CN113299954A - 控制燃料电池电堆内水含量的方法、装置及设备 - Google Patents
控制燃料电池电堆内水含量的方法、装置及设备 Download PDFInfo
- Publication number
- CN113299954A CN113299954A CN202110449749.4A CN202110449749A CN113299954A CN 113299954 A CN113299954 A CN 113299954A CN 202110449749 A CN202110449749 A CN 202110449749A CN 113299954 A CN113299954 A CN 113299954A
- Authority
- CN
- China
- Prior art keywords
- water content
- fuel cell
- cell stack
- stack
- temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04313—Processes for controlling fuel cells or fuel cell systems characterised by the detection or assessment of variables; characterised by the detection or assessment of failure or abnormal function
- H01M8/04492—Humidity; Ambient humidity; Water content
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M8/00—Fuel cells; Manufacture thereof
- H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
- H01M8/04298—Processes for controlling fuel cells or fuel cell systems
- H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/30—Hydrogen technology
- Y02E60/50—Fuel cells
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Chemical & Material Sciences (AREA)
- Electrochemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Manufacturing & Machinery (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Fuel Cell (AREA)
Abstract
本发明提供了一种控制燃料电池电堆内水含量的方法、装置及设备,方法包括:获取与燃料电池相关的状态参数;将所述状态参数输入至基于人工智能算法学习获得的神经网络中,计算所述燃料电池电堆内的当前时刻的水含量;根据所述当前时刻的水含量以及目标水含量,生成执行命令;根据所述执行命令调整转速或者阀门开度,从而使得当前时刻的水含量趋向于所述目标水含量。本发明通过人工智能神经网络算法构建状态参数与电堆水含量的函数关系,可以准确计算该时刻的电堆内部的水含量,从而将燃料电池水含量控制在合理的范围内,防止造成电堆膜干和水淹,提高燃料电池的寿命。
Description
技术领域
本发明涉及燃料电池领域,具体而言,涉及一种控制燃料电池电堆内水含量的方法、装置及设备。
背景技术
随着人们对环保的重视,燃料电池汽车以其能源清洁,对环境友好的优点而受到广泛关注,并取得了迅速的发展。燃料电池汽车采用燃料电池作为发电装置,其将化学能转化成电能从而提供汽车工作所需的能量。
对于燃料电池而言,电堆内部的水含量是影响其性能的重要因素。当电堆内部水少时,膜偏干,则燃料电池电堆内阻较大,性能降低,并且大量产热,效率降低;当电堆内部水多时,则燃料电池扩散层堵水,易造成局部电压低,甚至反极,并且膜长时间在高湿度的环境下,易产生羟基自由基,导致膜的寿命下降。燃料电池性能的水含量影响因素众多,比如电堆电流,进堆空气流量、压力、温度,进堆氢气流量、压力、温度,水温,前时刻的水含量等。因此,及时准确的计算电堆内部的水含量对燃料电池的性能至关重要。
发明内容
有鉴于此,本发明的目的在于提出一种控制燃料电池电堆内水含量的方法、装置及设备,以改善上述问题。
本发明采用了如下方案:
一种控制燃料电池电堆内水含量的方法,其包括:
获取与燃料电池相关的状态参数;
将所述状态参数输入至基于人工智能算法学习获得的神经网络中,计算所述燃料电池电堆内的当前时刻的水含量;
根据所述当前时刻的水含量以及目标水含量,生成执行命令;
根据所述执行命令调整转速或者阀门开度,从而所述当前时刻的水含量趋向于所述目标水含量。
优选地,所述状态参数包括电堆电流,进堆空气的流量、压力、温度,进堆氢气的流量、压力、温度,水温,上一时刻的水含量。
优选地,在所述神经网络中,通过人工智能神经网络算法构建所述状态参数与电堆水含量的函数关系,并基于递归计算获得燃料电池电堆当前时刻的水含量。
优选地,函数关系表示为:
FC (水含量)=f(电堆电流,空气(流量、压力、温度),氢气(流量、压力、温度),水温,上一时刻水含量)。
优选地,还包括:
判断状态参数是否超出燃料电池的正常参数范围,零部件的参数范围,以及基于燃料电池可靠性与寿命而预设的保护限制;
若超过,则下发保护命令以执行保护操作
