项目编号：?? ?2103 ?????

人工智能技术在燃料电池系统控制的应用前景

Application Prospect of Artificial Intelligence Technology in Fuel Cell System Control

 

项目研制单位：天津大学 上海捷氢科技有限公司

主要研制人员：焦魁 刘智? 王博文? 宫智超? 邢岩秋? 杨子俊? 叶盛杰

高清臣 王园? 蔡俊? 顾欣? 袁新杰? 周敬

 

主题词：燃料电池、人工智能、故障诊断、空压机、性能预测、参数优化

寿命预测、数据库

1、研究内容介绍

燃料电池作为一种氢气与氧气中的化学能直接转换为电能的能量转换装置，具有高效、环保、响应迅速、功率密度高等优势，但其商业化面临着诸如性能、设计和车辆效率等挑战。燃料电池系统繁琐，内部反应复杂，直接通过实验或物理建模研究需要大量研究成本，且很难探明内部复杂参数间耦合关系。而人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，其中机器学习指机器从经验中自动学习和改进的过程，不需要人工编写程序指定规则和逻辑，是实现一种人工智能的一项重要技术手段；深度学习是机器学习的一种，是用于建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据的一种机器学习技术。机器学习与深度学习的本质是建立一个映射函数，不需要深入了解物理化学过程，具有建模简单，计算和时间成本低等优点，有望高效的解决燃料电池控制和优化设计等问题。

本课题通过围绕人工智能提升车载燃料电池寿命与性能这一主题，分为电堆车载控制、电堆优化设计、数据库与数据处理三部分进行文献调研,并分析人工智能在燃料电池中应用的可行性，通过实例进行初步论证，如图1。进行主要的工作内容如下：

图1 研究路线

1）电堆车载控制

电堆状态估计与故障诊断：通过文献调研，归纳总结出了其中存在的难点问题包括：燃料电池系统故障数据时序性，性能退化导致故障特征出现空间偏移，车载在线诊断条件导致算力有限。基于文献调研结果，提炼利用人工智能技术的解决方案。利用可获取的燃料电池故障数据进行初步论证，通过信号时频域分析法、人工神经网络等人工智能算法进行了故障类型的高精度诊断。所提供的方法路线充分考虑燃料电池控制器算力不足问题，基于筛选后的传感器变量以及所选定的神经网络优化方法搭建诊断模型，将帮助捷氢推进M4电堆诊断算法开发。

系统控制与长寿命周期内自适应控制：通过文献调研探索了使用人工智能方法的系统标定解决方案，利用捷氢提供的产品极化曲线和空压机相关数据与自有的燃料电池模型，实现使用人工智能方法的空压机控制和长寿命周期内的自适应控制工作。系统最佳效率通过所开发的基于遗传算法的空气路优化控制，全功率范围平均提升3.8%，将帮助捷氢提升产品在长耐久状态下的效率。

2）电堆优化设计

电堆性能的高效预测：通过文献调研，明确了对电堆的动态性能进行高效预测十分必要，可以大幅降低电堆设计中的开发测试成本，但利用人工智能手段实现相应预测的研究较为匮乏。利用燃料电池冷启动过程（运行中面临的典型瞬态问题）数据，分析人工智能预测工作的可行性。采用人工神经网络和滑动窗口相结合的方式，论证了人工智能对冷启动过程控制策略优化的应用。所开发的模型可以为捷氢冷启动提供最大可以输出电流的参考，使捷氢冷启动的调节始终位于启动成功区且可以为电堆提供最大蓄热，帮助捷氢明显提升冷启动速度，提升客户冬季使用体验。

电堆参数的高效优化：对文献中方法进行归纳，明确了利用人工智能方法对电堆参数优化的可行性。利用燃料电池催化层结构参数与电堆性能的数据为例，进行了人工智能预测优化工作的论证，利用人工神经网络和遗传算法，进行催化层配比高效优化的论证。

电堆性能衰减过程预测：通过查阅文献进行调研，明确了利用人工智能方法对电堆衰减过程预测的可行性。由于缺乏电堆衰减数据，采用类似的电堆动态过程（性能和HFR），实现了使用人工智能方法的过程预测。所开发的基于数据驱动的电堆性能衰减模型，精度良好，后续将帮助捷氢解决燃料电池耐久测试时间长的问题。

3）数据库与数据处理

燃料电池群组数据库系统：通过对燃料电池群组数据库进行分析，确定数据库需要实现数据管理、数据挖掘、数据可视化的功能，实现数据清理、数据存储、特征提取。

电池组群的数据构成与特点：通过文献调研，归纳总结出了电池组群的数据构成包括的数据类型，以及其多元时间序列的特点。根据时间序列特点，调研适用于存储时间序列的时序型数据库。

数据预处理：通过文献调研，提炼出常见数据缺陷类型包括：缺失数据、噪声数据、异常数据和非规范化数据，以及各缺陷对计算模型的影响。并进一步对数据清洗方法进行归纳，对比了各种方法的优缺点，同时考虑电池组群数据实际特点，提出应对各种数据缺陷优先适用方法的建议。在此基础上，捷氢开发了数据预处理算法，有效提升捷氢后台大数据的数据质量，有效提升捷氢的数据使用效率。

适用于燃料电池的特征提取技术与算法：通过文献调研，根据燃料电池群组数据库需求，从故障诊断与寿命预测两个角度总结通过人工智能方法提取电池组数据特征的技术与算法。

2、技术创新点

针对故障诊断，提出了一种基于传感器预选方法和人工神经网络算法的PEMFCs系统故障诊断策略。

针对自适应控制，提出了一种基于随机优化算法的空压机与燃料电池的系统自适应匹配方法，在不同输出功率情况下，以燃料电池系统效率最高为目标，制定空压机与全寿命周期内燃料电池的匹配策略。

针对性能预测，提出了一种数据驱动的PEMFC动态模型，采用改进的半递归滑动窗口方法，在PEMFC冷启动过程中实现动态预测和实时优化，找出最佳操作条件。

针对参数优化，提出了一种基于人工智能的、数据驱动的代理建模和优化框架，以实现催化层成分的多变量全局优化。

3、专利/论文/获奖情况

1）Wu K, Du Q, Zu B, et al. Enabling real-time optimization of dynamic processes of proton exchange membrane fuel cell: Data-driven approach with semi-recurrent sliding window method[J]. Applied Energy, 2021, 303: 117659.

2）Xing Y, Wang B, Gong Z, et al. Data-driven Fault Diagnosis for PEM Fuel Cell System Using Sensor Pre-Selection Method and Artificial Neural Network Model[J]. IEEE Transactions on Energy Conversion, 2022: 1-1.

4、成果应用及经济效益预测

1）基于AI的燃料电池控制

建立基于AI技术的燃料电池状态估计与故障诊断技术路线，为车载燃料电池在线故障诊断提供有效技术手段。特别是针对捷氢燃料电池复杂传质传热故障，有良好的应用前景，为将来捷氢下一代燃料电池系统故障诊断提供有效技术输入。

建立了随电堆参数老化时变以后，空气路的自适应调节方法，按照捷氢实际电堆和系统参数建立，依据模型计算，可以有效提升整个系统效率。捷氢下一步准备解决模型实时计算量问题与嵌入式编程问题，将模型应用于捷氢车载控制模型，提升车载燃料电池系统运行效率。

2）基于AI的电堆设计

电堆性能高效预测模型可以在复杂条件下，预计电堆最大输出能力。该方案对可以解决捷氢燃料电池系统冷启动中，最大电堆输出能力难预测问题，有效增加燃料电池冷启动过程中的蓄热，减小启动时间，提升客户体验。对捷氢P4燃料电池冷启动算法开发有重要帮助价值。

电堆参数优化模型，使用数据驱动的思想优化电堆参数，为捷氢目前大量实验数据的组织和挖掘提供有效的技术输入，捷氢后续将基于此技术路线推进数据的存储和挖掘。

电堆衰减性能预测可以预测电堆衰减曲线，在捷氢目前耐久实验耗时过长的问题上有良好应用场景，捷氢后续基于此技术路线，推进耐久数据分析与减少耐久实验时长，耐久实验减少可以提供良好经济效益（节约大量氢气成本与产品上市时间成本）。

3）数据库技术与数据存储

该报告提供燃料电池数据库的组织形式、数据特征提取的一般方法、数据预处理方法等一系列燃料电池数据技术的应用路线。为捷氢数据库扩建（目前数据库联合帆一尚行搭建），数据清洗与预处理自动化搭建等提供技术路线，后续将基于此推进捷氢数据库的扩建与数据清洗/预处理自动化工作。