和资源需求的平衡。关键影响因素:在对某部件建立高精度模型时,主要考虑对该部件性能有关键影响的因素。如在建立双极板模型时,主要关注其孔隙率、导电性和反应动力学等。边界条件的适当简化:在建立较大范围模型时,可以适当简化边界条件以减小计算量。如在氢燃料电池系统的电堆模型中,可简化气体供给管路模型,以主要关注堆内物理场的变化。
综上,确定建模范围和精度需要根据实际建模目标与资源综合权衡,合理的空间和时间分辨率可以抓取重要信息而不致计算过于复杂;模型边界条件也可以适当简化,以实现有限资源下的最优建模方案。
在本发明一些可能的实施方式中,所述根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常的步骤,所述服务器被配置为:
获取多个参考氢燃料电池系统在正常工作状态下各部件的第一历史工作状态数据(包括但不限于如温度、压力、流量、电压、电流、功率、阻抗谱等)和异常工作状态下各部件的第二历史工作状态数据(包括但不限于如温度、压力、流量、电压、电流、功率、阻抗谱等);
利用所述第一历史工作状态数据和所述第二历史工作状态数据构建历史监测数据集。
通过机器学习算法训练所述历史监测数据集,建立异常检测模型(以判断参数值是否异常及对应的异常等级),所述异常检测模型包含有温度、压力、流量、电化学参数等基础参数的正常值范围、这些基础参数在不同异常等级时对应的异常值范围以及这些基础参数中各个不同类型参数的权重值等;
从所述第一监测数据中提取双极板、质子交换膜、气体供给系统和水系统的第一关键工作状态数据集;
将所述第一关键工作状态数据集输入到所述异常检测模型;
根据所述异常检测模型判断所述第一关键工作状态数据集中的各参数是否存在异常;
若所述第一关键工作状态数据集中差值超过第一差值的异常参数的占比超过第一占比,则判定所述氢燃料电池系统存在异常。
本实施例中,预先训练好的异常检测模型先确定出所述第一关键工作状态数据中出现异常的第一异常参数以及各异常参数与对应的正常值间的差值,差值超过预设的第一差值(如3%、5%等)的异常参数的占比(即与第一关键工作状态数据整体的比值)超过第一占比(如10%、15%等),则判定所述氢燃料电池系统存在异常。
在本实施例中,异常检测模型需定期使用最新监测数据进行优化与再训练,以适应氢燃料电池系统的老化以及环境条件的变化,保证检测精度。
本实施例中,可以根据大规模的其他氢燃料电池系统关键部件的历史数据,结合机器学习得到异常检测模型,再根据实时监测的参数数据,实现对氢燃料电池系统正常工作状态的判断与异常诊断。
在本发明一些可能的实施方式中,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障的步骤,所述服务器被配置为:
从所述第一监测数据中提取第一图像数据;
将所述第一图像数据分别与所述第一部件三维模型集中的各个部件三维模型和所述第一整体三维模型进行比对分析,得到第一比对识别结果(比如识别出与各三维模型中不一致的部位);
将所述第一图像数据和所述第一比对识别结果输入所述第一故障判定模型,确定是否存在第一类型故障。
在本实施例中,所述第一图像数据为所述氢燃料电池系统中的关键部件的图像数据(如利用第一数据采集传感器中的微型图像采集传感器采集的双极板、质子交换膜、催化剂层,以及供氢装置、供氧装置等气体供给系统、水系统之类的关键部件的图像数据),根据第一图像数据,结合通过大数据预先训练好的第一故障判定模型,可以判断所述氢燃料电池系统的各部件是否存在物理/硬件上的损伤、变形等(即第一类型故障),如确定是否属于双极板变形、质子交换膜破损、供氢装置/供氧装置损坏等故障。
在本实施例中,可以定期输入最新的部件监测数据和工作状态参数到三维模型与第一故障判定模型,开展系统的温度场、流场、极化曲线等计算,判断模拟结果是否匹配实际监测值。如果出现较大偏差,则可能存在未知的物理/硬件损坏,需要进行进一步地检测。
本实施例中,通过监测数据与模型识别相结合,可以有效判断物理损坏对氢燃料电池系统的影响,为故障确定和维修工作提供依据。
在本发明一些可能的实施方式中,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障的步骤,所述服务器被配置为:
根据所述第一历史工作状态数据、所述第一部件三维模型集和所述第一整体三维模型,建立所述氢燃料电池系统的模拟工作模型以模拟所述氢燃料电池系统的整个工作过程以及所述氢燃料电池系统的各个部件的工作状态(包括但不限于如开展温度场、流场等的模拟计算,得到理论工作状态数据);
根据所述第一监测数据对所述模拟工作模型进行调整,使得所述模拟工作模型中的各个模拟部件的第一模拟工作状态数据调整成与所述第一监测数据相匹配的第二模拟工作状态数据,并记录调整操作数据;
将所述第一模拟工作状态数据、所述第二模拟工作状态数据和所述调整操作数据输入所述第二故障判定模型,判断是否存在第二类型故障,并确定出现所述第二类型故障的第二故障原因(即判断是否需要在软件控制层面对所述氢燃料电池系统的各个部件的控制进行干扰与攻击,如识别故障是否属于对温度调节装置的控制攻击、对供氢装置/供氧装置恶意操控等模式中的哪一种)。
