【技术实现步骤摘要】
本专利技术涉及电池领域，特别涉及一种燃料电池剩余使用寿命的预测方法、系统、设备和介质。
技术介绍
1、质子交换膜燃料电池(proton exchange membrane fuel cell，pemfc)通过将氢气与氧气在质子交换膜的催化下反应生成电能，实现了能量的高效转化，同时显著降低了对环境的负面影响。它已在军事、交通等多个领域得到了广泛的应用和快速发展。尽管如此，pemfc在长期运行过程中性能的逐步衰减，如催化剂中毒、膜老化和气体传输阻力的增加等问题，仍然是制约其商业化的关键因素。因此，对pemfc的剩余使用寿命进行精确预测，对于保障系统的可靠运行和经济效益具有重要意义。现有的方式，通常是采用卷积神经网络、随机森林或支撑向量机等方式，但这些方式无法实现对燃料电池剩余寿命的精准预测。因此，需要提供一种燃料电池剩余使用寿命的预测方法、系统、设备和介质。
技术实现思路
1、本专利技术提供一种燃料电池剩余使用寿命的预测方法。以解决现有技术中无法精准预测燃料电池剩余寿命的问题。
2、本专利技术提供的一种燃料电池剩余使用寿命的预测方法，包括：获取所述燃料电池当前的电堆特征参数以及历史的电堆特征参数，构建电堆特征参数序列；获取所述燃料电池当前的至少一类老化参数以及对应的历史的老化参数，针对每类老化参数构建对应的老化参数序列；将所述电堆特征参数序列和构建的各所述老化参数序列输入至参数预测模型，基于每类老化参数对电堆特征参数的影响，预测未来的电堆特征参数；其中，所述参数预测模型为t
3、于本专利技术一实施例中，所述获取所述燃料电池当前的电堆特征参数以及历史的所述电堆特征参数，构建电堆特征参数序列，包括：对获取的当前的电堆特征参数以及历史的电堆特征参数进行归一化处理，依据归一化处理后的各个电堆特征参数构建所述电堆特征参数序列。
4、于本专利技术一实施例中，所述对获取的当前的电堆特征参数以及历史的电堆特征参数进行归一化处理，依据归一化处理后的各个电堆特征参数构建电堆特征参数序列，包括：从获取的所有电堆特征参数中选择电堆特征参数的最大值和最小值；依据电堆特征参数的最大值和最小值，对获取的每个电堆特征参数进行归一化处理，生成归一化处理后的电堆特征参数其中，x为获取的电堆特征参数，xmin为电堆特征参数的最小值，xmax为电堆特征参数的最大值，xnew为x进行归一化处理后的电堆特征参数；依据归一化处理后的各个电堆特征参数，构建电堆特征参数序列。
5、于本专利技术一实施例中，所述参数预测模型包括位置编码模块、编码器模块和解码器模块，所述将所述电堆特征参数序列和构建的各所述老化参数序列输入至参数预测模型，基于每类老化参数对电堆特征参数的影响，预测未来的电堆特征参数，包括：将所述电堆特征参数序列和构建的各所述老化参数序列输入至所述位置编码模块，对电堆特征参数序列和输入的各老化参数序列分别进行位置编码模块，得到位置编码模块后的所述电堆特征参数序列和位置编码模块后的各所述老化参数序列；将位置编码模块后的所述电堆特征参数序列和位置编码模块后的各老化参数序列共同输入至所述编码器模块中，基于多头注意力机制，分别对位置编码模块后的电堆特征参数序列和各所述老化参数序列进行编码，并将每个注意力头的编码结果进行融合，得到最终的编码结果；其中，每个注意力头对应一个位置编码模块后的所述老化参数序列或所述电堆特征参数序列；将最终的所述编码结果输入至所述解码器模块，预测未来的电堆特征参数。
6、于本专利技术一实施例中，所述电堆特征参数为电堆电压，所述基于未来的电堆特征参数预测所述燃料电池的剩余使用寿命，包括：计算未来的电堆特征参数和预设的电压阈值的电压差值；计算电压差值和预设的衰减系数的比值，作为所述燃料电池的剩余使用寿命。
7、于本专利技术一实施例中，所述参数预测模型是通过多个样本数据集预先训练得到的，多个所述样本数据集包括电堆特征参数数据集和至少一类老化参数数据集，一个所述样本数据集的获取过程包括：获取初始样本数据集；其中，所述初始样本数据集包括初始的电堆特征参数数据集或至少一类初始老化参数数据集；将初始样本数据集依序划分为多个初始样本数据组；针对每个初始样本数据组进行平均处理：计算该初始样本数据组中的样本数据的平均值，并将该平均值作为样本数据组；将多个所述样本数据组依序进行组合，获得样本数据集。
8、于本专利技术一实施例中，所述将多个所述样本数据组依序进行组合，获得样本数据集之后，还包括：对所述样本数据集中的各所述样本数据组进行小波降噪处理，将降噪后的样本数据集作为新的样本数据集。
