英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
氢燃料电池状态监测综述和预测方法
林荣恒 席雪楠 王培南 吴步丹 田世明
北京邮电大学网络与交换技术国家重点实验室，北京，100876，中国b中国电力科学研究院有限公司，北京100192
文章信息
文章历史：
2018年8月1日接收
收到修改后的表格
2018年8月16日
2018年9月11日接收
在线提供xxx
关键词：
燃料电池
健康监测
故障诊断
寿命预测
故障预测
概念
将氢燃料电池将氧气和氢气结合起来发电是一个有前途的动力源。燃料电池的状况，如健康状况和故障，对于确保持续供电至关重要。有技术和为燃料电池健康监测，故障诊断和预测而进行的算法，寿命预测。为了全面了解，本文提出了对燃料电池状态监测技术工作的全面概述。它回顾了两种不同观点，技术和情景的文学作品。对于技术观点，有基于模型的方法，基于过滤器的方法，以及数据激励方法。对于场景视图，它提出了5 5个表格以进行详细比较。基于此回顾一下，读者可以很容易地了解燃料电池状态监测技术的现状。
2018年Hydrogen Energy Publications LLC。由Elsevier Ltd.出版。保留所有权利。
介绍
由于原油价格持续逐步下降，需要一种合适的经济替代油。必须由一个清洁且可再生能源基础进行节能来解决这个问题。替代技术各式各样，燃料电池发电汽车工业和固定发电厂变得越来越多，由此出现更有希望的解决方案。随着燃料电池的一个成长趋势，Arias等人提出了趋势燃料电池技术，其中包括历史概述，以及燃料电池的优势和挑战。此外，Rahman等人概述了生物氢技术及其在燃料电池中的应用技术。但是，仍然存在一些技术难题需要解决，例如可靠性和耐用性燃料电池。不同于诊断，燃料的预测细胞有助于了解潜在的缺陷和剩余的工作时间，HaoLiu等人给出了全面的描述预测方法并将这些方法分成几个类别，包括基于模型的方法，基于数据的方法方法和混合方法。Jouin和戴维斯等人回顾了有关的文献燃料电池预测及其健康状况监测表明健康和生活预测也是一系列的挑战。此外，Sutharssan等人提出他的看法燃料电池预测和健康监测。为了更好地优化监测和预测，Priya等人给出了燃料电池建模方法的完整图片参数估计技术。 Araya等人专注于燃料电池的高温冲击，并试图承受温度和生活之间的关系。
此外，郑表明了传统电源这一点燃料电池堆和系统的诊断至关重要。 AITOUCHE等人强调燃料电池易受导致燃料故障的影响细胞停止或永久性损坏。为了安全运行，它是必须使用系统技术来检测和隔离故障。此外，Petrone等人提供了描述基于模型的诊断方法，旨在帮助开发人员适用于PEMFC监控和故障检测隔离（FDI）诊断工具。 Hinds人描述了其他燃料电池的诊断技术，包括非模型基于方法。 Benmouna等人揭露了这个错误燃料电池系统的诊断方法，并作了简要介绍阳极驱动和阳极驱动影响的实验研究基于信号的诊断方法。胡提出了一种用于燃料电池劣化的恒定电流充电方法诊断，经过多种不同的测试和改进准确性的条件。 Cadet提出了几个选择，设计和应用诊断的标准PEMFC的工具，侧重于客观标准和允许结果的实际验证。如上所述，状态监测是一个燃料电池的重要问题，有几个适用于它的各种技术。在下一节中，将提出审查的整体形象以及文献表。
学术关系
在本文中，我们主要关注的主题包括健康监测，故障诊断，故障预测，寿命跨度，参数估计。通过监测时间来识别故障诊断故障和系统确定故障的类型及其地点。在燃料电池区域，故障诊断是识别当有急涌或其他一些非正常状态时。故障预测与故障诊断不同专注于预测。没有故障，但故障预测方法需要预测故障何时发生会是什么样的错误。健康监测和寿命预测是相似的，但是仍然存在一些微小的差异。健康监测是为了创建监控框架，获取实时监控数据，在短期内预测健康状况。然而，寿命预测是预测燃料电池的寿命可以使用，如何延长年龄。参数估计是搜索并找到合适的典型问题的参数。它在上面被广泛使用问题。这五种方法有三种是主要解决方法，这是基于模型的方法，基于过滤器方法和数据驱动方法。
关于基于模型的方法，发生系统中的故障由某些模型确定系统，可以是数学的或基于知识的。基于模型的诊断技术包括基于方法关于参数识别，基于观察者和奇偶校验空间造型。过滤相关的方法，有些称为信号基础方法。他们使用过滤器，如卡尔曼滤波器，粒子过滤。此外，隐马尔可夫模型和蒙特卡罗方法也经常应用于此类别。数据驱动方法是那些使用数据挖掘或统计方法的方法。在此类别中，燃料电池数据将被收集进行进一步处理。一个典型的程序数据预处理，数据分析，模型创建，模型培训和模型评估。在这篇评论中，我们查看了120多篇文献作品表1.并且有五列和五行。每一行表示不同的问题，而每列代表一个不同的类别或方法。例如，在行中健康监测/管理/绩效，包括五种不同类别的方法：基于模型的方法，基于过滤的方法，数据驱动方法，相关调查和其他方法。在这篇综述中，前三种方法将进行充分讨论
