DE102020202878A1

DE102020202878A1 - Verfahren zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvorrichtung und Brennstoffzellenvorrichtung

Info

Publication number: DE102020202878A1
Application number: DE102020202878.8A
Authority: DE
Inventors: Martin Hering; Felix Schaefer
Original assignee: Robert Bosch GmbH
Current assignee: Robert Bosch GmbH
Priority date: 2020-03-06
Filing date: 2020-03-06
Publication date: 2021-09-09
Also published as: WO2021176027A1; CN115428204A; EP4115465A1

Abstract

Die Erfindung geht aus von einem Verfahren zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvorrichtung (10), wobei in zumindest einem Verfahrensschritt eine Brennstoffnutzung auf einem maschinellen Lernprozess (44) basierend ermittelt wird zu einer Regelung der Brennstoffnutzung.Es wird vorgeschlagen, dass in zumindest einem Verfahrensschritt ein faltendes neuronales Netzwerk (14) für den maschinellen Lernprozess (44) verwendet wird.

Description

Stand der Technik
Es ist bereits ein Verfahren zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvorrichtung, wobei in zumindest einem Verfahrensschritt eine Brennstoffnutzung auf einem maschinellen Lernprozess basierend ermittelt wird zu einer Regelung der Brennstoffnutzung, vorgeschlagen worden.
Offenbarung der Erfindung
Die Erfindung geht aus von einem Verfahren zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvorrichtung, wobei in zumindest einem Verfahrensschritt eine Brennstoffnutzung auf einem maschinellen Lernprozess basierend ermittelt wird zu einer Regelung der Brennstoffnutzung.
Es wird vorgeschlagen, dass in zumindest einem Verfahrensschritt ein faltendes neuronales Netzwerk für den maschinellen Lernprozess verwendet wird.
Die Brennstoffzellenvorrichtung kann insbesondere zusätzlich oder alternativ eine Elektrolyseurvorrichtung sein. Unter einer „Brennstoffzellenvorrichtung und/oder Elektrolyseurvorrichtung“ soll vorzugsweise zumindest ein Teil, insbesondere eine Unterbaugruppe, einer Brennstoffzelle, insbesondere einer, insbesondere ebenen, Festoxidbrennstoffzelle, und/oder eines Elektrolyseurs, insbesondere eines Hochtemperaturelektrolyseurs, verstanden werden, insbesondere für stationäre oder mobile Anwendungen. Insbesondere kann die Brennstoffzellenvorrichtung und/oder Elektrolyseurvorrichtung auch die gesamte Brennstoffzelle, insbesondere die gesamte Festoxidbrennstoffzelle, den gesamten Elektrolyseur, insbesondere den gesamten Hochtemperaturelektrolyseur, einen Stack aus Brennstoffzellen und/oder Elektrolyseuren und/oder einen Verbund mehrerer Stacks aus Brennstoffzellen und/oder Elektrolyseuren umfassen. Vorzugsweise ist die Brennstoffzellenvorrichtung und/oder Elektrolyseurvorrichtung dazu vorgesehen, einen Brennstoff unter Zuführung eines Oxidans in einem, insbesondere elektrochemischen, Verbrennungsprozess zu einer elektrischen Energiegewinnung umzusetzen. Alternativ oder zusätzlich ist die Brennstoffzellenvorrichtung und/oder Elektrolyseurvorrichtung dazu vorgesehen, in einem Trennungsprozess unter Zuführung elektrischer Energie ein Fluid in zumindest zwei Bestandteile zu zerteilen. Unter „vorgesehen“ soll insbesondere speziell eingerichtet, speziell ausgelegt und/oder speziell aus-gestattet verstanden werden. Darunter, dass ein Objekt zu einer bestimmten Funktion vorgesehen ist, soll insbesondere verstanden werden, dass das Objekt diese bestimmte Funktion in zumindest einem Anwendungs- und/oder Betriebs-zustand erfüllt und/oder ausführt.
Unter einem „faltenden neuronalen Netzwerk“ soll ein Convolutional Neural Network verstanden werden.
Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Einlernschritt, ein faltendes neuronales Netzwerk für den maschinellen Lernprozess verwendet. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, an das faltende neuronale Netzwerk zumindest ein Eingabeparameter, insbesondere zumindest ein Eingabevektor, übermittelt, bevorzugt zu einem Verarbeiten des zumindest einen Eingabeparameters, insbesondere des zumindest einen Eingabevektors. Vorzugsweise wird zumindest ein Verfahrensschritt, bevorzugt Einlernschritt, insbesondere der zumindest eine Einlernschritt, vor dem zumindest einen Abfrageschritt durchgeführt. Vorzugsweise wird zumindest ein Verfahrensschritt, bevorzugt zumindest der zumindest eine Abfrageschritt, insbesondere der zumindest eine Einlernschritt, periodisch wiederholt. Vorzugsweise lernt in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Einlernschritt, ein faltendes neuronales Netzwerk einen Zusammenhang zwischen zumindest einer Nernst-Spannung und einer Brennstoffnutzung einer Brennstoffzelle, insbesondere eines Stacks, bevorzugt an einem Zeitpunkt.
Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, an das faltende neuronale Netzwerk zumindest ein Eingabevektor übermittelt, welcher Einträge umfasst für zumindest eine Stromstärke, eine Spannung, eine Lüfterdrehzahl, einen Volumenstrom, eine Volumenstromrate und/oder verschiedene Temperaturen der Brennstoffzellenvorrichtung, bevorzugt der Brennstoffzelle, insbesondere des Stacks, an zumindest einem Zeitpunkt, bevorzugt an jedem Zeitpunkt, an welchem entsprechende Werte gemessen werden können.
Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, von dem faltenden neuronalen Netzwerk zumindest ein Ausgabevektor ausgegeben, welcher Einträge umfasst für zumindest eine Brennstoffnutzung, insbesondere mehrere Brennstoffnutzungen, bevorzugt mehrere Brennstoffnutzungen als Konzentrationsgradient des Brenngases in einer Brennstoffzelle, bevorzugt in einem Brennstoffzellenstack, und/oder für zumindest eine Nernst-Spannung, insbesondere mehrere Nernst-Spannungen, bevorzugt an jedem Zeitpunkt, an welchem entsprechende Werte gemessen werden können. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, zumindest eine Nernst-Spannung auf einem maschinellen Lernprozess basierend ermittelt.
Durch die erfindungsgemäße Ausgestaltung des Verfahrens zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvorrichtung kann eine vorteilhaft genaue und gleichzeitig kostengünstige Betriebsüberwachung der Brennstoffzellenvorrichtung erreicht werden.
Des Weiteren wird vorgeschlagen, dass in zumindest einem Verfahrensschritt die Brennstoffnutzung durch das faltende neuronale Netzwerk in Echtzeit ermittelt wird. Vorzugsweise wird in zumindest einem Abfrageschritt, insbesondere in dem zumindest einen Abfrageschritt, eine Brennstoffnutzung, insbesondere Fuel utilization, durch das faltende neuronale Netzwerk in Echtzeit ermittelt.
Vorzugsweise wird in zumindest einem Abfrageschritt, insbesondere dem zumindest einen Abfrageschritt, eine Brennstoffnutzung, insbesondere zumindest einer Brennstoffzelle, bevorzugt zumindest eines Stacks von Brennstoffzellen, insbesondere in Echtzeit, ermittelt. Vorzugsweise wird in zumindest einem Verfahrensschritt, bevorzugt in zumindest einem Abfrageschritt, insbesondere in dem zumindest einen Abfrageschritt, die zumindest eine Brennstoffnutzung durch das faltende neuronale Netzwerk nach zumindest einem Einlernschritt, insbesondere nach dem zumindest einen Einlernschritt, des faltenden neuronalen Netzwerks in Echtzeit ermittelt. Insbesondere soll unter Echtzeit in diesem Zusammenhang eine maximale Verzögerung von maximal 200 ms, bevorzugt von maximal 100 ms, besonders bevorzugt von maximal 50 ms und ganz besonders bevorzugt von maximal 10 ms verstanden werden. Vorzugsweise wird in zumindest einem Verfahrensschritt die zumindest eine Brennstoffnutzung durch das faltende neuronale Netzwerk zumindest teilweise online, bevorzugt in Echtzeit, ermittelt. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, von dem faltenden neuronalen Netzwerk zumindest ein Ausgabevektor in Echtzeit ausgegeben. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, von dem faltenden neuronalen Netzwerk zumindest ein Ausgabevektor ausgegeben, welcher insbesondere zumindest einen Eintrag umfasst für eine Brennstoffnutzung, bevorzugt zu jedem Zeitpunkt des zumindest einen Eingabevektors. Es kann ein vorteilhaft in Echtzeit durchführbares Steuern und/oder Regeln des Betriebsverfahrens erreicht werden. Es kann eine vorteilhaft in Echtzeit steuerbare und/oder regelbare Brennstoffzellenvorrichtung erreicht werden.
Ferner wird vorgeschlagen, dass in zumindest einem Verfahrensschritt die Brennstoffnutzung aus einer Nernst-Spannung ermittelt wird. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, an das faltende neuronale Netzwerk zumindest ein Eingabevektor übermittelt, welcher zumindest einen Eintrag umfasst für zumindest eine Nernst-Spannung der Brennstoffzellenvorrichtung, bevorzugt der Brennstoffzelle, insbesondere des Stacks, an zumindest einem Zeitpunkt, bevorzugt an jedem Zeitpunkt, an welchem entsprechende Werte gemessen werden können. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, von dem faltenden neuronalen Netzwerk zumindest ein Ausgabevektor ausgegeben, welcher Einträge umfasst für eine Brennstoffnutzung, welche aus der zumindest einen Nernst-Spannung, durch das faltende neuronale Netzwerk ermittelt wurde, bevorzugt an jedem Zeitpunkt, an welchem entsprechende Werte gemessen werden können. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, zumindest eine Brennstoffnutzung aus zumindest einer Nernst-Spannung auf einem maschinellen Lernprozess basierend ermittelt. Vorzugsweise wird in zumindest einem Verfahrensschritt die Nernst-Spannung zumindest einer Brennstoffzelle aus einer Spannung der Brennstoffzelle und einer Temperatur der Brennstoffzelle ermittelt, bevorzugt berechnet. Es kann eine vorteilhaft schnelle Abschätzung der Brennstoffnutzung erreicht werden.
Des Weiteren wird vorgeschlagen, dass die Nernst-Spannung aus zumindest einer Zellspannung und aus zumindest einem Überpotential ermittelt wird. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere zumindest einem Einlernschritt, die Nernst-Spannung aus zumindest einer Zellspannung und aus zumindest einem Überpotential ermittelt. Es kann eine vorteilhaft schnelle und kostengünstige Abschätzung der Brennstoffnutzung erreicht werden.
Ferner wird vorgeschlagen, dass in zumindest einem Verfahrensschritt zumindest ein Überpotential aus thermischen Verlusten ermittelt wird. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere zumindest einem Einlernschritt, zumindest ein Überpotential aus thermischen Verlusten, bevorzugt in der Brennstoffzellenvorrichtung, insbesondere an der Brennstoffzelle und/oder an dem Stack, ermittelt. Es kann eine vorteilhafter geringer Rechenaufwand erreicht werden.