9、于本专利技术一实施例中，还提供了一种燃料电池剩余使用寿命的预测系统，所述系统包括：电堆特征参数获取模块，用于获取所述燃料电池当前的电堆特征参数以及历史的电堆特征参数，构建电堆特征参数序列；老化参数获取模块，用于获取所述燃料电池当前的至少一类老化参数以及对应的历史的老化参数，针对每类老化参数构建对应的老化参数序列；电堆特征参数预测模块，用于将所述电堆特征参数序列和构建的各所述老化参数序列输入至参数预测模型，基于每类老化参数对电堆特征参数的影响，预测未来的电堆特征参数；其中，参数预测模型为transformer模型；剩余寿命预测模块，用于基于未来的电堆特征参数预测所述燃料电池的剩余使用寿命。
10、于本专利技术一实施例中，还提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现上述任一项所述的燃料电池剩余使用寿命的预测方法。
11、于本专利技术一实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行上述任一项所述的燃料电池剩余使用寿命的预测方法。
12、本专利技术提出的一种燃料电池剩余使用寿命的预测方法、系统、设备及介质。通过收集当前和历史的电堆特征参数以及老化参数，从而对电池的行为和寿命有更深入的理解。利用transformer模型的强大能力来捕捉长期依赖关系，可以更准确地预测电堆的未来状态。本专利技术中，通过transformer模型的自注意力机制，能够同时关注不同位置和方面的信息，使得模型能够将老化参数序列和电堆特征参数序列中的各项数据相结合，从而能够基于当前和历史数据，更准确地预测出未来的电堆特征参数，以实现对电池剩余使用寿命的精准预测。
本文档来自技高网...【技术保护点】
1.一种燃料电池剩余使用寿命的预测方法，其特征在于，所述方法包括：
2.根据权利按要求1所述的燃料电池剩余使用寿命的预测方法，其特征在于，所述获取所述燃料电池当前的电堆特征参数以及历史的所述电堆特征参数，构建电堆特征参数序列，包括：对获取的当前的电堆特征参数以及历史的电堆特征参数进行归一化处理，依据归一化处理后的各个电堆特征参数构建所述电堆特征参数序列。
3.根据权利要求2所述的燃料电池剩余使用寿命的预测方法，其特征在于，所述对获取的当前的电堆特征参数以及历史的电堆特征参数进行归一化处理，依据归一化处理后的各个电堆特征参数构建电堆特征参数序列，包括：
4.根据权利要求1所述的燃料电池剩余使用寿命的预测方法，其特征在于，所述参数预测模型包括位置编码模块、编码器模块和解码器模块，所述将所述电堆特征参数序列和构建的各所述老化参数序列输入至参数预测模型，基于每类老化参数对电堆特征参数的影响，预测未来的电堆特征参数，包括：
5.根据权利要求1所述的燃料电池剩余使用寿命的预测方法，其特征在于，所述电堆特征参数为电堆电压，所述基于未来的电堆特征参
6.根据权利要求1所述的燃料电池剩余使用寿命的预测方法，其特征在于，所述参数预测模型是通过多个样本数据集预先训练得到的，多个所述样本数据集包括电堆特征参数数据集和至少一类老化参数数据集，一个所述样本数据集的获取过程包括：
7.根据权利要求6所述的燃料电池剩余使用寿命的预测方法，其特征在于，所述将多个所述样本数据组依序进行组合，获得样本数据集之后，还包括：对所述样本数据集中的各所述样本数据组进行小波降噪处理，将降噪后的样本数据集作为新的样本数据集。
8.一种燃料电池剩余使用寿命的预测系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于：
10.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行权利要求1至7中任一项所述的燃料电池剩余使用寿命的预测方法。
...【技术特征摘要】
1.一种燃料电池剩余使用寿命的预测方法，其特征在于，所述方法包括：
2.根据权利按要求1所述的燃料电池剩余使用寿命的预测方法，其特征在于，所述获取所述燃料电池当前的电堆特征参数以及历史的所述电堆特征参数，构建电堆特征参数序列，包括：对获取的当前的电堆特征参数以及历史的电堆特征参数进行归一化处理，依据归一化处理后的各个电堆特征参数构建所述电堆特征参数序列。
3.根据权利要求2所述的燃料电池剩余使用寿命的预测方法，其特征在于，所述对获取的当前的电堆特征参数以及历史的电堆特征参数进行归一化处理，依据归一化处理后的各个电堆特征参数构建电堆特征参数序列，包括：
4.根据权利要求1所述的燃料电池剩余使用寿命的预测方法，其特征在于，所述参数预测模型包括位置编码模块、编码器模块和解码器模块，所述将所述电堆特征参数序列和构建的各所述老化参数序列输入至参数预测模型，基于每类老化参数对电堆特征参数的影响，预测未来的电堆特征参数，包括：
5.根据权利要求1所述的燃料电池剩余使...
【专利技术属性】
技术研发人员：施永，胡芝龙，苏建徽，解宝，赖纪东，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。