【技术实现步骤摘要】
本专利技术涉及电池数据监测，具体涉及一种小型风冷氢燃料电池运行监测方法与系统。
技术介绍
1、小型风冷氢燃料电池是一种利用氢气和氧气化学反应产生电能的设备，通过将氢气和氧气输入到燃料电池中，由电化学反应产生电力的同时还能产生水和少量热能。风冷是指使用风扇或冷却系统将燃料电池中产生的热量散发出去，以保持燃料电池的运行温度。通过监测燃料电池的运行状态和性能参数，可以及时监测燃料电池的运行状态，发现异常情况和故障，使得相关人员可以及时采取措施进行修复和维护，避免故障扩大和连锁反应，并且能够评估燃料电池的工作效率、能量转换效率等，通过监测燃料电池的运行时间、热平衡情况等参数，可以预测燃料电池的使用寿命，制定更合理的维护计划和更新策略。
2、现有技术往往采用卡尔曼滤波对燃料电池的运行状态感知并估计下一时刻的运行状态，然而氢燃料电池的运转状态会受到外界的影响呈现非线性噪声的特点，容积卡尔曼滤波（cubature kalman filter，ckf）能够克服无迹卡尔曼滤波（unscented kalmanfilter，ukf）在高维数据下的滤波精度不高的特点，更适合在监测指标较多导致的数据维度较多的情况下进行系统状态感知。而ckf进行连续的时序预测时，燃料电池随着使用时长的增加会出现电池性能退化的现象，从而影响监测数值的变化特性，而现有ckf进行噪声矩阵更新时，电池性能退化造成监测数值的波动范围产生变动，但噪声矩阵由于使用全局数据并不能快速准确地将噪声矩阵中的信息转化为电池性能退化后的系统噪声情况，从而造成ckf对小型风冷氢燃料电
技术实现思路
1、为了解决现有ckf在对小型风冷氢燃料电池监测数据进行预测时存在的预测结果与实际结果存在较大偏差的问题，本专利技术的目的在于提供一种小型风冷氢燃料电池运行监测方法与系统，所采用的技术方案具体如下：
2、第一方面，本专利技术提供了一种小型风冷氢燃料电池运行监测方法，该方法包括以下步骤：
3、获取小型风冷氢燃料电池在当前时间段内每个周期中每个时刻的不同种类的监测数据；
4、基于每个时刻的所有监测数据和容积卡尔曼滤波算法获得当前时刻对应的噪声矩阵；根据每种监测数据在当前时间段内的波动情况，得到每种监测数据在当前时间段内的波动评价值；根据每种监测数据在当前时刻所在的周期内的波动情况，得到每种监测数据在当前时刻所在的周期的波动评价值；
5、根据每种监测数据在当前时间段内的波动评价值与在当前时刻所在的周期的波动评价值之间的差异、当前时刻对应的噪声矩阵中的元素值，得到当前时刻的电池状态表征值；基于所述电池状态表征值确定目标噪声矩阵；
6、基于当前时刻的所有监测数据、所述目标噪声矩阵和容积卡尔曼滤波算法，获得下一时刻的所有预测数据；基于所述预测数据对小型风冷氢燃料电池的运行状态进行判断。
7、优选的，所述根据每种监测数据在当前时间段内的波动情况，得到每种监测数据在当前时间段内的波动评价值，包括：
8、对于第k种监测数据：
9、对当前时间段内的所有第k种监测数据进行曲线拟合获得第k种监测数据在当前时间段对应的拟合曲线；
10、分别获取第k种监测数据在当前时间段对应的拟合曲线上每两个相邻极值点之间的时间间隔，将第k种监测数据在当前时间段对应的拟合曲线上所有的相邻极值点之间的时间间隔的平均值，记为第k种监测数据对应的时序间隔均值；
11、在第k种监测数据在当前时间段对应的拟合曲线上，分别获取与每个极大值点相邻的时间间隔最近的极小值点的纵坐标，作为每个极大值点对应的参考值；
12、根据第k种监测数据在当前时间段对应的拟合曲线上极大值点的纵坐标、所述每个极大值点对应的参考值、所述时序间隔均值、第k种监测数据在当前时间段对应的拟合曲线上极大值点的数量和极小值点的数量，得到第k种监测数据在当前时间段内的波动评价值。
13、优选的，采用如下公式计算第k种监测数据在当前时间段内的波动评价值：
14、;
15、其中，ak表示第k种监测数据在当前时间段内的波动评价值，rk表示第k种监测数据在当前时间段对应的拟合曲线上极大值点的数量，表示第k种监测数据在当前时间段对应的拟合曲线上第r个极大值点的纵坐标，表示第k种监测数据在当前时间段对应的拟合曲线上所有极大值点对应的参考值的平均值，表示第k种监测数据对应的时序间隔均值，nk表示第k种监测数据在当前时间段对应的拟合曲线上极小值点的数量，sinc( )表示辛格函数，||表示取绝对值符号。
16、优选的，所述根据每种监测数据在当前时间段内的波动评价值与在当前时刻所在的周期的波动评价值之间的差异、当前时刻对应的噪声矩阵中的元素值，得到当前时刻的电池状态表征值，包括：
17、分别将每种监测数据在当前时间段内的波动评价值与在当前时刻所在的周期的波动评价值之间的差异，作为每种监测数据的评价值差异；
18、分别计算当前时刻对应的噪声矩阵中所有元素的平均值和标准差；
19、基于所述每种监测数据的评价值差异、当前时刻对应的噪声矩阵中所有元素的平均值和标准差，获得当前时刻的电池状态表征值。