Des Weiteren wird vorgeschlagen, dass in zumindest einem Verfahrensschritt eine Anodengasrezirkulation, ein dem System zugeführter Brenngasstrom, ein dem System zugeführter Stackstrom und/oder eine dem System zugeführte Stackspannung basierend auf der Brennstoffnutzung geregelt wird. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere zumindest einem Regulierschritt, eine Anodengasrezirkulation, ein dem System zugeführter Brenngasstrom, ein dem System zugeführter Stackstrom und/oder eine dem System zugeführte Stackspannung basierend auf der Brennstoffnutzung geregelt. Es kann eine vorteilhafte Brennstoffnutzung über einer Betriebsdauer der Brennstoffzellenvorrichtung gewährleistet werden. Insbesondere kann die Brennstoffzellenvorrichtung vorteilhaft nahe an einem Effizienzoptimum betrieben werden.
Ferner wird vorgeschlagen, dass in dem maschinellen Lernprozess von dem faltenden neuronalen Netzwerk auf Pooling verzichtet wird. Vorzugsweise werden in dem maschinellen Lernprozess von dem faltenden neuronalen Netzwerk Poolingschichten vermieden. Vorzugsweise wird von dem faltenden neuronalen Netzwerk ein Ausgangsvektor ausgegeben mit der gleichen Zeitdimensionalität wie der Eingangsvektor. Es kann ein vorteilhaft genaues maschinelles Lernen erreicht werden. Insbesondere kann der Zeit- und/oder Kostenaufwand für den Einlernschritt vorteilhaft von dem Abfrageschritt getrennt werden.
Des Weiteren wird vorgeschlagen, dass in dem maschinellen Lernprozess eine kausale Faltung von dem faltenden neuronalen Netzwerk durchgeführt wird. Vorzugsweise wird in dem maschinellen Lernprozess von dem faltenden neuronalen Netzwerk zwischen jeder Schicht des neuronalen Netzwerks eine, bevorzugt kausale, Faltung durchgeführt. Vorzugsweise ermittelt das faltende neuronale Netzwerk in dem maschinellen Lernprozess aus dem zumindest einen Eingangsvektor pro kausaler Faltung, bevorzugt pro Schicht des neuronalen Netzwerks, zumindest einen Zwischenvektor, welcher insbesondere unabhängig ist von zukünftigen Zwischenvektoren, und insbesondere von dem Ausgangsvektor. Vorzugsweise wird in dem maschinellen Lernprozess von dem faltenden neuronalen Netzwerk auf Rückkopplungen der Zwischenvektoren oder des zumindest einen Ausgangsvektors verzichtet. Es kann eine vorteilhafte Einhaltung einer Modellordnung für das maschinelle Lernen erreicht werden.
Ferner wird vorgeschlagen, dass in dem maschinellen Lernprozess eine erweiterte kausale Faltung von dem faltenden neuronalen Netzwerk durchgeführt wird. Vorzugsweise wird die kausale Faltung pro kausaler Faltung, bevorzugt pro Schicht des neuronalen Netzwerks, erweitert, bevorzugt um einen Faktor Zwei, insbesondere in Bezug auf die zuletzt durchgeführte kausale Faltung, insbesondere in dem maschinellen Lernen von dem faltenden neuronalen Netzwerk. Vorzugsweise wird in dem maschinellen Lernprozess zumindest eine erweiterte kausale Faltung von dem faltenden neuronalen Netzwerk durchgeführt zu einer Erweiterung eines rezeptiven Felds. Alternativ kann die kausale Faltung exponentiell erhöht werden. Es kann eine vorteilhafte Vergrößerung des rezeptiven Felds des neuronalen Netzwerks erreicht werden, wobei insbesondere ein Rechenaufwand des faltenden neuronalen Netzwerks und/oder eine erreichbare Genauigkeit durch das faltende neuronale Netzwerk zumindest im Wesentlichen gleich bleibt.
Des Weiteren wird vorgeschlagen, dass in zumindest einem Verfahrensschritt der maschinelle Lernprozess mittels eines physikalischen, insbesondere physikalisch-mathematischen, Modells eingelernt wird. Vorzugsweise wird in zumindest einem Einlernschritt, insbesondere in dem zumindest einen Einlernschritt, der maschinelle Lernprozess mittels eines physikalischen, insbesondere physikalisch-mathematischen, Modells, bevorzugt der Brennstoffzellenvorrichtung, eingelernt. Insbesondere ist das physikalische, insbesondere-physikalisch-mathematische, Modell mit Gleichungen beschreibbar. Es kann ein vorteilhaft realitätsnaher Verifizierungsstandard für das maschinelle Lernen erreicht werden.
Ferner wird vorgeschlagen, dass in zumindest einem Verfahrensschritt das physikalische, insbesondere physikalisch-mathematische, Modell mittels Messdaten verifiziert wird. Vorzugsweise wird in zumindest einem Verifizierschritt, insbesondere in dem zumindest einen Verifizierschritt und/oder dem zumindest einen Einlernschritt, das physikalische, insbesondere physikalisch-mathematische, Modell mittels Messdaten verifiziert. Vorzugsweise wird der zumindest eine Verifizierschritt periodisch wiederholt. Es kann ein vorteilhaft schnelles Einlernen des maschinellen Lernprozesses erreicht werden. Insbesondere kann von dem faltenden neuronalen Netzwerk durch vorteilhaft wenige Schichten, insbesondere durch vorteilhaft wenige Faltungen, zumindest ein Ausgangsvektor erreicht werden, welcher vorteilhaft genau aus den Einträgen des Eingangsvektors zumindest eine Brenngasmolekülkonzentration ermittelt, bevorzugt abschätzt.
