论文部分内容阅读
质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell,PEMFC)是应用于移动储能设备、固定电站和交通运输领域最有前景的技术,PEMFC技术商业化的主要障碍为耐用性不佳。持续监测燃料电池性能退化过程并准确预测其失效的寿命节点,对燃料电池性能优化、最大限度地降低其生命周期成本和风险大有裨益,在此背景下,对PEMFC进行健康状态评估及寿命预测研究是至关重要的。本文综述了目前PEMFC的寿命预测研究现状,介绍PEMFC的工作原理、退化机制以及输出特性的研究方法,详细阐述影响PEMFC输出性能的水热平衡管理和运行工况变动等系统因素,对燃料电池性能退化指标的选择进行分析,为后续的实验设计、健康状态评估及剩余寿命预测提供理论基础。首先,在自增湿开放式PEMFC平台上进行温度、排气实验,研究温度、排气间隔及负载工况对输出特性的影响。其次,设计900W车载PEMFC的车载控制电路、辅助电路及基于LabVIEW的在线状态监测平台,实现对燃料电池运行数据的实时采集,监测PEMFC是否存在故障或性能的大幅下滑,从而保障车载PEMFC的安全稳定运行。再次,为实现PEMFC的健康状态评估,对原始数据进行预处理,提取能够反映PEMFC性能退化的状态指标,结合单体电压均衡性建立PEMFC健康状态指标HI,并利用两种距离分析法对PEMFC进行健康状态评估,对比分析两种算法对PEMFC实际退化情况的拟合效果。最后,在深度学习算法的理论基础上,构建深度卷积神经网络,利用Python平台对模型进行训练,结合前文的实验结果,选取电流密度、进出气口反应气的温度即压力、进出气口的冷却水温度作为神经网络的输入,将电堆输出电压视作神经网络的输出,结果表明,训练后的网络可较为准确的预测PEMFC达到电压失效阈值的时间节点,即实现燃料电池的剩余寿命预测,为保障质子交换膜燃料电池系统的稳定运行提供支持。