本发明实施例还提供了一种控制燃料电池电堆内水含量的装置,其包括:
参数收集单元,用于获取与燃料电池相关的状态参数;
水含量计算单元,用于将所述状态参数输入至基于人工智能算法学习获得的神经网络中,计算所述燃料电池电堆内的当前时刻的水含量;
命令生成单元,用于根据所述当前时刻的水含量以及目标水含量,生成执行命令;
执行单元,用于根据所述执行命令调整转速或者阀门开度,从而所述当前时刻的水含量趋向于所述目标水含量。
优选地,所述状态参数包括电堆电流,进堆空气的流量、压力、温度,进堆氢气的流量、压力、温度,水温,上一时刻的水含量。
优选地,在所述神经网络中通过人工智能神经网络算法构建所述状态参数与电堆水含量的函数关系,并基于递归计算获得燃料电池电堆当前时刻的水含量。
优选地,函数关系表示为:
FC (水含量)=f(电堆电流,空气(流量、压力、温度),氢气(流量、压力、温度),水温,上一时刻水含量)。
优选地,还包括:
限制与诊断单元,用于:
判断状态参数是否超出燃料电池的正常参数范围,零部件的参数范围,以及基于燃料电池可靠性与寿命而预设的保护限制;
若超过,则下发保护命令以执行保护操作。
本发明实施例还提供了一种控制燃料电池电堆内水含量的设备,其包括存储器以及处理器,所述存储器内存储有计算机程序,所述计算机程序能够被所述处理器执行,以实现如上述的控制燃料电池电堆内水含量的方法。
综上所述,本实施例通过人工智能神经网络算法构建状态参数与电堆水含量的函数关系,可以准确计算该时刻的电堆内部的水含量,从而将燃料电池水含量控制在合理的范围内,防止造成电堆膜干和水淹,提高燃料电池的寿命。
附图说明
为了更清楚地说明本发明实施方式的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本发明第一实施例的控制燃料电池电堆内水含量的方法的流程示意图。
图2是本发明第二实施例的控制燃料电池电堆内水含量的装置的结构示意图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚,下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。因此,以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本发明保护的范围。
请参阅图1,本发明第一实施例提供了一种控制燃料电池电堆内水含量的方法,其可由控制燃料电池电堆内水含量的设备(以下简称设备)来执行,特别的,由所述设备内的一个或者多个处理器来执行,以实现如下步骤:
S101,获取与燃料电池相关的状态参数。
在本实施例中,特别的,所述设备可以为具备有燃料电池的各种设备,例如新能源汽车或者其他动力***等,本发明不做具体限定。
在本实施例中,所述状态参数是影响燃料电池的电堆内水含量的参数,例如,其可包括电堆电流,进堆空气的流量、压力、温度,进堆氢气的流量、压力、温度,水温,上一时刻的水含量。当前,根据实际的需要,可以适应性的增加或者减少状态参数,这些方案均在本发明的保护范围之内。
在本实施例中,所述状态参数中的物理参数可由相应的传感器采集得到,例如,可通过温度、湿度、压力、流量、电压、电流,内阻,湿度等传感器来采集得到对应的状态参数等。其中,在接收到由传感器采集的模拟信号的物理参数后,需通过模数转换将其转换为数字信号。
在本实施例中,特别的,应当注意的是,除了可以直接检测的物理参数外,所述状态参数还包括了上一时刻的水含量,而通过上一时刻的水含量以及当前的物理参数进行调整,可以更为准确快速的计算得到当前时刻的水含量。
S102,将所述状态参数输入至基于人工智能算法学习获得的神经网络中,计算所述燃料电池电堆内的当前时刻的水含量。
在本实施例中,首先需要先构建一个神经网络(如递归神经网络),并在神经网络中构建出所述状态参数与电堆水含量的函数关系。
例如,函数关系可表示为:
FC (水含量)=f(电堆电流,空气(流量、压力、温度),氢气(流量、压力、温度),水温,上一时刻水含量)。
接着,对所述神经网络进行训练,将电堆电流,空气的流量、压力、温度,氢气的流量、压力、温度,水温,上一时刻水含量作为神经网络的输入,将当前测量得到的水含量作为神经网络的输出,对所述神经网络进行训练获得训练后的参数,即可以获得训练好的神经网络。
在本实施例中,在训练好神经网络后,将当前采集的状态参数输入至所述神经网络,所述神经网络即可以计算(如通过递归计算)得到燃料电池电堆内的当前时刻的水含量,并将其作为神经网络的输出。
S103,根据所述当前时刻的水含量以及目标水含量,生成执行命令;
S104,根据所述执行命令调整转速或者阀门开度,从而所述当前时刻的水含量趋向于所述目标水含量。
在本实施例中,在计算得到当前时刻的水含量后,所述设备通过控制器下发执行命令,执行转速,阀门开度等命令,从而将燃料电池电堆内的水含量控制在合适的范围内,即控制在目标水含量的预定范围内。
在本实施例中,优选地,还包括:
判断状态参数是否超出燃料电池的正常参数范围,零部件的参数范围,以及基于燃料电池可靠性与寿命而预设的保护限制;
若超过,则下发保护命令以执行保护操作。
其中,这里的状态参数主要是真实的物理信号,如电流、温度、湿度等。
综上所述,本实施例通过人工智能神经网络算法构建状态参数与电堆水含量的函数关系,可以准确计算该时刻的电堆内部的水含量,从而将燃料电池水含量控制在合理的范围内,防止造成电堆膜干和水淹,提高燃料电池的寿命。
请参阅图2,本发明第二实施例还提供了控制燃料电池电堆内水含量的装置,其包括:
参数收集单元210,用于获取与燃料电池相关的状态参数;
水含量计算单元220,用于将所述状态参数输入至基于人工智能算法学习获得的神经网络中,计算所述燃料电池电堆内的当前时刻的水含量;
命令生成单元230,用于根据所述当前时刻的水含量以及目标水含量,生成执行命令;