Des Weiteren wird vorgeschlagen, dass der maschinelle Lernprozess durch zumindest einen Hyperparameter verifiziert wird. Vorzugsweise wird in dem maschinellen Lernprozess, insbesondere in dem zumindest einen Verifizierschritt, eine bedingte Wahrscheinlichkeitsverteilung, insbesondere zu einer Maximum-Likelihood-Schätzung, verwendet. Vorzugsweise wird in dem maschinellen Lernprozess, insbesondere in dem zumindest einen Verifizierschritt, durch den zumindest einen Hyperparameter eine Überanpassung oder eine Unteranpassung erkannt. Vorzugsweise wird in dem maschinellen Lernprozess, insbesondere in dem zumindest einen Verifizierschritt, zumindest eine Softmax-Funktion ausgegeben. Es kann ein vorteilhaft fehlerbereinigter maschineller Lernprozess erreicht werden. Es kann eine vorteilhaft frühzeitige Erkennung eines falschen, insbesondere ungewollten, Lernmusters erreicht werden.
Darüber hinaus wird eine Brennstoffzellenvorrichtung mit einer Recheneinheit zu einer Durchführung eines erfindungsgemäßen Verfahrens vorgeschlagen.
Unter einer „Recheneinheit“ soll insbesondere eine Einheit verstanden werden, die von einer Auswerteeinheit und/oder einer Kontrolleinheit gebildet sein kann, wobei die Recheneinheit sowohl von einem Prozessor allein als auch insbesondere von einem Prozessor und weiteren Elektronikbauteilen, wie beispielsweise einem Speichermittel, gebildet sein kann. Vorzugsweise ist die Recheneinheit zumindest als Teil, insbesondere Unterbaugruppe, eines Computers, eines Servers, eines Cloud-Speichers, und/oder eines Mobilgeräts, wie beispielsweise eines Smartphones oder eines Tablets, ausgebildet. Die Recheneinheit kann zumindest als Teil mehrerer Geräte ausgebildet sein. Die Recheneinheit kann als zumindest ein vollständiges Gerät, wie beispielsweise ein Computer, ausgebildet sein. Vorzugsweise ist die Recheneinheit räumlich beabstandet von dem faltenden neuronalen Netzwerk angeordnet. Alternativ kann das faltende neuronale Netzwerk als Teil der Recheneinheit ausgebildet sein. Vorzugsweise ist das faltende neuronale Netzwerk über ein Internet mit der Recheneinheit, insbesondere zu einer Datenübertragung, verbunden. Alternativ kann das faltende neuronale Netzwerk lokal mit der Recheneinheit, insbesondere zu einer Datenübertragung, verbunden sein, beispielsweise über ein Ethernet-Netzwerkkabel oder ein Glasfaser-Netzwerkkabel.
Vorzugsweise umfasst die Brennstoffzellenvorrichtung zumindest eine Reformereinheit. Unter einer „Reformereinheit“ soll in diesem Zusammenhang insbesondere eine chemisch-technische Einheit zu zumindest einer Aufbereitung zumindest eines kohlenwasserstoffhaltigen Brenngases, insbesondere eines Erdgases, insbesondere durch eine Dampfreformierung, durch eine partielle Oxidation, durch eine autotherme Reformierung und/oder durch eine Kombination einer Dampfreformierung mit einer CO₂-Trockenreformierung, insbesondere zur Aufbereitung des zumindest einen Brenngases, insbesondere Wasserstoff, und/oder zum Aufbrechen höherkettiger Alkene verstanden werden. Vorzugsweise weist das Brenngas zumindest Anteile an CH₄-, an CO-, an CO₂-, an H₂-, an H₂O- und/oder an N₂ auf, bevorzugt zumindest nach einer Reformierung, insbesondere strömungstechnisch. Vorzugsweise ist die Reformereinheit dazu vorgesehen, das Brenngas, welches bevorzugt langkettige Kohlenwasserstoffe aufweist, in ein wasserstoffreiches Gas, insbesondere Gasgemisch, umzuwandeln.
Vorzugsweise umfasst die Brennstoffzellenvorrichtung zumindest einen Wechselrichter. Unter einem „Wechselrichter“ soll in diesem Zusammenhang insbesondere eine elektronische Einheit verstanden werden, welche zu einer Einspeisung der von der Brennstoffzelleneinheit erzeugten elektrischen Leistung in ein elektrisches Netz dazu vorgesehen ist, eine von der Brennstoffzelleneinheit bereitgestellte elektrische Gleichspannung in eine elektrische Wechselspannung zu wandeln. Unter einem „elektrischen Netz“ soll in diesem Zusammenhang insbesondere ein Wechselspannungsnetz, beispielsweise ein Wechselspannungsnetz eines Energieversorgungsunternehmens und/oder ein Hausnetz, verstanden werden.
Vorzugsweise umfasst die Brennstoffzellenvorrichtung zumindest eine Brennstoffzelle, insbesondere zumindest eine Festoxidbrennstoffzelle. Vorzugsweise umfasst die zumindest eine Brennstoffzellenvorrichtung eine Vielzahl von Brennstoffzellen, bevorzugt Festoxidbrennstoffzellen, welche insbesondere in einem Brennstoffzellenstack angeordnet sind.
