CN117374331A - 一种质子交换膜燃料电池的水淹故障预测方法 - Google Patents
一种质子交换膜燃料电池的水淹故障预测方法 Download PDFInfo
- Publication number
- CN117374331A CN117374331A CN202311268682.XA CN202311268682A CN117374331A CN 117374331 A CN117374331 A CN 117374331A CN 202311268682 A CN202311268682 A CN 202311268682A CN 117374331 A CN117374331 A CN 117374331A
- Authority
- CN
- China
- Prior art keywords
- voltage
- fuel cell
- exchange membrane
- flooding
- membrane fuel
- 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 46
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000012528 membrane Substances 0.000 title claims abstract description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 14
- 238000007664 blowing Methods 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 210000004027 cell Anatomy 0.000 description 40
- 238000012549 training Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000007789 gas Substances 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000010926 purge Methods 0.000 description 2
- 239000000376 reactant Substances 0.000 description 2
- 238000001223 reverse osmosis Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 150000002431 hydrogen Chemical class 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000009466 transformation Effects 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
-
- 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]
- G01R31/396—Acquisition or processing of data for testing or for monitoring individual cells or groups of cells within a battery
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04082—Arrangements for control of reactant parameters, e.g. pressure or concentration
- H01M8/04089—Arrangements for control of reactant parameters, e.g. pressure or concentration of gaseous reactants
- H01M8/04119—Arrangements for control of reactant parameters, e.g. pressure or concentration of gaseous reactants with simultaneous supply or evacuation of electrolyte; Humidifying or dehumidifying
- H01M8/04156—Arrangements for control of reactant parameters, e.g. pressure or concentration of gaseous reactants with simultaneous supply or evacuation of electrolyte; Humidifying or dehumidifying with product water removal
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04291—Arrangements for managing water in solid electrolyte fuel cell systems
-
- 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
- H01M8/04537—Electric variables
- H01M8/04544—Voltage
- H01M8/04559—Voltage of fuel cell stacks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Fuel Cell (AREA)
Abstract
本发明属于燃料电池领域,具体涉及一种质子交换膜燃料电池的水淹故障预测方法,包括:基于质子交换膜燃料电池电堆内每片电池的历史节点电压信息,采用节点电压预测模型,预测每片电池的未来某一时段电压;判断每片电池的未来某一时段电压是否小于预设保护电压,若是,则预测该片电池处在未来某一时刻会发生水淹;其中,节点电压预测模型为多特征输入和多特征输出的预测模型,输入输出通道数与电堆内电池片数相同。本发明利用数据驱动所构建的节点电压预测模型预测PEMFC系统节点电压,预测更为快速,通用性更强,基于预测电压,提前预知未来是否发生水淹故障,可用于提前执行吹水操作,确保电池节点电压在安全范围内,从而确保PEMFC稳定高效运行。