执行单元240,用于根据所述执行命令调整转速或者阀门开度,从而所述当前时刻的水含量趋向于所述目标水含量。
优选地,所述状态参数包括电堆电流,进堆空气的流量、压力、温度,进堆氢气的流量、压力、温度,水温,上一时刻的水含量。
优选地,在所述神经网络中通过人工智能神经网络算法构建所述状态参数与电堆水含量的函数关系,并基于递归计算获得燃料电池电堆当前时刻的水含量。
优选地,函数关系表示为:
FC (水含量)=f(电堆电流,空气(流量、压力、温度),氢气(流量、压力、温度),水温,上一时刻水含量)。
优选地,还包括:限制与诊断单元250,用于:
判断状态参数是否超出燃料电池的正常参数范围,零部件的参数范围,以及基于燃料电池可靠性与寿命而预设的保护限制;
若超过,则下发保护命令以执行保护操作。
本发明实施例还提供了一种控制燃料电池电堆内水含量的设备,其包括存储器以及处理器,所述存储器内存储有计算机程序,所述计算机程序能够被所述处理器执行,以实现如上述的控制燃料电池电堆内水含量的方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,电子设备,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种控制燃料电池电堆内水含量的方法,其特征在于,包括:
获取与燃料电池相关的状态参数;
将所述状态参数输入至基于人工智能算法学习获得的神经网络中,计算所述燃料电池电堆内的当前时刻的水含量;
根据所述当前时刻的水含量以及目标水含量,生成执行命令;
根据所述执行命令调整转速或者阀门开度,从而使得当前时刻的水含量趋向于所述目标水含量。
2.根据权利要求1所述的控制燃料电池电堆内水含量的方法,其特征在于,所述状态参数包括电堆电流,进堆空气的流量、压力、温度,进堆氢气的流量、压力、温度,水温,上一时刻的水含量。
3.根据权利要求2所述的控制燃料电池电堆内水含量的方法,其特征在于,在所述神经网络中通过人工智能神经网络算法构建所述状态参数与电堆水含量的函数关系,并基于递归计算获得燃料电池电堆当前时刻的水含量。
4.根据权利要求3所述的控制燃料电池电堆内水含量的方法,其特征在于,函数关系表示为:
FC (水含量)=f(电堆电流,空气(流量、压力、温度),氢气(流量、压力、温度),水温,上一时刻水含量)。
5.根据权利要求1所述的控制燃料电池电堆内水含量的方法,其特征在于,还包括:
判断状态参数是否超出燃料电池的正常参数范围,零部件的参数范围,以及基于燃料电池可靠性与寿命而预设的保护限制;
若超过,则下发保护命令以执行保护操作。
6.一种控制燃料电池电堆内水含量的装置,其特征在于,包括:
参数收集单元,用于获取与燃料电池相关的状态参数;
水含量计算单元,用于将所述状态参数输入至基于人工智能算法学习获得的神经网络中,计算所述燃料电池电堆内的当前时刻的水含量;
命令生成单元,用于根据所述当前时刻的水含量以及目标水含量,生成执行命令;
执行单元,用于根据所述执行命令调整转速或者阀门开度,从而所述当前时刻的水含量趋向于所述目标水含量。
7.根据权利要求6所述的控制燃料电池电堆内水含量的装置,其特征在于,所述状态参数包括电堆电流,进堆空气的流量、压力、温度,进堆氢气的流量、压力、温度,水温,上一时刻的水含量。
8.根据权利要求7所述的控制燃料电池电堆内水含量的装置,其特征在于,在所述神经网络中通过人工智能神经网络算法构建所述状态参数与电堆水含量的函数关系,并基于递归计算获得燃料电池电堆当前时刻的水含量。
9.根据权利要求6所述的控制燃料电池电堆内水含量的装置,其特征在于,还包括:
限制与诊断单元,用于:
判断状态参数是否超出燃料电池的正常参数范围,零部件的参数范围,以及基于燃料电池可靠性与寿命而预设的保护限制;
若超过,则下发保护命令以执行保护操作。
10.一种控制燃料电池电堆内水含量的设备,其特征在于,包括存储器以及处理器,所述存储器内存储有计算机程序,所述计算机程序能够被所述处理器执行,以实现如权利要求1至5任意一项所述的控制燃料电池电堆内水含量的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110449749.4A CN113299954A (zh) | 2021-04-25 | 2021-04-25 | 控制燃料电池电堆内水含量的方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110449749.4A CN113299954A (zh) | 2021-04-25 | 2021-04-25 | 控制燃料电池电堆内水含量的方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113299954A true CN113299954A (zh) | 2021-08-24 |
Family
ID=77320051
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110449749.4A Pending CN113299954A (zh) | 2021-04-25 | 2021-04-25 | 控制燃料电池电堆内水含量的方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113299954A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113889645A (zh) * | 2021-09-29 | 2022-01-04 | 苏州氢澜科技有限公司 | 一种燃料电池***阳极加湿***及其加湿方法 |
CN114759233A (zh) * | 2022-05-24 | 2022-07-15 | 苏州溯驭技术有限公司 | 一种适用于氢燃料***的排氮阀控制方法及其排氮阀*** |