Vorzugsweise ist die zumindest eine Brennstoffzelle, insbesondere der Brennstoffzellenstack, mit einer Luftversorgungsleitung verbunden. In die Luftversorgungsleitung kann eine Ventilationseinheit integriert sein, insbesondere zu einem Generieren eines definierten Luftstroms. Die Brennstoffzellenvorrichtung kann zumindest einen Lufttank umfassen. Die zumindest eine Brennstoffzelle, insbesondere der Brennstoffzellenstack, kann über die Luftversorgungsleitung mit dem Lufttank und/oder einer Umgebungsluft verbunden sein. Vorzugsweise ist die zumindest eine Brennstoffzelle, insbesondere der Brennstoffzellenstack, mit einer Brenngasleitung verbunden. Vorzugsweise versorgt die Brenngasleitung die zumindest eine Brennstoffzelle, insbesondere den Brennstoffzellenstack, mit Brenngas, insbesondere aus zumindest einem Brenngasreservoir. Die Brennstoffzellenvorrichtung kann das zumindest eine Brenngasreservoir umfassen. Vorzugsweise ist die Reformereinheit in die Brenngasleitung intergiert. Vorzugsweise ist die zumindest eine Brennstoffzelle, insbesondere der Brennstoffzellenstack, mit zumindest einer, bevorzugt zumindest zwei, Abgasleitung/en verbunden, insbesondere zu einer Ableitung von Brenngas und/oder Luft. Vorzugsweise findet eine elektrochemische Umwandlung des Brenngases an der Brennstoffzelle, insbesondere an dem Stack, statt. Vorzugsweise ist die zumindest eine Brennstoffzelle, insbesondere der Brennstoffzellenstack, über die Abgasleitung und über eine Rezirkulierungsleitung mit der Brenngasleitung verbunden, insbesondere strömungstechnisch vor der Reformereinheit, insbesondere zu einem Rezirkulieren von Brenngas. In die Abgasleitung kann eine Verbrennereinheit integriert sein, insbesondere zu einem Verbrennen von Brennstoffrückständen.
Der Wechselrichter ist vorzugsweise elektrisch mit der zumindest einen Brennstoffzelle, bevorzugt dem Brennstoffzellenstack, verbunden. Vorzugsweise ist der Wechselrichter mit einer elektrischen Schnittstelle verbunden, insbesondere zu einem Bereitstellen von elektrischer Leistung.
Vorzugsweise ist die Recheneinheit mit dem faltenden neuronalen Netzwerk, insbesondere über das Internet, verbunden. Es kann ein vorteilhaft genaues Einlernen des faltenden neuronalen Netzwerks und insbesondere darauf basierend ein vorteilhaft schnell und/oder genau steuerbarer und/oder regelbarer Betrieb der Brennstoffzellenvorrichtung, bevorzugt des Brennstoffzellensystems, erreicht werden.
Das erfindungsgemäße Verfahren und/oder die erfindungsgemäße Brennstoffzellenvorrichtung soll/sollen hierbei nicht auf die oben beschriebene Anwendung und Ausführungsform beschränkt sein. Insbesondere kann/können das erfindungsgemäße Verfahren und/oder die erfindungsgemäße Brennstoffzellenvorrichtung zu einer Erfüllung einer hierin beschriebenen Funktionsweise eine von einer hierin genannten Anzahl von einzelnen Elementen, Bauteilen und Einheiten sowie Verfahrensschritten abweichende Anzahl aufweisen. Zudem sollen bei den in dieser Offenbarung angegebenen Wertebereichen auch innerhalb der genannten Grenzen liegende Werte als offenbart und als beliebig einsetzbar gelten.
Figurenliste
Weitere Vorteile ergeben sich aus der folgenden Zeichnungsbeschreibung. In der Zeichnung ist ein Ausführungsbeispiel der Erfindung dargestellt. Die Zeichnung, die Beschreibung und die Ansprüche enthalten zahlreiche Merkmale in Kombination. Der Fachmann wird die Merkmale zweckmäßigerweise auch einzeln betrachten und zu sinnvollen weiteren Kombinationen zusammenfassen.
Es zeigen:

1 eine erfindungsgemäße Brennstoffzellenvorrichtung in einer schematischen Darstellung und
2 ein erfindungsgemäßes Verfahren in einer schematischen Darstellung.

Beschreibung des Ausführungsbeispiels
1 zeigt eine schematische Darstellung eines Brennstoffzellensystems 50. Das Brennstoffzellensystem 50 umfasst eine Brennstoffzellenvorrichtung 10. Die Brennstoffzellenvorrichtung 10a weist eine Brennstoffzelle 16, bevorzugt einen Brennstoffzellenstack 18, auf, welche insbesondere zu einem Erzeugen von elektrischer Energie vorgesehen ist. Ein Brennstoffzellenstack 18 umfasst üblicherweise eine Vielzahl an Brennstoffzellen 16. Vereinfacht wird im Folgenden jedoch auf eine Brennstoffzelle 16 eingegangen, wobei insbesondere das Funktionsprinzip analog auf einen entsprechenden Brennstoffzellenstack 18 erweiterbar ist. Die Brennstoffzelle 16 ist insbesondere eine Festoxidbrennstoffzelle.
Das Brennstoffzellensystem 50, insbesondere die Brennstoffzellenvorrichtung 10, ist dazu vorgesehen, mit einem Brenngas, beispielsweise Erdgas, betrieben zu werden.
Das Brennstoffzellensystem 50 umfasst eine Recheneinheit 12. Die Recheneinheit 12 ist als eine Computereinheit, beispielsweise an einem Steuerpult, zu einer Steuerung und/oder Regelung der Brennstoffzellevorrichtung ausgebildet. Die Recheneinheit 12 ist als Teil mehrerer Endgeräte ausgebildet. Insbesondere ist die Recheneinheit 12 teilweise als Teil eines Smartphones ausgebildet zu einer mobilen Überwachung eines Betriebs der Brennstoffzellenvorrichtung 10.
Das Brennstoffzellensystem 50 kann ein faltendes neuronales Netzwerk 14 aufweisen, insbesondere zu einem Durchführen eines maschinellen Lernprozesses 44 (vgl. 2). Das faltende neuronale Netzwerk 14 ist mit einem schematischen Wolkensymbol dargestellt. Vorzugsweise ist die Recheneinheit 12 räumlich beabstandet von dem faltenden neuronalen Netzwerk 14 angeordnet. Alternativ kann das faltende neuronale Netzwerk 14 als Teil der Recheneinheit 12 ausgebildet sein.
