【技术实现步骤摘要】
本专利技术属于燃料电池，特别是涉及一种质子交换膜燃料电池的衰退预测方法。
技术介绍
1、着社会的进步和生活水平的提高，出现了能源需求增加和环境污染严重的双重挑战。质子交换膜燃料电池具有零碳排放、生态友好、高能量转换效率和低工作温度等特性，被誉为有效的解决方案。鉴于其在环境影响方面的卓越优势，它在分布式发电、车辆和便携式设备等领域得到了广泛的应用。然而，质子交换膜燃料电池的性能会因各种故障机制而降低，例如材料退化或不好的运行条件。因此，耐用性和可靠性问题阻碍了其广泛应用。鉴于质子交换膜燃料电池的寿命限制和过早老化，延长其使用寿命和增强稳定性是非常重要的。通过预测质子交换膜燃料电池老化数据，可以更准确地预测老化趋势以及估计的剩余使用寿命，从而为提高能源转换领域的效率和可靠性铺平道路。
2、预测质子交换膜燃料电池退化的方法通常分为两种不同的类型：模型驱动方法和数据驱动方法。
3、对于模型驱动的质子交换膜燃料电池退化预测方法，物理老化模型通常旨在建立对质子交换膜燃料电池退化过程的准确描述，这需要对质子交换膜燃料电池退化机理的实质性理解。然而，这些机理尚未完全弄明白。从而使得基于物理模型的方法不常用于质子交换膜燃料电池退化预测。表征质子交换膜燃料电池老化特性的模型包括经验模型，半经验模型、机理模型。模型驱动预测方法的可预测性很大程度上依赖于模型本身的准确性，并且在不同操作条件下导致这种预测方法缺乏普遍适用性。
4、因此，为了提高预测精度，数据驱动的方法由于其适应性和不依赖模型，受到高度关注。对于质子交换
5、在现有的预测模型中，传统的灰色模型虽被用于预测质子交换膜燃料电池的退化，然而这些模型未能充分考虑质子交换膜燃料电池的非线性和操作环境的复杂性，预测精度存在较大误差。数据处理能力不足：质子交换膜燃料电池数据中的噪声和异常值未通过当前的滤波方法得到充分解决，当前的滤波方法存在让真实值也被过滤的风险，且单一的灰色模型在捕捉质子交换膜燃料电池数据中的局部非线性行为方面能力明显不足。数据驱动算法：现有数据驱动算法需要大量质子交换膜燃料电池的实验数据，模型的精度很大程度上取决于所采用的训练数据质量和数量，而大规模且高质量的数据往往耗时耗力且成本高昂。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种质子交换膜燃料电池的衰退预测方法，是基于改进灰色verhulst模型的质子交换膜燃料电池衰退预测方法，实现即使数据量少也能够对质子交换膜燃料电池衰退进行精准快速预测。
2、为达到上述目的，本专利技术采用的技术方案是：一种质子交换膜燃料电池的衰退预测方法，包括；
3、s10，获取质子交换膜燃料电池原始输出电压数据；
4、s20，根据原始输出电压数据，建立灰色verhulst模型；
5、s30，建立背景值修正灰色verhulst模型；
6、s40，基于反双曲正弦函对原始输出电压数据作变换，变换后得到优化灰色verhulst模型所需的数据序列，对修正灰色verhulst模型进行优化得到优化灰色verhulst模型；
7、s50，基于所述优化灰色verhulst模型的预测序列和原始数据序列残差值，得到残差序列，建立基于残差序列的残差灰色verhulst模型，作为最终的衰退预测模型；
8、s60，根据衰退预测模型，最终得到质子交换膜燃料电池的衰退预测结果。
9、进一步的是，建立灰色verhulst模型包括步骤：
10、s21，根据原始输出电压数据计算一阶累加序列；
11、s22，由一阶累加序列的紧邻均值生成背景值序列zgvm；
12、s23，利用质子交换膜燃料电池输出电压序列x0和背景值序列zgvm建立灰色verhulst模型。
13、进一步的是，基于元胞自动机和矩形法建立背景值修正灰色verhulst模型。
14、进一步的是，基于元胞自动机和矩形法建立背景值修包括步骤：
15、s31，利用所述背景值序列zgvm中背景值zgvm(k)作为元胞，根据元胞自动机理论，背景值zgvm(k)是在t+1时刻的状态，由它本身和邻居在t时刻的状态决定；将背景值zgvm(k)更新后得到的t+1时刻的状态定义为新背景值zcgvm(k)在t时刻的状态获得第一演变规则；背景值zgvm(k)结合第一演变规则得到的新背景值zcgvm(k)，得到新背景值序列；
