System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于燃料电池,特别是涉及一种燃料电池寿命预测模型训练方法、装置、设备及应用。
技术介绍
1、氢燃料电池技术目前仍然是最受关注的
之一,当前最主流的质子交换膜燃料电池具有污染小、能量转化效率高、启动快、温度适宜等优点。广泛应用于交通运输、能源存储、航空航天、电力系统等领域。然而,燃料电池的寿命预测一直是一个重要而具有挑战性的问题。燃料电池在实际运行中受到诸多因素的影响,如氧化还原反应、温度变化、材料腐蚀等,这些因素会直接影响燃料电池的寿命和性能稳定性。
2、因此,对燃料电池寿命进行准确预测,不仅有助于优化燃料电池系统的运行管理,提高能源利用效率,还能降低维护成本,延长设备使用寿命,推动燃料电池技术的进一步应用和发展。
技术实现思路
1、本专利技术的目的在于提供一种燃料电池寿命预测模型训练方法、装置、设备及应用,以解决现有技术中燃料电池寿命预测模型的预测结果不准确的问题。
2、为解决上述技术问题,本专利技术是通过以下技术方案实现的:
3、本专利技术提供一种燃料电池寿命预测模型训练方法,其包括:
4、获取初始数据集,所述初始数据集包括若干燃料电池参数的时间序列数据,所述燃料电池参数包括:输出电压、电流、电流密度、燃料进出口温度、氧化剂进出口温度、燃料进出口压力、氧化剂进出口压力、燃料进出口流量、氧化剂进出口流量、冷却水进出口温度、冷却水进出口流量以及氧化剂入口湿度;
5、根据若干燃料电池参数的时间序列数据来计算每
6、根据所述皮尔逊系数对所述燃料电池参数的时间序列数据进行筛选,获取训练数据集;
7、利用所述训练数据集对informer模型进行训练,以获取燃料电池寿命预测模型。
8、在本专利技术的一个实施例中,所述待预测燃料电池参数包括输出电压、电流密度、输出功率或燃料利用率中的一个,其中输出功率和燃料利用率由所述燃料电池参数计算得到。
9、在本专利技术的一个实施例中,根据所述皮尔逊系数对所述燃料电池参数的时间序列数据进行筛选,获取训练数据集,包括:
10、选取所述初始数据集中皮尔逊系数大于预设阈值的燃料电池参数;
11、将选取出来的燃料电池参数的时间序列数据放入一个数据集中作为训练数据集。
12、在本专利技术的一个实施例中,利用所述训练数据集对informer模型进行训练,利用所述训练数据集对informer模型进行训练,以获取燃料电池寿命预测模型,包括:
13、对所述训练数据集进行降采样处理,以得到第一数据集;
14、利用所述第一数据集对informer模型进行训练,以获取燃料电池寿命预测模型。
15、在本专利技术的一个实施例中,对所述训练数据集进行降采样处理,以得到第一数据集包括:对所述训练数据集中的燃料电池参数的时间序列数据按预设数量进行分组,并对每组数据进行加权平均或取平均值,以将每组数据转换成一个新的数据,由所有新的数据组成第一数据集。
16、在本专利技术的一个实施例中,利用所述第一数据集对informer模型进行训练,以获取燃料电池寿命预测模型,包括:
17、对所述第一数据集进行归一化处理,以获取第二数据集;
18、利用所述第二数据集对informer模型进行训练,以获取燃料电池寿命预测模型。
19、在本专利技术的一个实施例中,利用所述训练数据集对informer模型进行训练,以获取燃料电池寿命预测模型,包括:
20、对所述训练数据集进行归一化处理,以获取第三数据集;
21、利用所述第三数据集对informer模型进行训练,以获取燃料电池寿命预测模型。
22、为实现上述目的及其它相关目的,本申请还公开了一种燃料电池寿命预测方法,所述燃料电池寿命预测方法包括:
23、获取燃料电池系统中传感器的探测数据;
24、将所述探测数据输入如上述任一项所述的燃料电池寿命预测模型训练方法训练得到的燃料电池寿命预测模型中,以得到预测结果。
25、为实现上述目的及其它相关目的,本申请还公开了一种燃料电池寿命预测模型训练装置,所述燃料电池寿命预测模型训练装置包括:
26、数据获取模块,用于获取初始数据集,所述初始数据集包括若干燃料电池参数的时间序列数据;所述燃料电池参数包括:输出电压、电流、电流密度、燃料进出口温度、氧化剂进出口温度、燃料进出口压力、氧化剂进出口压力、燃料进出口流量、氧化剂进出口流量、冷却水进出口温度、冷却水进出口流量以及氧化剂入口湿度;所述燃料电池参数的时间序列数据是以老化时间为时间轴的燃料电池参数的数据;
27、关联度计算模块,用于根据若干燃料电池参数的时间序列数据来计算每个燃料电池参数与待预测燃料电池参数的皮尔逊系数;
28、特征选取模块,用于根据所述皮尔逊系数对所述燃料电池参数的时间序列数据进行筛选,获取训练数据集;
29、模型训练模块,用于利用所述训练数据集对informer模型进行训练,以获取燃料电池寿命预测模型。
30、为实现上述目的及其它相关目的,本申请还公开了一种电子设备,所述电子设备包括:
31、至少一个处理器;以及,
32、与至少一个所述处理器通信连接的存储器;其中,
33、所述存储器存储有可被至少一个所述处理器执行的指令,所述指令被至少一个所述处理器执行,以使至少一个所述处理器能够执行如上述任一项所述的燃料电池寿命预测模型训练方法的步骤。
34、本专利技术通过获取初始数据集;并根据若干燃料电池参数的时间序列数据来计算每个燃料电池参数与待预测燃料电池参数的皮尔逊系数;根据所述皮尔逊系数对所述燃料电池参数的时间序列数据进行筛选,获取训练数据集;利用所述训练数据集对informer模型进行训练,以获取燃料电池寿命预测模型,解决了现有技术无法准确预测燃料电池的电池寿命的问题。
35、当然,实施本专利技术的任一产品并不一定需要同时达到以上所述的所有优点。
本文档来自技高网...【技术保护点】
1.一种燃料电池寿命预测模型训练方法,其特征在于,包括:
2.根据权利要求1所述的燃料电池寿命预测模型训练方法,其特征在于,所述待预测燃料电池参数包括输出电压、电流密度、输出功率或燃料利用率中的一个,其中输出功率和燃料利用率由所述燃料电池参数计算得到。
3.根据权利要求1所述的燃料电池寿命预测模型训练方法,其特征在于,根据所述皮尔逊系数对所述燃料电池参数的时间序列数据进行筛选,获取训练数据集,包括:
4.根据权利要求1所述的燃料电池寿命预测模型训练方法,其特征在于,利用所述训练数据集对informer模型进行训练,以获取燃料电池寿命预测模型,包括:
5.根据权利要求4所述的燃料电池寿命预测模型训练方法,其特征在于,对所述训练数据集进行降采样处理,以得到第一数据集包括:对所述训练数据集中的燃料电池参数的时间序列数据按预设数量进行分组,并对每组数据进行加权平均或取平均值,以将每组数据转换成一个新的数据,由所有新的数据组成第一数据集。
6.根据权利要求4所述的燃料电池寿命预测模型训练方法,其特征在于,利用所述第一数据集对inf
7.根据权利要求1所述的燃料电池寿命预测模型训练方法,其特征在于,利用所述训练数据集对informer模型进行训练,以获取燃料电池寿命预测模型,包括:
8.一种燃料电池寿命预测方法,其特征在于,包括:
9.一种燃料电池寿命预测模型训练装置,其特征在于,所述燃料电池寿命预测模型训练装置包括:
10.一种电子设备,其特征在于,所述电子设备包括:
...【技术特征摘要】
1.一种燃料电池寿命预测模型训练方法,其特征在于,包括:
2.根据权利要求1所述的燃料电池寿命预测模型训练方法,其特征在于,所述待预测燃料电池参数包括输出电压、电流密度、输出功率或燃料利用率中的一个,其中输出功率和燃料利用率由所述燃料电池参数计算得到。
3.根据权利要求1所述的燃料电池寿命预测模型训练方法,其特征在于,根据所述皮尔逊系数对所述燃料电池参数的时间序列数据进行筛选,获取训练数据集,包括:
4.根据权利要求1所述的燃料电池寿命预测模型训练方法,其特征在于,利用所述训练数据集对informer模型进行训练,以获取燃料电池寿命预测模型,包括:
5.根据权利要求4所述的燃料电池寿命预测模型训练方法,其特征在于,对所述训练数据集进行降采样处理,以得到第一数据集包括...
【专利技术属性】
技术研发人员:施永,赵洪霄,苏建徽,赖纪东,解宝,张健,
申请(专利权)人:合肥工业大学,
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。