Description
技术领域
本发明属于燃料电池领域,更具体地,涉及一种质子交换膜燃料电池的水淹故障预测方法。
背景技术
基于其高效、零排放、快速启动等特点,质子交换膜燃料电池(PEMFC)广泛应用于燃料电池汽车、公共交通、潜艇及水下无人航行器等领域作为动力装置。在水下环境中,需要对燃料电池进行长时间的封闭运行。然而,长时间的封闭运行会导致电池内不断产生液态水,进而引发电池水淹问题,直接导致电池性能和寿命下降。因此,高效的水管理对维持PEMFC的高效稳定运行至关重要。
水在膜内的传输包括电拖曳、反渗透、扩散等过程,其中电拖曳和反渗透是主要机制。外部因素如气体湿度、压力、温度影响着膜内水传输。燃料利用率衡量氢转化为电能和热能的百分比,100%燃料利用率意味着理论上供给阳极的氢量与电化学反应需求匹配。然而,如果水分积聚过多,就可能引发水淹问题,导致气体扩散层或催化层中的氧气和氢气传输通道受阻,从而使氢气和氧气难以到达反应区域,进而导致燃料电池的电能生成效率下降,甚至可能导致故障和停机。
目前用以应对水淹问题的方法包括在水淹发生时注入过量的反应气体或者停止电池运行并通入惰性气体来清除电堆内的水。然而,这些方法存在着浪费反应气体或电池停机带来的滞后问题。
发明内容
针对现有技术的缺陷和改进需求,本发明提供了一种质子交换膜燃料电池的水淹故障预测方法,其目的在于实现提前预测未来的水淹故障情况,以便提早消除水淹故障的风险。
为实现上述目的,按照本发明的一个方面,提供了一种质子交换膜燃料电池的水淹故障预测方法,包括:
基于质子交换膜燃料电池电堆内每片电池的历史节点电压信息,采用节点电压预测模型,预测每片电池的未来某一时段电压;
判断每片电池的所述未来某一时段电压是否小于预设保护电压,若是,则预测该片电池处在所述未来某一时刻会发生水淹;
其中,所述节点电压预测模型为多特征输入和多特征输出的预测模型,输入输出通道数与电堆内电池片数相同。
进一步,所述节点电压预测模型为Encoder-decoder LSTM网络预测模型。
进一步,所述预设保护电压为0.4V。
进一步,所述历史节点电压信息和所述未来某一时段电压均为一段时间内10个离散电压。
进一步,方法还包括:
在线测量每片电池在所述未来某一时段的实际电压;
计算所述未来某一时段的实际电压与对应预测电压的差值;
基于所述差值以及该片电池的在预测所述未来某一时段电压时所采用的历史节点电压信息,更新所述节点电压预测模型,用于下一次电压预测。
本发明还提供一种交换膜燃料电池的水淹故障排除方法,包括:
采用如上所述的一种质子交换膜燃料电池的水淹故障预测方法,在线确定所述质子交换膜燃料电池中在未来某一时刻发生水淹的节点;并控制系统阀门对将在未来某一时刻发生水淹的当前各节点执行吹水操作,实现交换膜燃料电池的在线水淹故障排除。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如上所述的一种质子交换膜燃料电池的水淹故障预测方法和/或一种交换膜燃料电池的水淹故障排除方法。
总体而言,通过本发明所构思的以上技术方案,能够取得以下有益效果:
(1)本发明提供了一种通过电压监测实现水淹故障预测的方法,用于解决质子交换膜燃料电池水淹问题。利用数据驱动所构建的节点电压预测模型预测PEMFC系统节点电压,本方法不需要花费大量时间构建高精度的、复杂的物理模型,且预测更为快速,通用性更强,采集PEMFC历史连续运行数据,通过节点电压预测模型,即可获取每片电池片的未来某一段时间节点电压,基于预测电压,提前预知未来是否发生水淹故障,在封闭环境中解决PEMFC水淹问题方面独具优势。
(2)本发明还提出在采用节点电压预测模型进行在线预测的过程中,根据需要,采集实际电压并与模型预测值进行差值计算,采用差值再结合历史电压信息去更新节点电压预测模型,使得模型具有更加的预测性能,提高本发明水淹故障预测精度。
(3)本发明还提出一种质子交换膜燃料电池的水淹故障排除方法,利用模型预测的单片电池节点电压数据实时在线控制系统阀门执行吹水操作,确保电池节点电压在安全范围内,从而确保PEMFC稳定高效运行,这一策略既维护了PEMFC的高效稳定运行,又有效延长了电池寿命,为氢氧燃料电池在封闭环境应用提供了可靠解决方案。
附图说明
图1为本发明实施例提供的一种质子交换膜燃料电池的水淹故障预测方法流程框图;
图2为本发明实施例提供的实现质子交换膜燃料电池的水淹故障预测的整体流程示意图;
图3为本发明实施例提供的实现交换膜燃料电池的水淹故障排除的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例一
一种质子交换膜燃料电池的水淹故障预测方法,如图1所示,包括:
基于质子交换膜燃料电池电堆内每片电池的历史节点电压信息,采用节点电压预测模型,预测每片电池的未来某一时段电压;
判断每片电池的未来某一时段电压是否小于预设保护电压,若是,则预测该片电池处在未来某一时刻会发生水淹;
其中,节点电压预测模型为多特征输入和多特征输出的预测模型,输入输出通道数与电堆内电池片数相同。
可作为优选的实施方式,所述节点电压预测模型为Encoder-decoder LSTM网络预测模型。该节点电压预测模型具有注意力机制,提高了预测准确性。
本实施例对LSTM,GRU,Encoder-decode LSTM,Encoder-decoder GRU搭建四种不同的网络预测模型进行了实验,在各模型超参数一致情况下分别计算均方根误差,优选出均方根误差最小的Encoder-decoder LSTM。
可作为优选的实施方式,上述预设保护电压为0.4V。
可作为优选的实施方式,上述历史节点电压信息和上述未来某一时段电压均为一段时间内10个离散电压。
具体来说,如图2所示,本实施例方法水淹故障预测可为:
S1、采集PEMFC连续时间完整运行的实验原始数据,此数据的获取是已经预先基于经验知识设定了保护电压Vp,采集信息包含PEMFC连续时间运行时堆内每片电池片的节点电压Vi。
S2、数据预处理,先进行数据选择,剔除异常数据点;再对数据集进行归一化操作;将归一化后的数据集划分为训练集与测试集;再分别转化为监督学习数据。
