一种基于分布式边缘计算的燃料电池系统的制作方法

1.本发明涉及燃料电池系统技术领域，尤其涉及一种基于分布式边缘计算的燃料电池系统。


背景技术：

2.燃料电池系统控制复杂，在燃料电池输出电压的过程中，需要对燃料电池系统进行优化控制。
3.现有的燃料电池系统的优化控制的方法为：利用大数据和短时间高频采集数据对燃料电池组进行直接计算。这种优化控制的方式的问题在于：1、不对运行数据整合、挖掘和学习，导致算力不够，算力成本较大；2、无法最大限度利用运行数据，导致优化控制的精确性较低；3、算力任务繁重，优化控制时间存在时延，导致燃料电池组的安全性得不到保障；4、无法根据计算结果判断当前控制参数下的燃料电池在运行状态下的输出电压的一致性，导致燃料电池系统输出能力降低。
4.因此，有必要对现有技术中的燃料电池系统系统进行改进，以解决上述问题。


技术实现要素：

5.本发明克服了现有技术的不足，提供一种基于分布式边缘计算的燃料电池系统，旨在解决边缘燃料电池系统在计算燃料电池组时算力不够，且无法最大限度利用运行数据优化燃料电池组的问题，解决利用运行数据提高边缘燃料电池系统优化单体燃料电池的输出电压一致性的问题，以及解决边缘燃料电池系统如何保证燃料电池组安全性的问题。
6.为达到上述目的，本发明采用的技术方案为：一种基于分布式边缘计算的燃料电池系统，包括：燃料电池组、边缘燃料电池系统和中心计算系统，其特征在于，所述边缘燃料电池系统采集所述燃料电池组中若干燃料电池的运行数据，并将采集的所述运行数据上传至所述中心计算系统；所述中心计算系统实现对所述运行数据的整合、挖掘和学习，并将学习结果输送至所述所述边缘燃料电池系统，所述边缘燃料电池系统将所述燃料电池组运行状态和所述学习结果结合，实现对若干所述燃料电池的优化控制或干预调整；所述中心计算系统对所述边缘燃料电池系统进行版本优化升级。
7.本发明一个较佳实施例中，所述边缘燃料电池系统包括边缘计算处理机、数据采集模组、数据传输模组、系统优化模组和系统控制模组；所述边缘计算处理机具有下发采集数据、传输数据和对所述燃料电池控制指令的功能；所述数据采集模组接收所述边缘计算处理机的指令，并对所述燃料电池组中若干燃料电池的所述运行数据进行实时采集；所述数据传输模组接收所述边缘计算处理机的指令，所述数据采集模组采集的所述运行数据，并将所述运行数据上传至所述中心计算系统；所述数据传输模组接收所述中
心计算系统的所述学习结果和版本优化升级，并上传至所述边缘计算处理机；所述系统优化模组接收所述边缘计算处理机的指令，根据电池运行状态和所述学习结果，实现对若干所述燃料电池的优化，并将优化结果下发至所述系统控制模组；所述系统控制模组接收所述边缘计算处理机的指令和所述系统优化模组的所述优化结果，并下发至若干所述燃料电池的控制器。
8.本发明一个较佳实施例中，所述中心计算系统包括数据模组、智能学习模组和版本控制模组；所述数据模组实现对所述运行数据的接收和下发，所述数据模组对所述运行数据进行整合管理，并储存有所述边缘燃料电池的系统版本；所述智能学习模组接收所述数据模组的所述运行数据，并对所述运行数据进行学习，实现对所述燃料电池组的实时建模和仿真，得到拟合模型；所述版本控制模组接收所述智能学习模组的所述学习结果，根据所述学习结果将所述系统版本传送至所述边缘燃料电池系统，并进行优化升级。
9.本发明一个较佳实施例中，所述智能学习模组是结合人工智能算法进行的建模和仿真，利用神经网络工具进行回归学习，得到拟合模型。
10.本发明一个较佳实施例中，所述运行数据为当前控制参数下的所述燃料电池组的温度、进气流量或压力、开度信号以及单体燃料电池电压的数据。
11.本发明一个较佳实施例中，所述数据采集模组中设置有若干监测单元，所述监测单元为温度监测单元、节气门开度监测单元、流量监测单元、压力监测单元和单体燃料电池电压监测单元。