CN116130713A (zh) * | 2023-01-19 | 2023-05-16 | 上海氢晨新能源科技有限公司 | 一种分析燃料电池内部含水量的方法 |
CN117613314A (zh) * | 2024-01-23 | 2024-02-27 | 新研氢能源科技有限公司 | 一种电池堆的水含量控制方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103560261A (zh) * | 2013-11-14 | 2014-02-05 | 上海电机学院 | 一种质子交换膜燃料电池用膜加湿器控制方法 |
US20150362560A1 (en) * | 2014-06-11 | 2015-12-17 | Hyundai Motor Company | System and method for diagnosing state of fuel cell stack and controlling fuel cell system |
KR20190046548A (ko) * | 2017-10-26 | 2019-05-07 | 현대자동차주식회사 | 연료전지 스택의 수분 함유 상태 진단 방법 |
CN109841879A (zh) * | 2019-01-16 | 2019-06-04 | 清华大学 | 燃料电池水含量估计***、方法、计算机设备及存储介质 |
CN109888336A (zh) * | 2019-02-01 | 2019-06-14 | 清华大学 | 燃料电池水含量的控制方法、计算机设备和储存介质 |
CN110165248A (zh) * | 2019-05-27 | 2019-08-23 | 湖北工业大学 | 燃料电池发动机空气供给***容错控制方法 |
WO2021010066A1 (ja) * | 2019-07-16 | 2021-01-21 | 株式会社デンソー | 燃料電池システム |
CN112993345A (zh) * | 2021-04-21 | 2021-06-18 | 北京氢澜科技有限公司 | 基于人工智能的燃料电池控制***及控制方法 |
US20220140369A1 (en) * | 2019-07-16 | 2022-05-05 | Denso Corporation | Fuel Cell System |
CN115248382A (zh) * | 2022-05-17 | 2022-10-28 | 中国科学院深圳先进技术研究院 | 一种质子交换膜燃料电池控制方法 |
-
2021
- 2021-04-25 CN CN202110449749.4A patent/CN113299954A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103560261A (zh) * | 2013-11-14 | 2014-02-05 | 上海电机学院 | 一种质子交换膜燃料电池用膜加湿器控制方法 |
US20150362560A1 (en) * | 2014-06-11 | 2015-12-17 | Hyundai Motor Company | System and method for diagnosing state of fuel cell stack and controlling fuel cell system |
KR20190046548A (ko) * | 2017-10-26 | 2019-05-07 | 현대자동차주식회사 | 연료전지 스택의 수분 함유 상태 진단 방법 |
CN109841879A (zh) * | 2019-01-16 | 2019-06-04 | 清华大学 | 燃料电池水含量估计***、方法、计算机设备及存储介质 |
CN109888336A (zh) * | 2019-02-01 | 2019-06-14 | 清华大学 | 燃料电池水含量的控制方法、计算机设备和储存介质 |
CN110165248A (zh) * | 2019-05-27 | 2019-08-23 | 湖北工业大学 | 燃料电池发动机空气供给***容错控制方法 |
WO2021010066A1 (ja) * | 2019-07-16 | 2021-01-21 | 株式会社デンソー | 燃料電池システム |
US20220140369A1 (en) * | 2019-07-16 | 2022-05-05 | Denso Corporation | Fuel Cell System |
CN112993345A (zh) * | 2021-04-21 | 2021-06-18 | 北京氢澜科技有限公司 | 基于人工智能的燃料电池控制***及控制方法 |
CN115248382A (zh) * | 2022-05-17 | 2022-10-28 | 中国科学院深圳先进技术研究院 | 一种质子交换膜燃料电池控制方法 |
Non-Patent Citations (1)
Title |
---|
曹晓蕾等: "RBF 神经网络模型在PEMFC湿度值估测中的应用研究", 《电子测量与仪器学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113889645A (zh) * | 2021-09-29 | 2022-01-04 | 苏州氢澜科技有限公司 | 一种燃料电池***阳极加湿***及其加湿方法 |
CN114759233A (zh) * | 2022-05-24 | 2022-07-15 | 苏州溯驭技术有限公司 | 一种适用于氢燃料***的排氮阀控制方法及其排氮阀*** |