对数据集进行归一化操作,将数据缩放到相同的范围内,以便模型能够更好地处理各个特征之间的差异;将归一化后的数据集划分为训练集与测试集,以便在模型训练和评估过程中进行有效的验证;再分别转化为监督学习数据,这个过程涉及以下步骤:首先,需要确定一个适当的时间窗口大小,该窗口将定义模型在训练时需要考虑多少个历史数据点。然后,通过滑动窗口的方式,从时间序列的开头开始,以一定的步长逐步滑动窗口。在每个窗口内,窗口内的数据被作为模型的输入特征,而窗口后的一个数据点成为模型的目标输出。这样,每个窗口都形成了一个监督学习的训练样本,其中包含了过去一段时间的数据信息和对应的目标输出。在预测电池节点电压数据的情境中,同样可以使用这种方法,将一段时间内的历史电压数据转化为监督学习数据,以便训练模型来预测未来电压的变化趋势。这样的转化过程能够增强模型对时间序列数据的理解和预测能力。
S3、搭建Encoder-decoder LSTM网络预测模型,设计多特征输入多特征输出的网络结构以便可以预测电堆多个节点电压信息,同时为提高模型预测准确性在网络结构中的隐藏层与输出层之间引入注意力机制。
S4、利用训练集和测试集对S3中搭建的Encoder-decoder LSTM网络预测模型进行训练与测试。
S5、将检验测试结果的均方误差(Mean Square Error,MSE)和确定系数(RSquare)是否达到预设的标准值。如果未达到标准,将会调整模型参数(例如神经元数量、隐藏层层数、训练批量大小等),并重新进行训练和测试。
S6、完成S5步骤后可得到PEMFC单片电池节点电压预测模型。
S7、向Encoder-decoder LSTM网络预测模型中输入系统实时产生的观测数据,即可预测出PEMFC未来一段时间内单片电池节点电压信息。
S8、基于S7中预测的单片电池节点电压信息,设计PEMFC水管理控制策略。当监测到基于S7中预测的单片电池节点电压Vi<保护电压Vp时,系统在该节点处执行吹水操作。
可作为优选的实施方式,方法还包括:
在线测量每片电池在所述未来某一时段的实际电压;
计算未来某一时段的实际电压与对应预测电压的差值;
基于上述差值以及该片电池的在预测上述未来某一时段电压时所采用的历史节点电压信息,更新上述节点电压预测模型,用于下一次电压预测。
该优选的实施方式提出在采用节点电压预测模型进行在线预测的过程中,根据需要,采集实际电压并与模型预测值进行差值计算,采用差值再结合历史电压信息去更新节点电压预测模型,使得模型具有更加的预测性能,提高本发明水淹故障预测精度。
总的来说,本实施例方法利用连续时间运行的PEMFC系统实际运行单片电池节点电压数据,并依据预先设定的保护电压Vp以及每片电池片的历史节点电压信息,能够精确预测未来一段时间内单片电池节点电压。通过数据预处理、多特征输入和输出的Encoder-decoder LSTM网络结构,以及注意力机制的引入,提升了预测精度和全面性。其次,设立了参数调整策略,根据均方误差和确定系数测试结果,优化模型参数,确保预测性能达到预设标准。
实施例二
一种交换膜燃料电池的水淹故障排除方法,包括:
采用如上所述的一种质子交换膜燃料电池的水淹故障预测方法,在线确定质子交换膜燃料电池中在未来某一时刻发生水淹的节点;并控制系统阀门对在未来某一时刻发生水淹的各节点执行吹水操作,实现交换膜燃料电池的在线水淹故障排除。
也就是,本实施例方法相当于基于模型预测的单片电池节点电压数据的系统水管理控制策略示意图,如图3所示,该策略的实施步骤如下所述:
S1、输入实时观测数据:将系统实时产生的观测数据输入到Encoder-decoderLSTM网络预测模型中。
S2、预测单片电池节点电压信息:利用Encoder-decoder LSTM网络预测模型,对PEMFC未来一段时间内的单片电池节点电压信息进行准确预测。
S3、在系统中监测基于预测的电压情况,特别关注单片电池节点电压Vi是否低于预先设定的保护电压阈值Vp。
S4、如果监测到预测的单片电池节点电压Vi低于保护电压Vp,则启动保护机制,系统自动切换至氮气吹扫,以防止电池水淹问题的发生。
相关技术方案同实施例一,在此不再赘述。
实施例三
一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如上所述的一种质子交换膜燃料电池的水淹故障预测方法和/或一种交换膜燃料电池的水淹故障排除方法。
相关技术方案同实施例一和实施例二,在此不再赘述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种质子交换膜燃料电池的水淹故障预测方法,其特征在于,包括:
基于质子交换膜燃料电池电堆内每片电池的历史节点电压信息,采用节点电压预测模型,预测每片电池的未来某一时段电压;
判断每片电池的所述未来某一时段电压是否小于预设保护电压,若是,则预测该片电池处在所述未来某一时刻会发生水淹;
其中,所述节点电压预测模型为多特征输入和多特征输出的预测模型,输入输出通道数与电堆内电池片数相同。
2.根据权利要求1所述的一种质子交换膜燃料电池的水淹故障预测方法,其特征在于,所述节点电压预测模型为Encoder-decoder LSTM网络预测模型。
3.根据权利要求1所述的一种质子交换膜燃料电池的水淹故障预测方法,其特征在于,所述预设保护电压为0.4V。
4.根据权利要求1所述的一种质子交换膜燃料电池的水淹故障预测方法,其特征在于,所述历史节点电压信息和所述未来某一时段电压均为一段时间内10个离散电压。
5.根据权利要求1至4任一项所述的一种质子交换膜燃料电池的水淹故障预测方法,其特征在于,方法还包括:
在线测量每片电池在所述未来某一时段的实际电压;
计算所述未来某一时段的实际电压与对应预测电压的差值;
基于所述差值以及该片电池的在预测所述未来某一时段电压时所采用的历史节点电压信息,更新所述节点电压预测模型,用于下一次电压预测。
6.一种交换膜燃料电池的水淹故障排除方法,其特征在于,包括:
采用如权利要求1至5任一项所述的一种质子交换膜燃料电池的水淹故障预测方法,在线确定所述质子交换膜燃料电池中在未来某一时刻发生水淹的节点;并控制系统阀门对将在未来某一时刻发生水淹的当前各节点执行吹水操作,实现交换膜燃料电池的在线水淹故障排除。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行如权利要求1至5任一项所述的一种质子交换膜燃料电池的水淹故障预测方法和/或一种交换膜燃料电池的水淹故障排除方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311268682.XA CN117374331A (zh) | 2023-09-27 | 2023-09-27 | 一种质子交换膜燃料电池的水淹故障预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311268682.XA CN117374331A (zh) | 2023-09-27 | 2023-09-27 | 一种质子交换膜燃料电池的水淹故障预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117374331A true CN117374331A (zh) | 2024-01-09 |
Family
ID=89405058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311268682.XA Pending CN117374331A (zh) | 2023-09-27 | 2023-09-27 | 一种质子交换膜燃料电池的水淹故障预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117374331A (zh) |
-
2023
- 2023-09-27 CN CN202311268682.XA patent/CN117374331A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | A reconstructed fuel cell life-prediction model for a fuel cell hybrid city bus | |
Zhou et al. | Degradation prediction of PEM fuel cell stack based on multiphysical aging model with particle filter approach | |
Ma et al. | A hybrid prognostic method for PEMFC with aging parameter prediction | |
CN107180983B (zh) | 一种固体氧化物燃料电池电堆故障诊断方法和系统 | |
Wang et al. | Degradation prediction of proton exchange membrane fuel cell stack using semi-empirical and data-driven methods | |
Chen et al. | Whole life cycle performance degradation test and RUL prediction research of fuel cell MEA | |
KR101315764B1 (ko) | 연료전지용 수소 공급 시스템의 고장 진단 방법 | |
Chiche et al. | Design of experiment to predict the time between hydrogen purges for an air-breathing PEM fuel cell in dead-end mode in a closed environment | |
Jouin et al. | Prognostics of PEM fuel cells under a combined heat and power profile | |
CN113403645A (zh) | 一种电解槽工作状态的确定方法、装置及控制器 | |
Peng et al. | Generalized spatial–temporal fault location method for solid oxide fuel cells using LSTM and causal inference | |
Hua et al. | Challenges of the remaining useful life prediction for proton exchange membrane fuel cells | |
CN114492087A (zh) | 氢储能电站质子交换膜燃料电池故障诊断方法及装置 | |
CN114583221B (zh) | 一种电堆衰减寿命的测算方法 | |
Yang et al. | Fault diagnosis of SOFC system based on single cell voltage analysis | |
WO2013083873A1 (en) | Method and arrangement for diagnosis of solid oxide cells operating conditions | |
Kishor et al. | Fuzzy modeling of fuel cell based on mutual information between variables | |
Xu et al. | Multi-criteria evaluation and optimization of PEM fuel cell degradation system | |
Zuo et al. | Health management review for fuel cells: Focus on action phase | |
Jacome et al. | A review of model-based prognostic for proton exchange membrane fuel cell under automotive load cycling | |
Zou et al. | An online adaptive model for the nonlinear dynamics of fuel cell voltage | |
Guo et al. | Marginalized particle filtering for online parameter estimation of PEMFC applied to hydrogen UAVs | |
CN117374331A (zh) | 一种质子交换膜燃料电池的水淹故障预测方法 | |
Anghel | Prediction failure for pem fuel cells | |
Riascos et al. | Fault diagnosis in polymer electrolyte membrane fuel cells based on patterns of tolerance |
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 |