12.本发明一个较佳实施例中，所述系统优化模组将所述学习结果来优化单体所述燃料电池的电压一致性，并将优化结果通过所述系统控制模组下发至对应所述燃料电池。
13.本发明一个较佳实施例中，所述拟合模型是单体燃料电池和所述燃料电池组运行状态的拟合关系的模型。
14.本发明一个较佳实施例中，所述边缘计算处理机根据所述学习结果预测所述燃料电池组的安全性，当安全性系数小于阈值，所述边缘计算处理机下发指令至所述系统控制模组，实现对所述燃料电池组的故障干预调整。
15.本发明一个较佳实施例中，所述边缘燃料电池系统独立运行，且不与所述中心计算系统连接，所述边缘计算处理机计算当前控制参数下的燃料电池的特殊特征，并将所述特殊特征加入所述系统优化模组中优化控制，实现分布式边缘计算的个性化控制处理，其中特殊特征为所述中心计算系统学习的所述运行数据。
16.本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：（1）本发明提供了一种基于分布式边缘计算的燃料电池系统，利用中心计算系统对运行数据的整合、挖掘和学习的能力，实现最大限度利用数据，减小了整体算力的任务，以人工智能的学习拟合的方式替代繁重的算力，解决了燃料电池系统算力不够的问题。
17.（2）本发明通过将靠近数据源头的边缘电池系统融合中心计算系统，实现整体分布和局部精准采集的目的，将对燃料电池组的运行数据计算、整理、学习、拟合预测和优化控制的应用处理能力均衡分发至每个功能模块，提高了燃料电池系统优化控制的响应速率和精准度，进一步保证了燃料电池系统的安全性。
18.（3）本发明中边缘燃料电池系统可以和中心计算系统不连接，即边缘燃料电池系统独立运行；在独立运行状态下，边缘计算处理机计算当前控制参数下的燃料电池的特殊特征，并将特殊特征加入系统优化模组中优化控制，实现分布式边缘计算的个性化控制处理。
19.（4）本发明利用中心计算系统中人工智能算法和神经网络工具的结合，进行回归学习，得到单体燃料电池和燃料电池组运行状态的拟合关系的模型，实现单体燃料电池一致性和当前控制参数下燃料电池组运行状态的预测，解决现有技术中无法根据计算结果判断当前控制参数下的燃料电池在运行状态下的输出电压的一致性，导致燃料电池系统输出能力降低的问题。
20.（5）本发明边缘计算处理机根据学习结果预测燃料电池组的安全性，当安全性系数小于阈值，边缘计算处理机下发指令至系统控制模组，实现对燃料电池组的故障干预调整，进一步提高燃料电池系统的安全性能。
附图说明
21.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图；图1是本发明的优选实施例的一种基于分布式边缘计算的燃料电池系统的结构示意图。
具体实施方式
22.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
23.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
24.在本发明创造的描述中，除非另有说明，“多个”的含义是两个或两个以上。
25.在本技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本技术中的具体含义。
26.如图1所示，示出了本发明中一种基于分布式边缘计算的燃料电池系统的结构示意图。本发明中的分布式边缘计算为将靠近数据源头的边缘电池系统融合中心计算系统，实现整体分布和局部精准采集的目的，将对燃料电池组的运行数据计算、整理、学习、拟合预测和优化控制的应用处理能力均衡分发至每个功能模块，提高了燃料电池系统优化控制
的响应速率和精准度，进一步保证了燃料电池系统的安全性。
27.该基于分布式边缘计算的燃料电池系统包括：燃料电池组、边缘燃料电池系统和中心计算系统。本发明中燃料电池组由若干单体燃料电池组成。