基于模型的方法
如上所述，基于模型的方法创造了一些提前系统模型并进一步使用该模型评价[102,103]。
在燃料电池状态监测方面有许多相关的工作。使用Hotelling T2控制来限制PEM燃料电池，通过基于状态的模型进行监控。 薛分析表明该方案具有较高的检测灵敏度，可以在早期发现故障。另外，刘提出的预测方法是有效的半经验基于自适应无迹卡尔曼滤波（AUKF）算法的模型用于估计PEMFC的健康状态和剩余的使用寿命。 AUKF算法自动调整系统和观测协方差过程估计残差，解决了传统UKF算法初始参数的问题。对于寿命预测，Jouin提出了一个PEMFC用于预测和健康评估的老化模型根据选定的密钥降级建模并验证预测和健康评估的状态。结果表明老化过程中的堆肥健康状况可以准确预测。Petrone审查了基于模型的诊断PEMFC的方法。不同的基于模型的方法及其方法验证和应用研究。它提出了一个文献中可用的不同方法的概述，它旨在帮助监控和PEMFC诊断工具适合用于开发的故障检测和隔离（FDI）。为了更好地理解失效模式，Whiteley提出了一些失效模式和效果分析。Costamagna提出了一种燃料电池系统故障使用支持向量机和定量模型的诊断方法。定量模型和支持向量建议设计和操作工厂的机器监督分类系统。这种类型的系统是有助于揭示弱势条件并在其中识别它四个被认为是故障类别，使用一些易于测量的特征，这些特征由分类错误最大化界限。Sorrentino提出了一种利用神经网络和统计现场诊断和非线性的方法用于燃料电池堆的建模工具。他们也发展了递归神经网络（RNN）和NN分类器来模拟SOFC的瞬态操作和预测可能故障。
刘提出了一种燃料故障诊断方法使用模型方法的电池供气系统。该文献中提出的简化非线性模型改进的超扭曲（ST）算法。提议方法可以检查系统状态以及一些故障信号。然后，通过比较残差来计算从系统模型和线之间的线获得的信号观察者氧系统的过剩比例。故障信号可以重建，其中燃料电池的设计和控制是使用残差信号等效的关键故障检测输出错误注入。Damour提出了一种新的基于信号的诊断方法基于经验模式的PEMFC专用方法分解。 EMD的想法是一个直接的适应性基础处理方法。因为它会学习一些参数，所以没有预先设定的参数。提出的方法试图找到电压和状态之间的联系。该方法具有计算量低的优点成本高，准确度高。对于在线故障排除，Rosich等。 [107]专注于基于堆栈故障检测和隔离系统（FDI）模型的PEM燃料电池。它证明了重要性结构模型解决复杂的诊断问题系统。Polverino提出了基于模型的诊断使用签名特征矩阵的方法，以改善现场诊断的准确性。诊断设计阶段依赖于对所有人之间相互作用的深入分析系统组件通过物理知识SOFC系统整体。该阶段由故障树分析（FTA）组成，可以分析以识别相似的症状及其在系统间的相关性组件级故障。参数拟合对于建模方法至关重要。程等人。 [90]给出了一种基于的参数拟合方法自适应差分进化PEMFC模型。在该参数拟合方法中，操作符和控制参数是两个各种主要参数进行优化。并基于这两类参数，论文创建了一个基线测试以评估结果。Priya给出了参数的完整描述燃料电池建模的估算技术，以及参数估计问题被讨论应用于各种AI /生物激发法。Lechartier提出了预测的燃料电池行为模式。该模型由一个独立的静态组成部分和动态部分。一方面，静态部分是源于描述物理现象的等式，这是基于ButeleErrMever的规律。另一方面，动态部分是物理的电等价现象。该模型已通过实验验证在长期实验中收集的数据。此外，基于特征测量连续更新参数测量。周等人。 [76]提出了一种使用预先设定的劣化移动窗口PEM燃料电池的混合方法。该移动窗口方法用于训练模型，更新每种方法的权重因子，并进一步迭代融合预测结果。同时，他们使用基于模型的方法，以及基于数据的apporaches实现更准确。Bressel提出了扩展卡尔曼滤波器燃料电池健康预测方法。卡尔曼滤波器是修改了健康监测和数据，这可以提供帮助了解燃料电池健康状况的变化。这个方法允许单个模型估计预期寿命，和对运行条件的不确定性具有很强的鲁棒性。对于燃料电池应用，Kheirandish提出了一个动力系统建模动力电动自行车PEM燃料细胞。