在本实施例中,当氢燃料电池系统出现的故障不属于物理/硬件方面的损坏、变形等故障时,则判断故障很可能由网络攻击/软件系统恶意操控导致,需要切断网络并检查相关控制系统是否受到破坏,如进行软件系统级别的自检、维护。
在本实施例中,随着燃料电池老化和网络攻击模式的变化,模拟工作模型与第二故障判定模型需要持续优化与再训练,以适应新的工作状态与故障模式,保证判断与识别的准确性。
在本实施例中,通过结合多种模型与参数分析,可以有效判断网络攻击对氢燃料电池系统的影响,及时排除安全风险,并区分物理/硬件故障与网络攻击/软件故障,为后续的处理与修复提供依据。
在本发明一些可能的实施方式中,所述若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理的步骤,所述服务器被配置为:
将所述第一监测数据和所述第二故障原因输入所述第二故障处理模型,生成所述第二故障处理方案,并执行所述第二故障处理方案,具体是:
切断所述氢燃料电池系统与外部网络的连接,隔离网络接口,检查所述氢燃料电池系统的控制系统是否存在被入侵或破坏的痕迹;
评估对所述氢燃料电池系统各关键部件(如双极板、质子交换膜、气体供给系统等)的影响程度(检查实际运行参数是否超出范围、是否对系统稳定性与安全性造成明显影响、是否对各关键部件造成不可逆的化学损害等),并根据所述影响程度对相应的部件进行必要的检修或更换,恢复部件的正常运行与系统的发电效能;
加强所述氢燃料电池系统的防护软件的设置与管理,对所述控制系统实施高强度的加密与认证,定期检查是否存在系统漏洞与安全隐患;
加强对物理接口与数据链路的监控(防止再次遭受网络攻击)。
在本发明实施例中,所述第二故障处理方案还包括但不限于:
加强系统的入侵检测:安装网络入侵检测系统和入侵防御系统,实时监测网络流量,结合云计算的算力和数据流量模型,检测发现存在的网络攻击行为和威胁,进行及时防护。
增强网络边界防护:设置防火墙、入侵防护设备等在网络边界进行严格过滤和控制,阻断大量网络攻击和威胁。
优化系统漏洞修补:对氢燃料电池系统的控制系统定期进行安全评估和漏洞扫描,对发现的系统漏洞进行及时修补,以减少被攻击的风险。
强化用户权限和访问控制:对氢燃料电池系统的控制系统,严格控制不同层次的用户权限和访问,遵循最少特权原则,避免非法访问。
加密敏感数据:对氢燃料电池系统的控制系统收集和传输的重要数据(如位置信息、使用数据、工作数据等)进行加密,减少数据泄露的风险
在本实施例中,还可以利用网络攻击事件中采集的大量数据,对氢燃料电池系统的三维模型、故障判定模型、故障处理模型和控制策略进行优化与改进,增强系统对各种网络攻击的识别与响应能力。
通过上述措施,可以最大限度减轻网络攻击对氢燃料电池系统的影响,尽快恢复其正常、安全与可靠的运行状态。
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。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上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单元来实现本实施例方案的目的。
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。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
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。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,可轻易想到变化或替换,均可作各种更动与修改,包含上述不同功能、实施步骤的组合,包含软件和硬件的实施方式,均在本发明的保护范围。
Claims (10)
1.一种用于氢燃料电池系统的安全管理方法,其特征在于,包括:
获取氢燃料电池系统各个部件的第一三维点云数据和第一参考数据;
根据所述第一三维点云数据和所述第一参考数据分别构建所述各个部件的第一部件三维模型集和所述氢燃料电池系统的第一整体三维模型;
根据所述第一参考数据、所述第一部件三维模型集和所述第一整体三维模型确定需要配置的数据采集传感器的安装方案;
根据所述安装方案在所述氢燃料电池系统的不同部位安装多个用于收集第一监测数据的第一数据采集传感器;
根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常;
若存在异常,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障;
若存在所述第一类型故障,则根据第一故障处理模型生成第一故障处理方案,并进行对应处理;
若不存在所述第一类型故障,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障;