CN114759233B (zh) * | 2022-05-24 | 2024-01-26 | 苏州溯驭技术有限公司 | 一种适用于氢燃料***的排氮阀控制方法及其排氮阀*** |
CN116130713A (zh) * | 2023-01-19 | 2023-05-16 | 上海氢晨新能源科技有限公司 | 一种分析燃料电池内部含水量的方法 |
CN116130713B (zh) * | 2023-01-19 | 2023-11-28 | 上海氢晨新能源科技有限公司 | 一种分析燃料电池内部含水量的方法 |
CN117613314A (zh) * | 2024-01-23 | 2024-02-27 | 新研氢能源科技有限公司 | 一种电池堆的水含量控制方法 |
CN117613314B (zh) * | 2024-01-23 | 2024-04-12 | 新研氢能源科技有限公司 | 一种电池堆的水含量控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113299954A (zh) | 控制燃料电池电堆内水含量的方法、装置及设备 | |
Li et al. | Adaptive prognostic of fuel cells by implementing ensemble echo state networks in time-varying model space | |
CN110165259B (zh) | 电池的运行状态的监测方法及装置、*** | |
Liu et al. | PEMFC residual life prediction using sparse autoencoder-based deep neural network | |
Jouin et al. | Joint particle filters prognostics for proton exchange membrane fuel cell power prediction at constant current solicitation | |
Wei et al. | An adaptive model for vanadium redox flow battery and its application for online peak power estimation | |
KR101592704B1 (ko) | 연료전지 스택의 상태 진단 방법 및 연료전지 시스템의 제어방법 | |
Wu et al. | Fault diagnosis and prognostic of solid oxide fuel cells | |
Wu et al. | A hybrid prognostic model applied to SOFC prognostics | |
He et al. | Long-term performance prediction of PEMFC based on LASSO-ESN | |
CN110299547B (zh) | 一种燃料电池***的控制方法及装置 | |
EP1408384B1 (en) | An arrangement for controlling operation of a physical system, like for instance fuel cells in electric vehicles | |
CN114492087B (zh) | 氢储能电站质子交换膜燃料电池故障诊断方法及装置 | |
CN113505926B (zh) | 一种基于阻抗预测模型自更新的燃料电池故障预测方法 | |
CN108847679B (zh) | 风力发电机组及用于其的次同步振荡识别方法、装置及*** | |
CN111916803A (zh) | 一种基于云智能监控和边缘计算的燃料电池*** | |
CN111948562A (zh) | 一种燃料电池全生命周期监控与评估*** | |
Atia et al. | A new control and design of PEM fuel cell powered air diffused aeration system | |
CN111313056A (zh) | 一种数据驱动燃料电池在线性能评估方法 | |
Peng et al. | Generalized spatial–temporal fault location method for solid oxide fuel cells using LSTM and causal inference | |
CN110929835B (zh) | 一种新型碳化硅基航空功率变换器故障诊断方法及*** | |
CN116435557A (zh) | 一种基于神经网络的燃料电池热管理方法、装置及*** | |
Park et al. | Severity-based fault diagnostic method for polymer electrolyte membrane fuel cell systems | |
Quan et al. | Fault diagnosis in a current sensor and its application to fault-tolerant control for an air supply subsystem of a 50 kW-Grade fuel cell engine | |
Li et al. | Online diagnosis of PEMFC by analyzing individual cell voltages |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |