SOFC电池/电堆使用寿命的预测方法、装置、计算机和存储介质制造方法及图纸

本发明专利技术公开了一种SOFC电池/电堆使用寿命的预测方法，包括：获取SOFC电池/电堆样品在不同加速应力水平条件下加速应力试验后得到的的寿命数据，获取所述SOFC电池/电堆样品的物理信息，进行加速应力试验的SOFC电池/电堆样品的微结构和几何尺寸一致；通过所述SOFC电池/电堆样品的应力试验数据和物理信息对初始人工神经网络模型进行训练得到SOFC电池/电堆寿命预测人工神经网络模型；获取待测SOFC电池/电堆常规使用应力水平和初始物理信息，将所述待测样品的常规使用应力水平和初始物理信息输入至所述SOFC电池/电堆寿命预测人工神经网络模型中得到所述待测SOFC电池/电堆的预期使用寿命。本发明专利技术提高SOFC电池/电堆寿命的预测精度，还可以使用于其它SOFC电池/电堆产品的寿命快速预测。品的寿命快速预测。品的寿命快速预测。

【技术实现步骤摘要】
SOFC电池/电堆使用寿命的预测方法、装置、计算机和存储介质


[0001]本专利技术属于软件
，尤其涉及一种SOFC电池/电堆使用寿命的预测方法、装置、计算机和存储介质。

技术介绍

[0002]固体氧化物燃料电池(Solid Oxide Fuel Cells，SOFC)将氢气或者碳氢燃料的化学能直接转化为电能，不受卡诺循环限制，具有发电效率高、无需贵金属作催化剂、燃料适应性广、污染小等诸多优点，被广泛认为是一种极具应用前景的绿色发电技术。SOFC可用于分布式发电、热电联供、交通动力电源、数据中心电源以及其它许多领域。
[0003]SOFC发电系统设计使用寿命一般在数万～十万小时，进行实时的长时间寿命测试周期长、成本高，不利于SOFC产品研发和升级换代。学术界提出基于加速应力测试(Accelerated Stress Tests，AST)的方法来对SOFC产品寿命进行加速寿命评估。SOFC加速应力测试主要让SOFC在比常规使用条件更苛刻的条件下(高运行温度、高电流密度、高频率冷热循环等)运行，加速产品性能衰减或者失效，通过建立加速测试寿命和常规测试寿命之间的函数(经验)模型，利用加速测试寿命快速预测常规条件SOFC的使用寿命。
[0004]目前针对SOFC加速应力测试的专利主要是关于加速测试规程，而且只考察单一应力条件，然而SOFC产品在实际使用过程中，运行条件复杂多变，单一条件的加速应力测试，不能很好地反应SOFC产品在实际使用寿命情况。常见的单应力加速测试已经在电子产品和机械装备寿命快速评估得到应用，已经发展了相应成熟的模型，例如，阿伦尼乌斯(Arrhenius)模型、艾林(Eyring)模型、逆幂律模型等，然而在SOFC多应力加速测试过程中，不同应力具有相互作用和叠加效应，尚没有成熟的针对SOFC的多应力加速寿命测试的数学模型。此外，SOFC电池/电堆的使用寿命除了和运行条件相关之外，电池电堆的初始微结构、几何构型以及初始的电化学健康状态等诸多物理信息相关。

