本發(fā)明涉及金屬雙極板燃料電池領(lǐng)域，具體而言，涉及基于耗散最小化的大功率金雙雙極板燃料電池?zé)豳|(zhì)強(qiáng)化方法。
背景技術(shù)：
：：1、大功率燃料電池作為一種高效、環(huán)保的能源轉(zhuǎn)換裝置，在多個(gè)領(lǐng)域展現(xiàn)出廣闊的應(yīng)用前景；然而，其在實(shí)際運(yùn)行過(guò)程中，由于能量轉(zhuǎn)換和熱損失等原因，會(huì)產(chǎn)生一定的耗散，這不僅影響了燃料電池的性能，也限制了其使用壽命和應(yīng)用范圍；因此，研究如何最小化燃料電池的耗散，提高其熱質(zhì)傳輸效率，成為當(dāng)前燃料電池技術(shù)發(fā)展的重要方向；2、傳統(tǒng)的大功率燃料電池?zé)豳|(zhì)管理方法往往側(cè)重于單一的參數(shù)控制或簡(jiǎn)單的反饋機(jī)制，缺乏系統(tǒng)性和綜合性；隨著傳感器技術(shù)、數(shù)據(jù)處理技術(shù)和智能控制算法的發(fā)展，為燃料電池的熱質(zhì)管理提供了新的思路和方法；通過(guò)實(shí)時(shí)監(jiān)測(cè)燃料電池的運(yùn)行參數(shù)，結(jié)合評(píng)估模型和智能控制算法，可以實(shí)現(xiàn)對(duì)燃料電池?zé)豳|(zhì)狀態(tài)的精準(zhǔn)控制和優(yōu)化，從而進(jìn)一步提高其性能和穩(wěn)定性。3、例如：中國(guó)發(fā)明專利(申請(qǐng)?zhí)枺篶n202410051112.3)所公開(kāi)的“基于汽車的燃料電池?zé)峁芾矸抡娣椒?、裝置及可讀介質(zhì)”，其說(shuō)明書(shū)公開(kāi)：燃料電池汽車因其無(wú)污染和高效率的優(yōu)點(diǎn)而備受關(guān)注。整車搭載的燃料電池主要包括熱管理系統(tǒng)、氫氣供給系統(tǒng)、空氣供給系統(tǒng)和電控系統(tǒng)等。伴隨著燃料電池汽車向大功率化、重型化應(yīng)用，燃料電池的熱管理問(wèn)題日趨嚴(yán)重，滿足大功率汽車散熱要求是燃料電池商業(yè)化的重點(diǎn)研究工作。燃料電池?zé)峁芾硐到y(tǒng)直接影響電堆的工作溫度，建立高精度、高性能的熱管理系統(tǒng)仿真平臺(tái)，結(jié)合系統(tǒng)模型的仿真結(jié)果對(duì)燃料電池發(fā)動(dòng)機(jī)進(jìn)行優(yōu)化和改進(jìn)，可以有效的提高燃料電池性能，滿足燃料電池汽車的換熱需求。目前的燃料電池?zé)峁芾硐到y(tǒng)建模多采用理論建模方法，系統(tǒng)搭建過(guò)中進(jìn)行大量的假設(shè)與理論計(jì)算，忽視了系統(tǒng)中大多數(shù)物理量的變化過(guò)程，導(dǎo)致系統(tǒng)模型精度較差。燃料電池作為多物理量的耦合系統(tǒng)，建立高精度燃料電池?zé)峁芾硐到y(tǒng)仿真平臺(tái)，對(duì)熱管理系統(tǒng)仿真進(jìn)行系統(tǒng)結(jié)構(gòu)設(shè)計(jì)、熱管理系統(tǒng)各個(gè)物理參數(shù)進(jìn)行實(shí)時(shí)監(jiān)控，指導(dǎo)燃料電池系統(tǒng)整車開(kāi)發(fā)具有重要意義；上述專利可以佐證現(xiàn)有技術(shù)存在的缺陷。4、因此我們對(duì)此做出改進(jìn)，提出基于耗散最小化的大功率金雙雙極板燃料電池?zé)豳|(zhì)強(qiáng)化方法。技術(shù)實(shí)現(xiàn)思路1、本發(fā)明的目的在于：針對(duì)傳統(tǒng)的大功率燃料電池?zé)豳|(zhì)管理方法往往側(cè)重于單一的參數(shù)控制或簡(jiǎn)單的反饋機(jī)制，缺乏系統(tǒng)性和綜合性。2、為了實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明提供了基于耗散最小化的大功率金雙雙極板燃料電池?zé)豳|(zhì)強(qiáng)化方法，以改善上述問(wèn)題。3、本技術(shù)具體是這樣的：4、包括如下步驟：5、s1：確定需求分析，確定金屬雙極板燃料電池的應(yīng)用場(chǎng)景、性能需求以及耗散最小化目標(biāo)，并確定金屬雙極板燃料電池對(duì)熱質(zhì)強(qiáng)化的具體需求和應(yīng)用場(chǎng)景特點(diǎn)；6、s2：建立耗散最小化監(jiān)控系統(tǒng)，通過(guò)傳感器獲取金屬雙極板燃料電池的溫度、濕度、壓力、流量、電壓以及電流參數(shù)，并對(duì)參數(shù)進(jìn)行分析，通過(guò)建立耗散最小化評(píng)估模型進(jìn)行實(shí)時(shí)評(píng)估與預(yù)測(cè)，并利用梯度下降法優(yōu)化所預(yù)測(cè)的數(shù)據(jù)；7、s3：耗散最小化功能的選擇，通過(guò)根據(jù)燃料電池系統(tǒng)的不同應(yīng)用場(chǎng)景和需求，預(yù)設(shè)運(yùn)行模式，操作人員手動(dòng)根據(jù)實(shí)際的應(yīng)用場(chǎng)景選擇對(duì)應(yīng)的運(yùn)行模式；8、s4：金屬雙極板燃料使用場(chǎng)景自適應(yīng)選擇功能實(shí)現(xiàn)，結(jié)合步驟s1的金屬雙極板燃料電池的應(yīng)用場(chǎng)景確定以及步驟s2中的參數(shù)實(shí)時(shí)評(píng)估，根據(jù)應(yīng)用場(chǎng)景調(diào)整金屬雙極板燃料電池所對(duì)應(yīng)的參數(shù)；9、s5：金屬雙極板燃料電池?zé)豳|(zhì)強(qiáng)化，結(jié)合步驟s2中的耗散最小化監(jiān)控系統(tǒng)，實(shí)時(shí)檢測(cè)金屬雙極板燃料電池參數(shù)的同時(shí)，對(duì)其參數(shù)進(jìn)行對(duì)應(yīng)的調(diào)整。10、作為本技術(shù)優(yōu)選的技術(shù)方案，所述步驟s2中耗散最小化評(píng)估模型的建立，具體包括如下步驟：11、sa：數(shù)據(jù)收集與預(yù)處理，通過(guò)實(shí)驗(yàn)測(cè)量金屬雙極板燃料電池在不同工況下的參數(shù)，包括溫度、濕度、壓力、流量、電壓以及電流參數(shù)，利用comsol?multiphysics燃料電池仿真軟件進(jìn)行仿真實(shí)驗(yàn)，獲取工況下的參數(shù)，并對(duì)收集到的參數(shù)進(jìn)行清洗、去噪以及校準(zhǔn)處理；12、sb：構(gòu)建模型，根據(jù)金屬雙極板燃料電池能量轉(zhuǎn)換過(guò)程中的損失以及熱損失，分析耗散的來(lái)源以及機(jī)理，對(duì)耗散評(píng)估模型進(jìn)行簡(jiǎn)化，建立數(shù)學(xué)模型，并結(jié)合步驟sa中的實(shí)驗(yàn)數(shù)據(jù)以及仿真數(shù)據(jù)進(jìn)行模型的校準(zhǔn)，其中能量轉(zhuǎn)換損失模型，使用燃料電池的電壓、電流和效率來(lái)計(jì)算能量轉(zhuǎn)換損失，具體公式為：13、energy?conversion?loss＝vstack·istack·(1-ηstack)14、其中：energy?conversion?loss表示能量轉(zhuǎn)換損失，vstack表示電堆的電壓，istack表示電堆的電流ηstack表示電堆的效率；15、熱損失模型公式為：16、thermal?loss＝mcoolant·cp·(tout-tin)+radiative?loss+convective?loss17、其中mcoolant是冷卻水的質(zhì)量流量，cp是水的比熱容，tout-tin分別是冷卻水的出口和進(jìn)口溫度，radiative?loss是輻射熱損失，convective?loss是對(duì)流熱損失；18、總耗散模型，將能量轉(zhuǎn)換損失與熱損失相加，得到總耗散，具體公式為：19、total?dissipation＝energy?conversion?loss+thermal?loss20、sc：將模型預(yù)測(cè)結(jié)果與實(shí)驗(yàn)數(shù)據(jù)和仿真數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證，根據(jù)驗(yàn)證結(jié)果對(duì)模型進(jìn)行優(yōu)化調(diào)整，包括修改模型結(jié)構(gòu)與調(diào)整參數(shù)值；21、sd：在使用過(guò)程中收集系統(tǒng)的實(shí)際運(yùn)行數(shù)據(jù)，與模型預(yù)測(cè)結(jié)果進(jìn)行對(duì)比分析，及時(shí)反饋給模型開(kāi)發(fā)者進(jìn)行迭代優(yōu)化。22、作為本技術(shù)優(yōu)選的技術(shù)方案，所述步驟sa中的清洗、去噪以及校準(zhǔn)處理其具體的算法公式分別為：23、清洗：ck＝1/nk∑xi∈ckxi24、其中nk是聚類ck中的點(diǎn)的數(shù)量，xi是聚類中的點(diǎn)；25、去噪：xdenoised＝w-1(τ(wx))26、其中，w-1為逆變換，τ(wx)表示對(duì)小波變換后的系數(shù)應(yīng)用閾值處理；27、校準(zhǔn)；xcalibrated＝tcalibrated+scalibrated+r28、其中，tcalibrated和scalibrated分別是經(jīng)過(guò)某種校準(zhǔn)方法處理后的趨勢(shì)和季節(jié)性成分，r是殘差成分。29、作為本技術(shù)優(yōu)選的技術(shù)方案，所述步驟sb中的建立數(shù)學(xué)模型，采用建立偏微分方程，根據(jù)傅里葉熱傳導(dǎo)定律建立描述系統(tǒng)行為的偏微分方程，其具體偏微分方程可以表示為：30、31、其中，t是溫度，x和y是空間坐標(biāo)，所述建立數(shù)學(xué)模型還包括構(gòu)建耗散函數(shù)，其耗散函數(shù)的具體表達(dá)式為：32、33、其中φ是一個(gè)與溫度梯度有關(guān)的物理量，k是一個(gè)常數(shù)，t是溫度，v是積分體積。34、作為本技術(shù)優(yōu)選的技術(shù)方案，所述步驟s4中金屬雙極板燃料使用場(chǎng)景自適應(yīng)選擇功能實(shí)現(xiàn)具體包括如下步驟：35、si：數(shù)據(jù)處理，利用濾波技術(shù)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，并對(duì)處理后的數(shù)據(jù)進(jìn)行壓縮處理，其中濾波技術(shù)采用的濾波公式為：36、y[n]＝α·x[n]+(1-α)·y[n-1]37、其中：y[n]是當(dāng)前平滑后的輸出值，x[n]是當(dāng)前的輸入值，y[n-1]是上一次平滑后的輸出值，α是一個(gè)介于0和1之間的平滑因子；38、sii：模式識(shí)別，利用計(jì)算機(jī)學(xué)習(xí)算法，將傳感器以及步驟si中處理的數(shù)據(jù)作為輸入，通過(guò)特征提取識(shí)別使用場(chǎng)景，并利用決策樹(shù)配合分類算法通過(guò)遞歸地劃分?jǐn)?shù)據(jù)集來(lái)構(gòu)建分類模型，其中分類算法具體公式為：39、{min/w，b}1/2∣w∣240、41、其中，w是權(quán)重向量，b是偏置項(xiàng)，yi是第i個(gè)樣本的標(biāo)簽xi是第i個(gè)樣本的特征向量，目標(biāo)函數(shù)1/2∣w∣2是權(quán)重向量的模的平方的一半。42、作為本技術(shù)優(yōu)選的技術(shù)方案，還包括如下步驟：43、siii：設(shè)計(jì)反饋機(jī)制，實(shí)時(shí)監(jiān)測(cè)系統(tǒng)響應(yīng)，并調(diào)整決策算法，所述反饋控制算法公式為：44、u(t)＝kp·e(t)+ki·∫0te(τ)dτ+kd·{de(t)/dt}45、其中：u(t)是控制器輸出，用于控制被控對(duì)象，e(t)是誤差信號(hào)，即期望輸出與實(shí)際輸出之間的差值，kp是比例系數(shù)，決定了比例作用的強(qiáng)弱，ki是積分系數(shù)，決定了積分作用的強(qiáng)弱，kd是微分系數(shù)，決定了微分作用的強(qiáng)弱，∫0te(τ)dτ是誤差信號(hào)的積分，用于消除靜差，de(t)/dt是誤差信號(hào)的微分，用于預(yù)測(cè)未來(lái)的誤差變化。46、作為本技術(shù)優(yōu)選的技術(shù)方案，所述步驟sii中的計(jì)算機(jī)學(xué)習(xí)算法具體包括；47、趨勢(shì)成分：tt≈loess(xt)48、其中，xt是原始時(shí)間序列數(shù)據(jù)，loess是非參數(shù)回歸方法；49、季節(jié)性成分：st≈smooth(xt-tt)50、其中，smooth表示平滑操作；51、殘差成分：rt＝xt-tt-st52、趨勢(shì)校準(zhǔn)：tcalibrated,t＝β0+β1t53、其中，β0和β1是通過(guò)最小化殘差平方和來(lái)估計(jì)的線性回歸系數(shù)。54、作為本技術(shù)優(yōu)選的技術(shù)方案，所述步驟s5中金屬雙極板燃料電池?zé)豳|(zhì)強(qiáng)化具體包括如下步驟：55、sa：利用cfd仿真軟件對(duì)冷卻流道進(jìn)行三維建模和仿真分析，通過(guò)改變流道形狀、寬度以及深度參數(shù)，并將溫度傳感器集成到金屬雙極板燃料電池內(nèi)，結(jié)合步驟siii，實(shí)時(shí)檢測(cè)數(shù)據(jù)。56、作為本技術(shù)優(yōu)選的技術(shù)方案，所述步驟s1確定需求分析具體包括如下步驟：57、步驟一：采用數(shù)據(jù)清洗、篩選、聚類、關(guān)聯(lián)規(guī)則挖掘技術(shù)識(shí)別市場(chǎng)趨勢(shì)、用戶偏好和競(jìng)爭(zhēng)態(tài)勢(shì)，分析用戶評(píng)論；58、步驟二：利用有限元分析軟件分析制造工藝過(guò)程中的應(yīng)力分布以及熱傳導(dǎo)現(xiàn)象；利用計(jì)算流體動(dòng)力學(xué)軟件分析氣體流動(dòng)以及冷卻水循環(huán)流體行為；59、步驟三：建立自動(dòng)化的市場(chǎng)情報(bào)收集系統(tǒng)，利用rss訂閱與api接口技術(shù)手段實(shí)時(shí)抓取行業(yè)動(dòng)態(tài)和技術(shù)進(jìn)展信息；利用tableau與power?bi數(shù)據(jù)可視化工具將市場(chǎng)和技術(shù)數(shù)據(jù)轉(zhuǎn)化為直觀的圖表和報(bào)告。60、作為本技術(shù)優(yōu)選的技術(shù)方案，所述步驟一中的數(shù)據(jù)聚類、關(guān)聯(lián)規(guī)則挖掘技術(shù)具體采用如下算法：61、聚類：j(c,μ)＝∑i＝1k∑x∈cid(x,μi)62、其中j(c,μ)表示聚類質(zhì)量指標(biāo)，c表示聚類，μ表示聚類中心，d(x,μi)表示數(shù)據(jù)點(diǎn)x與聚類中心μi之間的距離；63、關(guān)聯(lián)規(guī)則挖掘：s＝count(x∪y)/count(d)64、其中s表示支持度，count(x∪y)表示包含項(xiàng)集x∪y的事務(wù)數(shù)，count(d)表示總事務(wù)數(shù)。65、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：66、在本技術(shù)的方案中：67、1.為了解決現(xiàn)有技術(shù)中燃料電池的性能和穩(wěn)定性差的問(wèn)題，本技術(shù)通過(guò)實(shí)時(shí)監(jiān)測(cè)燃料電池的溫度、濕度、壓力、流量、電壓以及電流參數(shù)，并結(jié)合耗散最小化評(píng)估模型和智能控制算法，該方法能夠確保燃料電池在各種工況下都能保持最優(yōu)的運(yùn)行狀態(tài)；這不僅提高了燃料電池的能量轉(zhuǎn)換效率，還顯著增強(qiáng)了其運(yùn)行穩(wěn)定性，使得燃料電池能夠更可靠地滿足各種應(yīng)用場(chǎng)景的需求；68、2.為了解決現(xiàn)有技術(shù)中燃料電池使用壽命短的問(wèn)題，本技術(shù)通過(guò)最小化燃料電池的耗散，顯著減少了燃料電池在運(yùn)行過(guò)程中的熱應(yīng)力和機(jī)械應(yīng)力，從而降低了其故障率和維護(hù)成本；同時(shí)，由于燃料電池能夠在更優(yōu)的狀態(tài)下運(yùn)行，其使用壽命也得到了有效延長(zhǎng)；69、3.通過(guò)自適應(yīng)選擇功能和智能決策機(jī)制，使得燃料電池能夠更好地適應(yīng)不同的應(yīng)用場(chǎng)景和需求，燃料電池能夠通過(guò)智能調(diào)整保持最優(yōu)的運(yùn)行狀態(tài)，從而提高了其適應(yīng)性和可靠性，解決了現(xiàn)有技術(shù)中燃料電池的適應(yīng)性和可靠性低下的問(wèn)題。當(dāng)前第1頁(yè)12當(dāng)前第1頁(yè)12