28.边缘燃料电池系统采集燃料电池组中若干燃料电池的运行数据，并将采集的运行数据上传至中心计算系统。中心计算系统实现对运行数据的整合、挖掘和学习，并将学习结果输送至边缘燃料电池系统，边缘燃料电池系统将燃料电池组运行状态和学习结果结合，实现对若干燃料电池的优化控制或干预调整。中心计算系统对边缘燃料电池系统进行版本优化升级。
29.本发明利用中心计算系统对运行数据的整合、挖掘和学习的能力，实现最大限度利用数据，减小了整体算力的任务，以人工智能的学习拟合的方式替代繁重的算力，解决了燃料电池系统算力不够的问题。
30.本发明中运行数据为当前控制参数下的燃料电池组的温度、进气流量或压力、开度信号以及单体燃料电池电压的数据。其中，当前控制参数为燃料电池组的实时控制输入的参数。
31.需要说明的是，这里的优化控制为单体燃料电池在当前控制参数下的电压一致性优化控制。这里的干预调整为预测燃料电池组的安全性，对燃料电池组进行的故障干预调整。
32.本发明中边缘燃料电池系统包括边缘计算处理机、数据采集模组、数据传输模组、系统优化模组和系统控制模组。边缘计算处理机具有下发采集数据、传输数据和对燃料电池控制指令的功能。
33.数据采集模组接收边缘计算处理机的指令，并对燃料电池组中若干燃料电池的运行数据进行实时采集；数据传输模组接收边缘计算处理机的指令，数据采集模组采集的运行数据，并将运行数据上传至中心计算系统；数据传输模组接收中心计算系统的学习结果和版本优化升级，并上传至边缘计算处理机。
34.系统优化模组接收边缘计算处理机的指令，根据电池运行状态和学习结果，实现对若干燃料电池的优化，并将优化结果下发至系统控制模组。系统优化模组将学习结果来优化单体燃料电池的电压一致性，并将优化结果通过系统控制模组下发至对应燃料电池。
35.系统控制模组接收边缘计算处理机的指令和系统优化模组的优化结果，并下发至若干燃料电池的控制器，实现优化单体燃料电池的电压一致性，使得燃料电池系统的输出能力最大化。
36.本发明中数据采集模组中设置有若干监测单元，监测单元为温度监测单元、节气门开度监测单元、流量监测单元、压力监测单元和单体燃料电池电压监测单元。
37.本发明中心计算系统包括数据模组、智能学习模组和版本控制模组。数据模组实现对运行数据的接收和下发，数据模组对运行数据进行整合管理，并储存有边缘燃料电池的系统版本；智能学习模组接收数据模组的运行数据，并对运行数据进行学习，实现对燃料电池组的实时建模和仿真，得到拟合模型；版本控制模组接收智能学习模组的学习结果，根据学习结果将系统版本传送至边缘燃料电池系统，并进行优化升级。智能学习模组是结合人工智能算法进行的建模和仿真，利用神经网络工具进行回归学习，得到拟合模型。
38.本发明中拟合模型是单体燃料电池和燃料电池组运行状态的拟合关系的模型，其
中拟合关系表现为单体燃料电池一致性和当前控制参数下燃料电池组运行状态的预测。
39.本发明利用中心计算系统中人工智能算法和神经网络工具的结合，进行回归学习，得到单体燃料电池和燃料电池组运行状态的拟合关系的模型，实现单体燃料电池一致性和当前控制参数下燃料电池组运行状态的预测，解决现有技术中无法根据计算结果判断当前控制参数下的燃料电池在运行状态下的输出电压的一致性，导致燃料电池系统输出能力降低的问题。
40.本发明边缘计算处理机根据学习结果预测燃料电池组的安全性，当安全性系数小于阈值，边缘计算处理机下发指令至系统控制模组，实现对燃料电池组的故障干预调整，进一步提高燃料电池系统的安全性能。
41.本发明中边缘燃料电池系统可以和中心计算系统不连接，即边缘燃料电池系统独立运行。在独立运行状态下，边缘计算处理机计算当前控制参数下的燃料电池的特殊特征，并将特殊特征加入系统优化模组中优化控制，实现分布式边缘计算的个性化控制处理，其中特殊特征为中心计算系统学习的运行数据。
42.以上依据本发明的理想实施例为启示，通过上述的说明内容，相关人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定技术性范围。