技术实现思路

[0005]本专利技术实施例提供一种SOFC电池/电堆使用寿命的预测方法，包括：
[0006]获取SOFC电池/电堆样品在不同加速应力水平条件下加速应力试验后得到的的寿命数据，其中，加速应力水平参数包括：电池/电堆运行温度T，电流密度I和冷热循环次数C；
[0007]获取所述SOFC电池/电堆样品的物理信息，其中，所述物理信息包括：开路电压欧姆阻抗极化阻抗进行加速应力试验的SOFC电池/电堆样品的微结构和几何尺寸一致；
[0008]通过所述SOFC电池/电堆样品的应力试验数据和物理信息对初始人工神经网络模型进行训练得到SOFC电池/电堆寿命预测人工神经网络模型；
[0009]获取待测SOFC电池/电堆常规使用应力水平和初始物理信息，将所述待测样品的常规使用应力水平和初始物理信息输入至所述SOFC电池/电堆寿命预测人工神经网络模型
中得到所述待测SOFC电池/电堆的预期使用寿命。
[0010]进一步地，还包括：
[0011]将所述SOFC电池/电堆样品的加速应力试验的加速应力水平参数和物理信息做归一化处理后作为所述初始人工神经网络模型的输入特征；
[0012]获取SOFC电池/电堆样品在不同应力水平条件下加速应力试验的寿命均值和方差，并作为所述初始人工神经网络模型的输出特征；
[0013]利用反向扩展算法进行人工神经网络训练得到寿命预测模型。
[0014]进一步地，获取SOFC电池/电堆样品在不同加速应力水平条件下加速应力试验后得到的寿命数据，包括：
[0015]获取SOFC电池/电堆样品加速应力试验的加速应力参数，包括电池/电堆运行温度T、电流密度I和冷热循环次数C。每个应力确定l个不同应力水平为:T1<T2<
…
<T
l
，I1<I2<
…
<I
l
，C1<C2<
…
<C
l
。每次应力加速测试，取不同应力水平的三个应力组合S
i
进行进行测试，一共有m＝l3种不同应力组合{S1,S2,S
i
,
…
,S
m
}，其中1≤i≤m。
[0016]进一步地，还包括：
[0017]获取所述SOFC电池/电堆样品的V
‑
I和EIS测试分析数据；
[0018]对所述SOFC电池/电堆样品的V
‑
I和EIS测试数据进行分析得到开路电压欧姆阻抗极化阻抗
[0019]进一步地，还包括：
[0020]获取SEM分析得到的同批次SOFC电池/电堆的微结构特征和宏观尺寸几何信息，以得到微结构特征和宏观尺寸几何信息在预设范围内一致的SOFC电池/电堆样品。
[0021]一种SOFC电池/电堆使用寿命的预测装置，包括：
[0022]获取模块，获取SOFC电池/电堆样品在不同加速应力水平条件下加速应力试验后得到的的寿命数据，其中，加速应力水平参数包括：电池/电堆运行温度T，电流密度I和冷热循环次数C；
[0023]所述获取模块，用于获取所述SOFC电池/电堆样品的物理信息，其中，所述物理信息包括：开路电压欧姆阻抗极化阻抗进行加速应力试验的SOFC电池/电堆样品的微结构和几何尺寸一致；
[0024]处理模块，用于通过所述SOFC电池/电堆样品的应力试验数据和物理信息对初始人工神经网络模型进行训练得到SOFC电池/电堆寿命预测人工神经网络模型；
[0025]执行模块，用于获取待测SOFC电池/电堆常规使用应力水平和初始物理信息，将所述待测样品的常规使用应力水平和初始物理信息输入至所述SOFC电池/电堆寿命预测人工神经网络模型中得到所述待测SOFC电池/电堆的预期使用寿命。
[0026]进一步地，还包括：
[0027]第一处理子模块，用于将所述SOFC电池/电堆样品的加速应力试验的加速应力水平参数和物理信息做归一化处理后作为所述初始人工神经网络模型的输入特征；
[0028]第一获取子模块，获取SOFC电池/电堆样品在不同应力水平条件下加速应力试验的寿命均值和方差，并作为所述初始人工神经网络模型的输出特征；
[0029]第一执行子模块，利用反向扩展算法进行人工神经网络训练得到寿命预测模型。
[0030]进一步地，所述获取模块包括：
[0031]第二获取子模块，用于获取SOFC电池/电堆样品加速应力试验的加速应力参数，包括电池/电堆运行温度T、电流密度I和冷热循环次数C。每个应力确定l个不同应力水平为:T1<T2<
…
<T
l
，I1&lt;I2&lt;<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种SOFC电池/电堆使用寿命的预测方法，其特征在于，包括：获取SOFC电池/电堆样品在不同加速应力水平条件下加速应力试验后得到的的寿命数据，其中，加速应力水平参数包括：电池/电堆运行温度T，电流密度I和冷热循环次数C；获取所述SOFC电池/电堆样品的物理信息，其中，所述物理信息包括：开路电压V
iocv
、欧姆阻抗极化阻抗进行加速应力试验的SOFC电池/电堆样品的微结构和几何尺寸一致；通过所述SOFC电池/电堆样品的应力试验数据和物理信息对初始人工神经网络模型进行训练得到SOFC电池/电堆寿命预测人工神经网络模型；获取待测SOFC电池/电堆常规使用应力水平和初始物理信息，将所述待测样品的常规使用应力水平和初始物理信息输入至所述SOFC电池/电堆寿命预测人工神经网络模型中得到所述待测SOFC电池/电堆的预期使用寿命。2.根据权利要求1所述的预测方法，其特征在于，还包括：将所述SOFC电池/电堆样品的加速应力试验的加速应力水平参数和物理信息做归一化处理后作为所述初始人工神经网络模型的输入特征；获取SOFC电池/电堆样品在不同应力水平条件下加速应力试验的寿命均值和方差，并作为所述初始人工神经网络模型的输出特征；利用反向扩展算法进行人工神经网络训练得到寿命预测模型。3.根据权利要求1所述的预测方法，其特征在于，获取SOFC电池/电堆样品在不同加速应力水平条件下加速应力试验后得到的寿命数据，包括：获取SOFC电池/电堆样品加速应力试验的加速应力参数，包括电池/电堆运行温度T、电流密度I和冷热循环次数C。每个应力确定l个不同应力水平为:T1&lt;T2&lt;
…
&lt;T
l
，I1&lt;I2&lt;
…
&lt;I
l
，C1&lt;C2&lt;
…
&lt;C
l
。每次应力加速测试，取不同应力水平的三个应力组合S
i
进行进行测试，一共有m＝l3种不同应力组合{S1,S2,S
i
,
…
,S
m
}，其中1≤i≤m。4.根据权利要求1所述的预测方法，其特征在于，还包括：获取所述SOFC电池/电堆样品的V
‑
I和EIS测试分析数据；对所述SOFC电池/电堆样品的V
‑
I和EIS测试数据进行分析得到开路电压V
iocv
、欧姆阻抗极化阻抗5.根据权利要求1所述的预测方法，其特征在于，还包括：获取SEM分析得到的同批次SOFC电池/电堆的微结构特征和宏观尺寸几何信息，以得到微结构特征和宏观尺寸几何信息在预设范围内一致的SOFC电池/电堆...

【专利技术属性】
技术研发人员：严资林，徐心海，仲政，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：