20、优选的，采用如下公式计算当前时刻的电池状态表征值：
21、;
22、其中，m0表示当前时刻的电池状态表征值，k表示监测数据的种类数，ak表示第k种监测数据在当前时间段内的波动评价值，表示第k种监测数据在当前时间段内的波动评价值，zi表示当前时刻对应的噪声矩阵中的第i个元素，n表示当前时刻对应的噪声矩阵中元素的数量，表示当前时刻对应的噪声矩阵中所有元素的平均值，σ表示当前时刻对应的噪声矩阵中所有元素的标准差，||表示取绝对值符号，simoid( )为归一化函数。
23、优选的，所述基于每个时刻的所有监测数据和容积卡尔曼滤波算法获得当前时刻对应的噪声矩阵，包括：
24、对于任一时刻：该时刻的所有监测数据构成该时刻的特征向量；
25、将每个时刻的特征向量作为容积卡尔曼滤波算法的输入，获得当前时刻对应的噪声矩阵。
26、优选的，所述基于所述电池状态表征值确定目标噪声矩阵，包括：
27、若所述电池状态表征值小于预设表征阈值，则将当前时刻对应的噪声矩阵作为目标噪声矩阵；
28、若所述电池状态表征值大于或等于预设表征阈值，则将当前时刻所在的周期内每个时刻的特征向量输入到容积卡尔曼滤波算法中，获得目标噪声矩阵。
29、优选的，基于当前时刻的所有监测数据、所述目标噪声矩阵和容积卡尔曼滤波算法，获得下一时刻的所有预测数据，包括：
30、将当前时刻的特征向量与所述目标噪声矩阵返回给容积卡尔曼滤波算法，获得下一时刻的所有预测数据。
31、优选的，所述基于所述预测数据对小型风冷本文档来自技高网...
【技术保护点】
1.一种小型风冷氢燃料电池运行监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，所述根据每种监测数据在当前时间段内的波动情况，得到每种监测数据在当前时间段内的波动评价值，包括：
3.根据权利要求2所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，采用如下公式计算第k种监测数据在当前时间段内的波动评价值：
4.根据权利要求1所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，所述根据每种监测数据在当前时间段内的波动评价值与在当前时刻所在的周期的波动评价值之间的差异、当前时刻对应的噪声矩阵中的元素值，得到当前时刻的电池状态表征值，包括：
5.根据权利要求4所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，采用如下公式计算当前时刻的电池状态表征值：
6.根据权利要求1所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，所述基于每个时刻的所有监测数据和容积卡尔曼滤波算法获得当前时刻对应的噪声矩阵，包括：
7.根据权利要求6所述的一种小型风冷
8.根据权利要求6所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，基于当前时刻的所有监测数据、所述目标噪声矩阵和容积卡尔曼滤波算法，获得下一时刻的所有预测数据，包括：
9.根据权利要求1所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，所述基于所述预测数据对小型风冷氢燃料电池的运行状态进行判断，包括：
10.一种小型风冷氢燃料电池运行监测系统，包括存储器和处理器，其特征在于，所述处理器执行所述存储器存储的计算机程序，以实现如权利要求1-9任一项所述的一种小型风冷氢燃料电池运行监测方法。
...【技术特征摘要】
1.一种小型风冷氢燃料电池运行监测方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，所述根据每种监测数据在当前时间段内的波动情况，得到每种监测数据在当前时间段内的波动评价值，包括：
3.根据权利要求2所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，采用如下公式计算第k种监测数据在当前时间段内的波动评价值：
4.根据权利要求1所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，所述根据每种监测数据在当前时间段内的波动评价值与在当前时刻所在的周期的波动评价值之间的差异、当前时刻对应的噪声矩阵中的元素值，得到当前时刻的电池状态表征值，包括：
5.根据权利要求4所述的一种小型风冷氢燃料电池运行监测方法，其特征在于，采用如下公式计算当前时刻的电池状态表征值：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：毕宏涛，
申请(专利权)人：苏州轩途信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。