若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理。
2.根据权利要求1所述的用于氢燃料电池系统的安全管理方法,其特征在于,所述根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常的步骤,包括:
获取多个参考氢燃料电池系统在正常工作状态下各部件的第一历史工作状态数据和异常工作状态下各部件的第二历史工作状态数据;
利用所述第一历史工作状态数据和所述第二历史工作状态数据构建历史监测数据集;
通过机器学习算法训练所述历史监测数据集,建立异常检测模型;
从所述第一监测数据中提取双极板、质子交换膜、气体供给系统和水系统的第一关键工作状态数据集;
将所述第一关键工作状态数据集输入到所述异常检测模型;
所述异常检测模型判断所述第一关键工作状态数据集中的各参数是否存在异常;
若所述第一关键工作状态数据集中差值超过第一差值的异常参数的占比超过第一占比,则判定所述氢燃料电池系统存在异常。
3.根据权利要求1或2所述的用于氢燃料电池系统的安全管理方法,其特征在于,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障的步骤,包括:
从所述第一监测数据中提取第一图像数据;
将所述第一图像数据分别与所述第一部件三维模型集中的各个部件三维模型和所述第一整体三维模型进行比对分析,得到第一比对识别结果;
将所述第一图像数据和所述第一比对识别结果输入所述第一故障判定模型,确定是否存在第一类型故障。
4.根据权利要求2所述的用于氢燃料电池系统的安全管理方法,其特征在于,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障的步骤,包括:
根据所述第一历史工作状态数据、所述第一部件三维模型集和所述第一整体三维模型,建立所述氢燃料电池系统的模拟工作模型以模拟所述氢燃料电池系统的整个工作过程以及所述氢燃料电池系统的各个部件的工作状态;
根据所述第一监测数据对所述模拟工作模型进行调整,使得所述模拟工作模型中的各个模拟部件的第一模拟工作状态数据调整成与所述第一监测数据相匹配的第二模拟工作状态数据,并记录调整操作数据;
将所述第一模拟工作状态数据、所述第二模拟工作状态数据和所述调整操作数据输入所述第二故障判定模型,判断是否存在第二类型故障,并确定出现所述第二类型故障的第二故障原因。
5.根据权利要求4所述的用于氢燃料电池系统的安全管理方法,其特征在于,所述若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理的步骤,包括:
将所述第一监测数据和所述第二故障原因输入所述第二故障处理模型,生成所述第二故障处理方案,并执行所述第二故障处理方案,具体是:
切断所述氢燃料电池系统与外部网络的连接,隔离网络接口,检查所述氢燃料电池系统的控制系统是否存在被入侵或破坏的痕迹;
评估所述氢燃料电池系统各关键部件受到影响的影响程度,并根据所述影响程度对相应的部件进行必要的检修或更换,恢复部件的正常运行与系统的发电效能;
加强所述氢燃料电池系统的防护软件的设置与管理,对所述控制系统实施高强度的加密与认证,定期检查是否存在系统漏洞与安全隐患;
加强对物理接口与数据链路的监控。
6.一种用于氢燃料电池系统的安全管理系统,其特征在于,包括:服务器、氢燃料电池系统和第一数据采集传感器;
所述服务器被配置为:
获取氢燃料电池系统各个部件的第一三维点云数据和第一参考数据;
根据所述第一三维点云数据和所述第一参考数据分别构建所述各个部件的第一部件三维模型集和所述氢燃料电池系统的第一整体三维模型;
根据所述第一参考数据、所述第一部件三维模型集和所述第一整体三维模型确定需要配置的数据采集传感器的安装方案;
所述第一数据采集传感器根据所述安装方案设置于所述氢燃料电池系统的不同部位,并被配置为:获取所述氢燃料电池系统第一监测数据;
所述服务器被配置为:
根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常;
若存在异常,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障;
若存在所述第一类型故障,则根据第一故障处理模型生成第一故障处理方案,并进行对应处理;
若不存在所述第一类型故障,则根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障;
若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理。
7.根据权利要求6所述的用于氢燃料电池系统的安全管理系统,其特征在于,所述根据所述第一监测数据和异常检测模型判断所述氢燃料电池系统是否存在异常的步骤,所述服务器被配置为:
获取多个参考氢燃料电池系统在正常工作状态下各部件的第一历史工作状态数据和异常工作状态下各部件的第二历史工作状态数据;
利用所述第一历史工作状态数据和所述第二历史工作状态数据构建历史监测数据集;
