氢能专利库

本发明公开了一种燃料电池性能预测方法、装置、电子设备及存储介质，其中，预测方法包括步骤：获取若干不同性能的GDL，并将GDL重构为对应的GDL模型；基于孔尺度模型和格子玻尔兹曼方法分析GDL模型获取对每种GDL模型的性能参数信息；将性能参数信息导入燃料电池模型中；获取并分析燃料电池模型的电池性能信息；基于电池性能信息指导GDL调整或选择最佳GDL模型；该方法实现了微观模型和宏观模型关联体系，系统性地综合了燃料电池微观、宏观特性，可精确地预测燃料电池的性能，并能以预测结果作为燃料电池的研发调整基础或选择基础。

本发明提供了一种燃料电池直流内阻测试方法及系统，通过令燃料电池稳态工作预设时间后切断电流；以第一采样频率测量总电压和电流；以较小的第二采样频率同步测量各单电池的单体电压；计算电流的上一个采样值与当前采样值的电流偏差值；若电流偏差值超过第一预设阈值，则根据总电压的当前采样值与上一个采样值的电压偏差值和电流偏差值计算总直流内阻值，以各单电池在电流切断后第一个单体电压采样值和电流切断前最后一个单体电压采样值之间的单体电压偏差值和电流偏差值计算各单电池的单体直流内阻值；根据总直流内阻值和各单体直流内阻值之间的差异情况判断燃料电池的健康状态；从而有利于提高燃料电池健康情况判断的可靠性和降低设备成本。

本发明公开一种基于XGBoost算法的氢燃料电池汽车续航里程预测方法，其核心在于预先设置一个算法模型，该算法模型为XGBoost(eXtremeGradient Boosting，极端梯度提升)算法，该方法首先获取车辆当前的各种相关数据，通过分析判断当前车辆工况，同时获取车辆燃料电池数据、氢系统数据和其他车辆数据，并将当前数据与车辆工况对应的历史数据进行比例组合后输入到算法模型中，预测氢气在当前工况下未来的消耗曲线。该算法的优点在于：不断的利用在先的算法模型的残差来优化调整当前预测续航里程的运算需要用的算法模型，因此，随着数据量的越来越大，迭代次数的越来越多，预测运算需要的算法模型会越来越收敛，预测的精度就会不断的提高。