16、s32，采用矩形法求定积分得到改进背景值zrgvm(k)，得到改进背景值序列；
17、s33，将所述改进背景值zrgvm(k)作为元胞，根据元胞自动机理论，zrgvm(k)在t+1状态，由它本身和邻居在t时刻的状态决定；将zrgvm(k)更新后得到的t+1时刻的状态定义为改进新背景值zcrgvm(k)在t时刻的状态获得第二演变规则，因此结合元胞自动机的第二演变规则得到改进新背景值zcrgvm(k)，得到改进新背景值序列。
18、进一步的是，将[k,k+1]等分为m个小区间，m个小矩形区间的面积和近似可以作为曲面梯形的实际，构造新背景值而缩小模型误差。
19、1.根据权利要求1所述的一种质子交换膜燃料电池的衰退预测方法，其特征在于，在所述步骤s40中，基于反双曲正弦函对原始输出电压数据作变换，变换后得到优化灰色verhulst模型所需的数据序列，对修正灰色verhulst模型进行优化得到优化灰色verhulst模型，包括步骤：
20、s41，根据反双曲正弦函数处理原始输出电压数据后，建立一阶累加序列，得到利用反双曲正弦函数后的质子交换膜燃料电池输出电压序列；
21、s42，利用反双曲正弦函数后的质子交换膜燃料电池输出电压序列，基于元胞自动机和矩形法得到基于反双曲正弦函数的改进新背景值序列bihs-gvm；
22、s43，利用反双曲正弦函数后的质子交换膜燃料电池输出电压序列和基于反双曲正弦函数的改进新背景值序列bihs-gvm，建立基于反双曲正弦函数的残差灰色verhulst模型。
23、进一步本文档来自技高网...
【技术保护点】
1.一种质子交换膜燃料电池的衰退预测方法，其特征在于，包括；
2.根据权利要求1所述的一种质子交换膜燃料电池的衰退预测方法，其特征在于，建立灰色Verhulst模型包括步骤：
3.根据权利要求1所述的一种质子交换膜燃料电池的衰退预测方法，其特征在于，基于元胞自动机和矩形法建立背景值修正灰色Verhulst模型。
4.根据权利要求3所述的一种质子交换膜燃料电池的衰退预测方法，其特征在于，基于元胞自动机和矩形法建立背景值修正包括步骤：
5.根据权利要求4所述的一种质子交换膜燃料电池的衰退预测方法，其特征在于，将[k,k+1]等分为m个小区间，m个小矩形区间的面积和近似可以作为曲面梯形的实际，构造新背景值而缩小模型误差。
6.根据权利要求1所述的一种质子交换膜燃料电池的衰退预测方法，其特征在于，在所述步骤S40中，基于反双曲正弦函对原始输出电压数据作变换，变换后得到优化灰色Verhulst模型所需的数据序列，对修正灰色Verhulst模型进行优化得到优化灰色Verhulst模型，包括步骤：
7.根据权利要求1所述的
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序在被处理器执行时，能够实现上述权利要求1-7任意一项所述的质子交换膜燃料电池的衰退预测方法所包含的步骤。
...【技术特征摘要】
1.一种质子交换膜燃料电池的衰退预测方法，其特征在于，包括；
2.根据权利要求1所述的一种质子交换膜燃料电池的衰退预测方法，其特征在于，建立灰色verhulst模型包括步骤：
3.根据权利要求1所述的一种质子交换膜燃料电池的衰退预测方法，其特征在于，基于元胞自动机和矩形法建立背景值修正灰色verhulst模型。
4.根据权利要求3所述的一种质子交换膜燃料电池的衰退预测方法，其特征在于，基于元胞自动机和矩形法建立背景值修正包括步骤：
5.根据权利要求4所述的一种质子交换膜燃料电池的衰退预测方法，其特征在于，将[k,k+1]等分为m个小区间，m个小矩形区间的面积和近似可以作为曲面梯形的实际，构造新背景值而缩小模型误差。
6.根据权利要求...
【专利技术属性】
技术研发人员：张雪霞，黄瑞珂，董思迪，黄磊，李原，杜克文，廖红波，
申请(专利权)人：西南交通大学，
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。