铂道PGMtao
发明专利审查中共性支撑与服务

基于深度学习的质子交换膜燃料电池性能退化预测方法

CN119226761A 申请号 CN202411342906.1

公开号：CN119226761A申请号：CN202411342906.1申请日：2024-09-25公开日：2024-12-31公开年：2024IPC 分区：FMZL产业链环节：共性支撑与服务视图：氢能核心

摘要

本发明公开了一种基于深度学习的质子交换膜燃料电池性能退化预测方法，属于自动化技术领域。本发明的方法将燃料电池系统一段连续时间获取到的动态工况退化数据作为原始输入信号，采用皮尔逊相关系数法进行处理，然后对预处理后的数据中的输出电压变量采用小波变换进行平滑，由训练好的多尺度分解模块对单批输入进行分解，将每个批次的长期模态序列和短期模态序列输入到经过训练的性能退化预测模型中，得到最终的燃料电池退化数据预测结果。利用本发明的方法可深入研究质子交换膜燃料电池动态工况下的长期模态和短期模态数据特征，有力增强退化数据的预测准确性。

申请人共 1 家

  • 1.浙大宁波理工学院

IPC 分类号共 10 项

G06F18/211(2023.01)G06F18/213(2023.01)G06F18/10(2023.01)G06N3/0442(2023.01)G06N3/0464(2023.01)G06N3/08(2023.01)G01R31/392(2019.01)G01R31/385(2019.01)G01R31/367(2019.01)G01R31/396(2019.01)

同环节专利