通过机器学习算法训练所述历史监测数据集,建立异常检测模型;
从所述第一监测数据中提取双极板、质子交换膜、气体供给系统和水系统的第一关键工作状态数据集;
将所述第一关键工作状态数据集输入到所述异常检测模型;
根据所述异常检测模型判断所述第一关键工作状态数据集中的各参数是否存在异常;
若所述第一关键工作状态数据集中差值超过第一差值的异常参数的占比超过第一占比,则判定所述氢燃料电池系统存在异常。
8.根据权利要求6或7所述的用于氢燃料电池系统的安全管理系统,其特征在于,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第一故障判定模型确定是否存在第一类型故障的步骤,所述服务器被配置为:
从所述第一监测数据中提取第一图像数据;
将所述第一图像数据分别与所述第一部件三维模型集中的各个部件三维模型和所述第一整体三维模型进行比对分析,得到第一比对识别结果;
将所述第一图像数据和所述第一比对识别结果输入所述第一故障判定模型,确定是否存在第一类型故障。
9.根据权利要求7所述的用于氢燃料电池系统的安全管理系统,其特征在于,所述根据所述第一监测数据、所述第一部件三维模型集、所述第一整体三维模型和第二故障判定模型判断是否存在第二类型故障的步骤,所述服务器被配置为:
根据所述第一历史工作状态数据、所述第一部件三维模型集和所述第一整体三维模型,建立所述氢燃料电池系统的模拟工作模型以模拟所述氢燃料电池系统的整个工作过程以及所述氢燃料电池系统的各个部件的工作状态;
根据所述第一监测数据对所述模拟工作模型进行调整,使得所述模拟工作模型中的各个模拟部件的第一模拟工作状态数据调整成与所述第一监测数据相匹配的第二模拟工作状态数据,并记录调整操作数据;
将所述第一模拟工作状态数据、所述第二模拟工作状态数据和所述调整操作数据输入所述第二故障判定模型,判断是否存在第二类型故障,并确定出现所述第二类型故障的第二故障原因。
10.根据权利要求9所述的用于氢燃料电池系统的安全管理系统,其特征在于,所述若存在所述第二类型故障,则根据第二故障处理模型生成第二故障处理方案,并进行对应处理的步骤,所述服务器被配置为:
将所述第一监测数据和所述第二故障原因输入所述第二故障处理模型,生成所述第二故障处理方案,并执行所述第二故障处理方案,具体是:
切断所述氢燃料电池系统与外部网络的连接,隔离网络接口,检查所述氢燃料电池系统的控制系统是否存在被入侵或破坏的痕迹;
评估所述氢燃料电池系统各关键部件受到影响的影响程度,并根据所述影响程度对相应的部件进行必要的检修或更换,恢复部件的正常运行与系统的发电效能;
加强所述氢燃料电池系统的防护软件的设置与管理,对所述控制系统实施高强度的加密与认证,定期检查是否存在系统漏洞与安全隐患;
加强对物理接口与数据链路的监控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310771063.6A CN116505034B (zh) | 2023-06-28 | 2023-06-28 | 一种用于氢燃料电池系统的安全管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310771063.6A CN116505034B (zh) | 2023-06-28 | 2023-06-28 | 一种用于氢燃料电池系统的安全管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116505034A true CN116505034A (zh) | 2023-07-28 |
CN116505034B CN116505034B (zh) | 2023-09-15 |
Family
ID=87325236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310771063.6A Active CN116505034B (zh) | 2023-06-28 | 2023-06-28 | 一种用于氢燃料电池系统的安全管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116505034B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117217031A (zh) * | 2023-11-09 | 2023-12-12 | 新研氢能源科技有限公司 | 一种用于燃料电池电堆的智能生产方法及系统 |
CN117253347A (zh) * | 2023-11-10 | 2023-12-19 | 青岛能蜂电气有限公司 | 一种分布式储能设备的智能监控系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108344947A (zh) * | 2018-01-11 | 2018-07-31 | 西南交通大学 | 一种非侵入式的燃料电池故障诊断方法 |
CN109934358A (zh) * | 2019-01-30 | 2019-06-25 | 中国人民解放军32181部队 | 装备故障预测和健康评估方法、系统及终端设备 |
CN110190306A (zh) * | 2019-06-04 | 2019-08-30 | 昆山知氢信息科技有限公司 | 一种用于燃料电池系统的在线故障诊断方法 |
CN111864898A (zh) * | 2020-06-17 | 2020-10-30 | 江苏方天电力技术有限公司 | 一种基于输电在线监测数据的三维信息系统及其控制方法 |
CN112990288A (zh) * | 2021-03-09 | 2021-06-18 | 上海应用技术大学 | 一种大型设备在线监测与故障预测系统 |
WO2022150012A1 (en) * | 2021-01-06 | 2022-07-14 | Hitachi, Ltd. | Method and system for fault detection and diagnostic for a building management system |
CN115374508A (zh) * | 2022-08-09 | 2022-11-22 | 福建中锐网络股份有限公司 | 一种基于虚拟现实技术的大中型水库安全巡检系统 |
CN115546435A (zh) * | 2022-09-20 | 2022-12-30 | 上海市建筑通信网络有限公司 | 基于三维模型的通信资源监测预警系统、方法、电子设备及存储介质 |
CN115986172A (zh) * | 2023-03-17 | 2023-04-18 | 北京新研创能科技有限公司 | 一种用于氢燃料电池的监测系统及方法 |
CN116150693A (zh) * | 2022-12-30 | 2023-05-23 | 南斗六星系统集成有限公司 | 氢燃料电池发动机安全性评估方法、装置、设备及存储介质 |
CN116231010A (zh) * | 2023-05-10 | 2023-06-06 | 北京新研创能科技有限公司 | 一种氢燃料电池系统故障诊断方法及系统 |
-
2023
- 2023-06-28 CN CN202310771063.6A patent/CN116505034B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108344947A (zh) * | 2018-01-11 | 2018-07-31 | 西南交通大学 | 一种非侵入式的燃料电池故障诊断方法 |
CN109934358A (zh) * | 2019-01-30 | 2019-06-25 | 中国人民解放军32181部队 | 装备故障预测和健康评估方法、系统及终端设备 |
CN110190306A (zh) * | 2019-06-04 | 2019-08-30 | 昆山知氢信息科技有限公司 | 一种用于燃料电池系统的在线故障诊断方法 |
CN111864898A (zh) * | 2020-06-17 | 2020-10-30 | 江苏方天电力技术有限公司 | 一种基于输电在线监测数据的三维信息系统及其控制方法 |
WO2022150012A1 (en) * | 2021-01-06 | 2022-07-14 | Hitachi, Ltd. | Method and system for fault detection and diagnostic for a building management system |
CN112990288A (zh) * | 2021-03-09 | 2021-06-18 | 上海应用技术大学 | 一种大型设备在线监测与故障预测系统 |
CN115374508A (zh) * | 2022-08-09 | 2022-11-22 | 福建中锐网络股份有限公司 | 一种基于虚拟现实技术的大中型水库安全巡检系统 |
CN115546435A (zh) * | 2022-09-20 | 2022-12-30 | 上海市建筑通信网络有限公司 | 基于三维模型的通信资源监测预警系统、方法、电子设备及存储介质 |
CN116150693A (zh) * | 2022-12-30 | 2023-05-23 | 南斗六星系统集成有限公司 | 氢燃料电池发动机安全性评估方法、装置、设备及存储介质 |
CN115986172A (zh) * | 2023-03-17 | 2023-04-18 | 北京新研创能科技有限公司 | 一种用于氢燃料电池的监测系统及方法 |
CN116231010A (zh) * | 2023-05-10 | 2023-06-06 | 北京新研创能科技有限公司 | 一种氢燃料电池系统故障诊断方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117217031A (zh) * | 2023-11-09 | 2023-12-12 | 新研氢能源科技有限公司 | 一种用于燃料电池电堆的智能生产方法及系统 |