Das faltende neuronale Netzwerk 14 ist über ein Internet mit der Recheneinheit 12, insbesondere zu einer Datenübertragung, verbunden. Alternativ kann das faltende neuronale Netzwerk 14 lokal mit der Recheneinheit 12, insbesondere zu einer Datenübertragung, lokal verbunden sein, beispielsweise über ein Ethernet-Netzwerkkabel und/oder ein Glasfaser-Netzwerkkabel.
Die Brennstoffzelle 16 ist mit einer Luftversorgungsleitung 22 verbunden. In die Luftversorgungsleitung 22 kann eine Ventilationseinheit 24, insbesondere Verdichtereinheit, integriert sein, insbesondere zu einem Generieren eines definierten Luftstroms, bevorzugt zu der Brennstoffzelle 16. Vor Eintritt in die Brennstoffzelle 16 kann der Luftstrom mittels eines Wärmeübertragers erwärmt werden.
Das Brennstoffzellensystem 50, insbesondere die Brennstoffzellenvorrichtung 10, kann einen Lufttank 26 umfassen. Die Brennstoffzelle 16 kann über die Luftversorgungsleitung 22 mit dem Lufttank 26 und/oder einer Umgebungsluft verbunden sein.
Die Brennstoffzelle 16 ist mit einer Brenngasleitung 28 verbunden. Die Brenngasleitung 28 versorgt die Brennstoffzelle 16, insbesondere den Brennstoffzellenstack 18, mit Brenngas, insbesondere aus zumindest einem Brenngasreservoir 30 und/oder über einen Anschluss an eine Erdgasleitung. Das Brennstoffzellensystem 50, insbesondere die Brennstoffzellenvorrichtung 10, kann das Brenngasreservoir 30 umfassen. In die Brenngasleitung 28 kann eine weitere Ventilationseinheit 32, insbesondere eine weitere Verdichtereinheit, integriert sein, insbesondere zu einem Generieren eines definierten Luftstroms, bevorzugt zu der Brennstoffzelle 16.
Die Brennstoffzellenvorrichtung 10 umfasst eine Reformereinheit 34, insbesondere zu einer Reformierung des Brenngases. Die Reformereinheit 34 ist in die Brenngasleitung 28 intergiert.
Die Brennstoffzellenvorrichtung 10 kann eine, insbesondere der Brennstoffzelle 16 und/oder der Reformereinheit 34 strömungstechnisch vorgeschaltete Entschwefelungseinheit aufweisen. Die Entschwefelungseinheit ist dazu vorgesehen, den Brennstoff zumindest teilweise zu entschwefeln.
Die Brennstoffzelle 16 ist mit zwei Abgasleitungen 36, 38 verbunden, insbesondere zu einer Ableitung von Brenngas und/oder Luft, insbesondere zu einer Verbrennereinheit 40, insbesondere Nachbrennereinheit.
Die Verbrennereinheit 40 ist der Brennstoffzelle 16 strömungstechnisch nachgeschaltet. Die Verbrennereinheit 40 kann jeweils teilweise in die Abgasleitungen 36, 38 integriert sein, insbesondere zu einem Verbrennen von Brennstoffrückständen, insbesondere von nicht umgesetztem Wasserstoff. Ein Abgas der Verbrennereinheit 40 wird aus dem Brennstoffzellensystem 50 ausgeleitet.
Die Brennstoffzelle 16 ist über die Abgasleitung 38 und über eine Rezirkulierungsleitung 42 mit der Brenngasleitung 28 verbunden, insbesondere zu einem Rezirkulieren von Brenngas, insbesondere strömungstechnisch vor die Reformereinheit 34.
Die Rezirkulierungsleitung 42 ist insbesondere dazu vorgesehen, ein Abgas, insbesondere Anodenabgas, der Brennstoffzelle 16 zumindest teilweise zur Vermischung mit dem Brenngas zurückzuführen. Innerhalb der Rezirkulierungsleitung 42 kann eine Ventilationseinheit 24, insbesondere Verdichtereinheit, angeordnet sein.
Die Brennstoffzelle 16 wird von Luft und dem Brenngas jeweils zumindest teilweise durchströmt. Die Brennstoffzelle 16 weist eine Anode und eine Kathode auf. Der Anode wird während eines Betriebs der Brennstoffzelle 16 das Brenngas zugeführt. Der Kathode wird während eines Betriebs der Brennstoffzelle 16 Luft, insbesondere Luftsauerstoff, zugeführt.
Die Brennstoffzellenvorrichtung 10 umfasst einen Wechselrichter 20, insbesondere zu einer Einspeisung der von der Brennstoffzelle 16 erzeugten elektrischen Leistung in ein elektrisches Netz 48 und insbesondere zu einer Umformung der erzeugten elektrischen Energie der Brennstoffzelle 16. Der Wechselrichter 20 ist elektrisch mit der Brennstoffzelle 16, bevorzugt dem Brennstoffzellenstack 18, verbunden. Vorzugsweise ist der Wechselrichter 20 mit einer elektrischen Schnittstelle des elektrischen Netzes 48 verbunden, insbesondere zu einem Bereitstellen der erzeugten elektrischen Leistung.
Die Recheneinheit 12 ist insbesondere zu einer Durchführung eines in 2 gezeigten Verfahrens vorgesehen.
2 zeigt schematisch ein Verfahren zu einer Betriebsüberwachung der Brennstoffzellenvorrichtung 10.
