基于实际运行数据的车用燃料电池寿命智能预测研究

作     者：冯春晓 

作者单位：山东交通学院 

学位级别：硕士

导师姓名：王金波;胡东海

授予年度：2024年

学科分类：082304[工学-载运工具运用工程] 08[工学] 080204[工学-车辆工程] 0802[工学-机械工程] 0823[工学-交通运输工程] 

主      题：燃料电池汽车 质子交换膜燃料电池 数据驱动 寿命实时预测 

摘      要：燃料电池汽车具有零污染排放、续驶里程长、氢燃料加注快等优势,是全球车辆动力系统转型升级的重要方向。但其耐久性是影响燃料电池汽车大范围推广应用的关键瓶颈问题,在质子交换膜燃料电池(Proton Exchange Membrane Fuel Cell,PEMFC)的寿命预测与健康管理技术中,寿命预测是一个重要的工具。PEMFC在出厂前需要在实验台架上开展寿命老化实验,以确定其寿命时长。探索更高精度的寿命预测方法对于降低实验时长、减少实验成本起到了重要的作用。一味地提高寿命预测模型的精度,导致现有的模型过于庞大,需要较大的算力和良好的硬件条件,这一点在开展台架实验时并无影响,因为离线预测可以使用更好的设备开展。但是如此庞大的预测模型在燃料电池汽车上是难以进行实时并且有效预测的,目前缺乏能够在燃料电池汽车上进行寿命实时预测的方法。因此,为了提高台架实验时燃料电池寿命的高精度预测,以及实现燃料电池汽车运行时的寿命实时预测。本文通过探究了PEMFC的工作原理及老化成因,并在此基础上提出了基于Fedformer(Frequency enhanced decomposed transformer)神经网络的PEMFC寿命高精度预测方法以及满足实际运行工况的车用PEMFC寿命预测方法。本文主要研究内容如下: (1)为了实现PEMFC的寿命预测,需要了解PEMFC的工作原理、老化机理、老化影响因素和老化指标。通过文献研究,得到了以下结论:燃料电池的老化主要是水管理问题、热管理问题、运行工况、反应气体不足以及环境因素等方面引起的。这些因素在实际运行中可能引发的问题和挑战对于燃料电池的稳定运行和长期可靠性至关重要。对于系统中的参数来说,工作温度、进气压力和进气湿度等参数会直接对燃料电池老化产生影响。然而这些参数之间互相耦合,难以直接建立燃料电池老化模型。深入分析了性能指标的选择,特别是选择了输出电压作为评估燃料电池健康状态和剩余寿命的关键性能指标。这个选择基于对燃料电池内部元件老化过程的深刻理解,考虑到这个指标能够直观地反映电池输出性能的变化,并能通过实验获得更详细的信息。这为后续实验设计和剩余寿命预测提供了坚实的理论基础。 (2)通过分析PEMFC的数据特性及传统数据驱动预测方法的优缺点。提出了一种基于Fedformer神经网络的PEMFC寿命预测方法。设计PEMFC寿命老化实验,依据GB/T 38914-2020和CLTC-P分别建立了加速寿命工况与普通寿命工况,将加速寿命工况与普通寿命工况输入实验台架,得到了2000h的加速寿命工况老化数据集和500h的普通寿命工况老化数据集。通过对比LSTM和Fedformer在同一数据集下电压的衰退预测结果,2500h数据集下Fedformer电压的MAPE和RMSE分别为0.0006和0.0005,LSTM分别为0.011和0.008。Fedformer的预测误差远小于LSTM,证明了Fedformer预测模型的精确性高于LSTM。通过将2000h加速寿命工况老化数据集作为训练数据,预测500h普通寿命工况下的PEMFC寿命老化趋势,2500h数据集下Fedformer电压的MAPE和RMSE分别为0.0006和0.0005,2000h下Fedformer的MAPE和RMSE分别为0.0005和0.0004。发现Fedformer在不同数据集下的预测误差相差无几,证明了Fedformer预测模型具有普适性。 (3)提出了一种车用PEMFC的寿命实时预测方法。该方法依据了燃料电池汽车运行工况对燃料电池老化产生的影响。开发的寿命实时预测方法可以实时预测燃料电池在真实驾驶条件下的寿命。开展了实车寿命实验,实验道路包含城市道路、城郊道路和高速道路,最终获得200 h的实车实验数据。通过将实验数据划分为功率区间,得到7种不同的工况。确定了每种工况变化的时间比例、幅度和次数。搭建神经网络进行参数识别,计算得到各工况的衰减率,建立燃料电池寿命实时预测模型。预测100 h的电压衰减曲线。结果表明,在100 h的长期预测下,预测电压值的RMSE和MAPE相比Pei方法分别降低了21%和14%。在10 h的短期预测下,预测电压值与实际电压值之间的平均RMSE和平均MAPE相比Pei方法分别下降了41%和35%。证明了提出的车用PEMFC寿命实时预测方法的先进性。