他们将燃料电池组引入了电动自行车，并进行测试。他们已经证明了这一点整体效率和最大燃料电池效率很大的改进。它证明了在最大输出功率下运行时燃料电池的最低性能。Asensio专门研究基于燃料电池的热电联产系统人工神经网络的建模与应用发展技术 - 经济效率最大化控制系统。所提出的模型以足够的精度再现了实验PEMFC的性能和精度。人工神经网络模型和系统模型相结合，以优化技术和经济效率。另一种建模是对性能进行建模运输。吴介绍了这些系列建模工作。这篇评论揭示了研究人员将燃料电池应用到运输区域，以及它们如何提高了电池性能。Asensio提出了一种燃料电池的建模方法基于人工神经网络的热电联产系统发展了技术和经济效率最大化控制系统。它模拟了基于燃料电池的共生系统的性能。他们整合了燃料电池混合动力系统与电网系统相连，优化了电网的技术和经济效益综合系统。费雷拉提出了燃料电池的数值模型。他们使用流体体积法（VOF）来模拟空气和水的两相流动。提出的方法是基于极化曲线和可视化水分配。此外，它还可以帮助预测电池的性能。Drakselova专注于工业规模高温度燃料电池并提出了一种三维燃料电池数学模型。他们假设了特征长度尺度所有空间方向的连续长度（累积的几个堆叠电池的厚度）。各向异性的方法传输参数代表了实际系统的各向异性结构。该实验设置在100个电池中环境，结果表明该模型适合高温燃料电池。Kheirandish提出了一种商用燃料电池使用SVM的模型。他们提出了一种使用SVM的方法预测PEMFC系统的商业性能电动自行车。因为这些单位是非线性的，多重的变量系统很难用传统的模型方法，因此SVM方法适用于非线性条件。Bressel提出了商业燃料电池模型使用SVM。他们提出了一种预测方法使用SVM进行商业化的PEMFC系统的性能电动自行车。由于这些单元是非线性的，因此多变量系统难以通过传统方法建模，因此SVM方法适用于非线性条件。如上所述，基于模型的关键问题方法是如何建模系统。并且作为系统的动态变换，应该创建模型智能。 基于模型的方法的未来方向会更聪明，并与其他方法结合。
健康监控
基于模型的设计
故障诊断
状态监测技术 故障预测 → 过滤设计
寿命
数据驱动设计
参数
基于过滤的方法
基于滤波器的方法包括卡尔曼滤波器，粒子滤波器，它们使用信号的特征并预测或分类结果。Filters之间存在一些关系，HMM和蒙特卡罗方法。卡尔曼滤波器广泛用于燃料电池预测。张提出了健康监测和地位燃料电池的预测方法。他们创造了一个物理燃料电池模型，考虑操作条件，降低调节率。此外，之间的联系还考虑了不同的因素。为了简化问题，他们降低了模型的复杂性。最后，一个UKF方法用于预测。预测包括健康状况和剩余生命。此外，Kandidayeni概述了燃料电池参数估算。在这些方法中，卡尔曼滤波器及其推导是最常用的，其中可能有助于参数搜索和预测。与卡尔曼滤波器类似，粒子滤波器也适用于预测。 Jouin提出了一个组合粒子用于预测恒定燃料电池功率的滤波器要求。它旨在预测电力老化和PEMFC电池组在恒定工作条件下的恒定电流要求。因此，这工作提出了一种新的电力老化经验模型。该模型包括几个步骤。第一步是生成和
从当前环境中选择功能。然后，预测模型是基于粒子滤波器和当前选定的功能。参数估计后，
模型可以开始预测并产生一些结果。为一个寿命为1750小时，对于500小时的视野，剩余寿命估计为可以给出小于5％的误差，并且时间足够做决定。此外，Jha提出了燃料的混合预测基于粒子滤波的键合图框架中的单元格。它涉及到一个有效的多能量模型用于诊断和预测，使用BG理论的某些属性开发。该PF的优点与故障指示器相结合（分析冗余）源自BG模型，用于预测电化学元件。而且，Jouin提出在粒子过滤框架中提出了PEM燃料电池预测方法还提出了一些粒子滤波器的扩展。张等。 [80]提出了基于颗粒过滤的PEM燃料电池预测的一些改进。它提出了一些基于粒子滤波预测的改进算法来计算燃料电池堆相对于电力的剩余寿命降解恢复现象。还使用其他过滤器技术。刘等人提出了一种使用nafion，选择的组合方法填料和制造方法。他们分析了不同性能的有机填料和无机填料。和他们试图创建隐式和显式组合预测模型。隐马尔可夫模型通常用于故障诊断。刘提出了DHMM和K-Means组合故
全文共9754字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[1177]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