In zumindest einem Verfahrensschritt, insbesondere einem Einlernschritt 52, wird das faltende neuronale Netzwerk 14 für den maschinellen Lernprozess 44 verwendet. In zumindest einem Verfahrensschritt, insbesondere dem Einlernschritt 52, bevorzugt in dem maschinellen Lernprozess 44, wird zumindest eine kausale Faltung von dem faltenden neuronalen Netzwerk 14 durchgeführt. In zumindest einem Verfahrensschritt, insbesondere dem Einlernschritt 52, bevorzugt in dem maschinellen Lernprozess 44, wird der maschinelle Lernprozess 44 mittels eines physikalischen Modells eingelernt. In zumindest einem Verfahrensschritt, insbesondere dem Einlernschritt 52, bevorzugt in dem maschinellen Lernprozess 44, wird der maschinelle Lernprozess 44 mittels eines physikalisch-mathematischen Modells eingelernt. In zumindest einem Verfahrensschritt, insbesondere dem Einlernschritt 52, bevorzugt in dem maschinellen Lernprozess 44, wird von dem faltenden neuronalen Netzwerk 14 auf Pooling verzichtet.
In zumindest einem Verfahrensschritt, insbesondere einem Verifizierschritt 54, bevorzugt in dem maschinellen Lernprozess 44, wird das physikalische, bevorzugt das physikalisch-mathematische, Modell mittels Messdaten, bevorzugt von der Brennstoffzellenvorrichtung 10, insbesondere gemessenen Überpotentiale, Stacktemperaturen, Brennstoffzelltemperaturen, Stromstärken der Brennstoffzelle 16, Flussraten und/oder Konzentrationen von Gasen des Brenngases wie beispielsweise von CH₄, CO, CO₂, H₂, H₂O und/oder N₂ verifiziert. In zumindest einem Verfahrensschritt, insbesondere dem Verifizierschritt 54, insbesondere in dem maschinellen Lernprozess 44, wird der maschinelle Lernprozess 44 durch zumindest einen Hyperparameter verifiziert.
Der maschinelle Lernprozess 44 wird insbesondere von dem zumindest einen Einlernschritt 52 und dem zumindest einen Verifizierschritt 54 gebildet.
In zumindest einem Verfahrensschritt, insbesondere dem zumindest einen Einlernschritt 52, wird zumindest ein Überpotential aus thermischen Verlusten, bevorzugt in der Brennstoffzellenvorrichtung 10, insbesondere an der Brennstoffzelle 16 und/oder an dem Stack, ermittelt. In zumindest einem Verfahrensschritt, insbesondere zumindest einem Einlernschritt 52, wird die Nernst-Spannung aus zumindest einer Zellspannung und aus zumindest einem Überpotential ermittelt. In zumindest einem Verfahrensschritt kann die Nernst-Spannung zumindest einer Brennstoffzelle 16 aus einer Spannung der Brennstoffzelle 16 und einer Temperatur der Brennstoffzelle 16 ermittelt, bevorzugt berechnet, werden.
In zumindest einem Verfahrensschritt, insbesondere dem Verifizierschritt 54 und/oder dem Einlernschritt 52, insbesondere in dem maschinellen Lernprozess 44, wird das faltende neuronale Netzwerk 14 mit Eingabevektoren verschiedener Zeitpunkte eines Betriebs der Brennstoffzellenvorrichtung 10 versorgt.
In zumindest einem Verfahrensschritt, insbesondere dem Verifizierschritt 54 und/oder dem Einlernschritt 52, insbesondere in dem maschinellen Lernprozess 44, lernt das faltende neuronale Netzwerk 14 einen Ausgabevektor auszugeben, welcher auf dem zumindest einen Eingabevektor basiert. Der Ausgabevektor beinhaltet zumindest einen Eintrag für eine Brennstoffnutzung einer Brennstoffzelle 16 und/oder eines Stacks. Der Eingabevektor beinhaltet zumindest einen Eintrag für eine Nernst-Spannung einer Brennstoffzelle 16 und/oder eines Stacks.
In zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt 56, wird an das faltende neuronale Netzwerk 14 zumindest ein Eingabevektor übermittelt, welcher einen Eintrag umfasst für zumindest eine Nernst-Spannung der Brennstoffzellenvorrichtung 10, bevorzugt der Brennstoffzelle 16, insbesondere des Stacks.
In zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt 56, wird von dem faltenden neuronalen Netzwerk 14 zumindest ein Ausgabevektor ausgegeben, welcher Einträge umfasst für eine Brennstoffnutzung, welche aus der zumindest einen Nernst-Spannung, durch das faltende neuronale Netzwerk 14 ermittelt wurde, bevorzugt an jedem Zeitpunkt, an welchem entsprechende Werte gemessen werden können.
In zumindest einem Verfahrensschritt, insbesondere einem Abfrageschritt 56, wird ein Eingabevektor an das faltende neuronale Netzwerk 14 übermittelt, insbesondere zu einem Verarbeiten zumindest eines Eingabeparameters des Eingabevektors zu einer Ausgabe eines Ausgabevektors. Eingabeparameter sind insbesondere Einträge des Eingabevektors. Der zumindest eine Abfrageschritt 56 wird zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvorrichtung 10 periodisch wiederholt.
In zumindest einem Verfahrensschritt, insbesondere dem Abfrageschritt 56, wird zumindest eine Brennstoffnutzung, bevorzugt die Brennstoffnutzung der Brennstoffzellenvorrichtung 10, auf dem maschinellen Lernprozess 44 basierend ermittelt.
In zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt 56, wird zumindest eine Brennstoffnutzung aus zumindest einer Nernst-Spannung auf dem maschinellen Lernprozess 44 basierend ermittelt.
Der zumindest eine Abfrageschritt 56 wird nach zumindest einem Einlernschritt 52 und/oder nach zumindest einem Verifizierschritt 54 durchgeführt. Der zumindest eine Abfrageschritt 56 kann von dem maschinellen Lernprozess 44 zu einer Verbesserung des maschinellen Lernprozesses 44 verarbeitet werden.
In zumindest einem Verfahrensschritt, insbesondere dem Abfrageschritt 56, wird die zumindest eine Brennstoffnutzung, bevorzugt ein Ausgabevektor, durch das faltende neuronale Netzwerk 14 in Echtzeit ermittelt, bevorzugt ausgegeben.
In zumindest einem Verfahrensschritt, insbesondere einem Regulierschritt 58, wird die Brennstoffnutzung zu einer Betriebsüberwachung verwendet, bevorzugt zu einer Steuerung und/oder Regelung der Brennstoffzellenvorrichtung 10, insbesondere des Brennstoffzellensystems 50, bevorzugt in Echtzeit.
Vorzugsweise wird der zumindest eine Regulierschritt 58 nach dem zumindest einen Abfrageschritt 56 durchgeführt.
Vorzugsweise wird der zumindest eine Abfrageschritt 56 und/oder der zumindest eine Regulierschritt 58 nach dem maschinellen Lernprozess 44, insbesondere nach dem Einlernschritt 52 und/oder nach dem Verifizierschritt 54, durchgeführt.
Der zumindest eine Regulierschritt 58 wird zu einer Betriebsüberwachung der Brennstoffzellenvorrichtung 10 periodisch wiederholt. Zumindest ein Abfrageschritt 56 wird gekoppelt mit zumindest einem Regulierschritt 58 zu einer Betriebsüberwachung der Brennstoffzellenvorrichtung 10 durchgeführt und insbesondere periodisch wiederholt.
In zumindest einem Verfahrensschritt, insbesondere dem Regulierschritt 58, wird aus einem Ausgabevektor die Brennstoffnutzung ermittelt. In zumindest einem Verfahrensschritt, insbesondere dem Regulierschritt 58, wird aus einem Ausgabevektor die Brennstoffnutzung an einem Messpunkt 60 in der Brennstoffzelle 16 ermittelt.
In zumindest einem Verfahrensschritt, insbesondere dem Regulierschritt 58, kann alternativ aus einem Ausgabevektor eine Brennstoffnutzung in Bezug zu einem Sauerstoff-zu-Kohlenstoff-Verhältnis gesetzt werden, insbesondere an einem Messpunkt 46 strömungstechnisch vor der Reformereinheit 34 oder an einem Messpunkt 47 nach der Reformereinheit 34 ermittelt. Der Messpunkt 46 und/oder der Messpunkt 47 sind/ist strömungstechnisch vor der Brennstoffzelle 16 angeordnet.
In zumindest einem Verfahrensschritt, insbesondere zumindest einem Regulierschritt 58, wird eine Anodengasrezirkulation, ein dem System zugeführter Brenngasstrom, ein dem System zugeführter Stackstrom und/oder eine dem System zugeführte Stackspannung basierend auf der, insbesondere online ermittelten, Brennstoffnutzung geregelt.
In einem Verfahrensschritt kann ein Überpotential mittels physikalischer Gesetze, beispielsweise mittels Ohm'scher Gesetze und/oder mittels einer Butler-Vollmer-Gleichung, ermittelt werden, insbesondere in Abhängigkeit eines Stroms der Brennstoffzelle, insbesondere des Stacks, bevorzugt des von der Brennstoffzelle oder des von dem Stack erzeugten Stroms. In einem Verfahrensschritt kann ein Überpotential mittels Massen und/oder Energieerhaltung ermittelt werden. In einem Verfahrensschritt kann die Nernst-Spannung mittels einer Nernst-Gleichung ermittelt werden. In einem Verfahrensschritt kann die Brennstoffnutzung mittels Nernst-Spannung und Temperatur der Brennstoffzelle, bevorzugt des Stacks, ermittelt werden. In einem Verfahrensschritt kann eine Spannung einer Brennstoffzelle mittels der Nernst-Spannung und einem Überpotential, insbesondere mittels Subtraktion des Überpotentials von der Nernst-Spannung, ermittelt werden, insbesondere für einen bestimmten Operationspunkt. Die Überpotentiale können aus den physikalischen Gesetzen in Abhängigkeit des Stackstroms, insbesondere des vom Stack erzeugten Stroms.

Claims

Verfahren zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvorrichtung (10), wobei in zumindest einem Verfahrensschritt eine Brennstoffnutzung auf einem maschinellen Lernprozess (44) basierend ermittelt wird zu einer Regelung der Brennstoffnutzung, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt ein faltendes neuronales Netzwerk (14) für den maschinellen Lernprozess (44) verwendet wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt die Brennstoffnutzung durch das faltende neuronale Netzwerk (14) in Echtzeit ermittelt wird.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt die Brennstoffnutzung aus einer Nernst-Spannung ermittelt wird.
Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Nernst-Spannung aus zumindest einer Zellspannung und zumindest einem Überpotential ermittelt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt zumindest ein Überpotential aus thermischen Verlusten ermittelt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt eine Anodengasrezirkulation, ein dem System zugeführter Brenngasstrom, ein dem System zugeführter Stackstrom und/oder eine dem System zugeführte Stackspannung basierend auf der Brennstoffnutzung geregelt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in dem maschinellen Lernprozess (44) von dem faltenden neuronalen Netzwerk (14) auf Pooling verzichtet wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in dem maschinellen Lernprozess (44) eine kausale Faltung von dem faltenden neuronalen Netzwerk (14) durchgeführt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in dem maschinellen Lernprozess (44) eine erweiterte kausale Faltung von dem faltenden neuronalen Netzwerk (14) durchgeführt wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt der maschinelle Lernprozess (44) mittels eines physikalischen Modells eingelernt wird.
Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt das physikalische Modell mittels Messdaten verifiziert wird.
Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der maschinelle Lernprozess (44) durch zumindest einen Hyperparameter verifiziert wird.
Brennstoffzellenvorrichtung mit einer Recheneinheit (12) zu einer Durchführung eines Verfahrens nach einem der Ansprüche 1 bis 12.