CN117217031B (zh) * | 2023-11-09 | 2024-02-20 | 新研氢能源科技有限公司 | 一种用于燃料电池电堆的智能生产方法及系统 |
CN117253347A (zh) * | 2023-11-10 | 2023-12-19 | 青岛能蜂电气有限公司 | 一种分布式储能设备的智能监控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116505034B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116505034B (zh) | 一种用于氢燃料电池系统的安全管理方法及系统 | |
US11431733B2 (en) | Defense system and method against cyber-physical attacks | |
Shirazi et al. | Evaluation of anomaly detection techniques for scada communication resilience | |
CA2844225C (en) | Intelligent cyberphysical intrusion detection and prevention systems and methods for industrial control systems | |
CN109583711B (zh) | 一种安全风险评估全过程管理系统 | |
CN106888205A (zh) | 一种非侵入式基于功耗分析的plc异常检测方法 | |
CN111898669B (zh) | 一种基于机器学习的直流矿热炉异常事件预警系统 | |
CN105551549A (zh) | 一种核电设备运行状况在线监测方法及系统 | |
CN116455085B (zh) | 一种电池储能电站智能监控系统 | |
US20230028886A1 (en) | Methods of detecting anomalous operation of industrial systems and respective control systems, and related systems and articles of manufacture | |
CN110112442B (zh) | 一种燃料电池系统控制方法及装置 | |
CN112884199B (zh) | 水电站设备故障预测方法、装置、计算机设备和存储介质 | |
CN117674140B (zh) | 一种配电网测控系统及方法 | |
CN114721336A (zh) | 一种仪控系统工艺参数的信息安全事件预警方法 | |
He et al. | A new hierarchical belief-rule-based method for reliability evaluation of wireless sensor network | |
Akbarian et al. | A security framework in digital twins for cloud-based industrial control systems: Intrusion detection and mitigation | |
CN107612927B (zh) | 电力调度自动化系统的安全检测方法 | |
CN115618353A (zh) | 一种工业生产安全的识别系统及方法 | |
CN114666117A (zh) | 一种面向电力互联网的网络安全态势度量和预测方法 | |
Aldossary et al. | Securing SCADA systems against cyber-attacks using artificial intelligence | |
Mokhtari et al. | Measurement data intrusion detection in industrial control systems based on unsupervised learning | |
Siu et al. | A review of cyber-physical security in the generation system of the grid | |
Gokarn et al. | Enhancing cyber physical system security via anomaly detection using behaviour analysis | |
KR20180002329A (ko) | Ict 융합형 풍력 발전 단지 모니터링 시스템, 서버 및 방법 | |
CN109888338A (zh) | 基于统计的sofc供气故障检测方法及设备 |
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 |