燃料电池电堆模型的降维简化方法、装置、设备及介质与流程

本发明涉及燃料电池建模，尤其涉及燃料电池电堆模型的降维简化方法、装置、设备及介质。

背景技术：

1、一维燃料电池模型是目前较为主流的燃料电池性能仿真分析模型，可较好较精确的表征出燃料电池在不同操作条件下的运行性能，但其计算量较大，实时性较差，在进行联合仿真时，往往需要进行简化，或另外开发专门适用于联合仿真的模型，需要投入较多的人力物力。

2、传统的模型简化方案，需对模型有深入了解且简化效果不稳定，需进行多轮调试校验，简化流程较为复杂。新建联合仿真模型多采用数表模型，在变工况条件下精度较差，若采用神经网络建模的方式，则需要大量实测数据用于学习训练，数据获取上较为困难。

技术实现思路

1、本发明提供了一种燃料电池电堆模型的降维简化方法、装置、设备及介质称，以实现利用有限数据实现燃料电池电堆模型的降维简化，提升仿真效率。

2、根据本发明的一方面，提供了一种燃料电池电堆模型的降维简化方法，包括：

3、建立燃料电池的电堆模型，基于燃料电池的历史试验数据对所述电堆模型标定，得到电堆仿真模型；

4、根据仿真边界确定仿真输入数据，基于所述仿真输入数据和所述电堆仿真模型进行仿真试验，得到仿真结果数据；

5、基于所述仿真输入数据、所述仿真结果数据和神经网络模型，确定所述燃料电池的电堆模型对应的降维简化模型。

6、根据本发明的另一方面，提供了一种燃料电池电堆模型的降维简化装置，包括：

7、仿真模型确定模块，用于建立燃料电池的电堆模型，基于燃料电池的历史试验数据对所述电堆模型标定，得到电堆仿真模型；

8、仿真数据确定模块，用于根据仿真边界确定仿真输入数据，基于所述仿真输入数据和所述电堆仿真模型进行仿真试验，得到仿真结果数据；

9、降维模型确定模块，用于基于所述仿真输入数据、所述仿真结果数据和神经网络模型，确定所述燃料电池的电堆模型对应的降维简化模型。

10、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

11、至少一个处理器；

12、以及与所述至少一个处理器通信连接的存储器；

13、其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的燃料电池电堆模型的降维简化方法。

14、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的燃料电池电堆模型的降维简化方法。

15、本发明实施例的技术方案，首先建立燃料电池的电堆模型，基于燃料电池的历史试验数据对电堆模型标定得到电堆仿真模型；进一步通过仿真输入数据和电堆仿真模型进行仿真试验，得到仿真结果数据。最后通过仿真输入数据和仿真结果数据训练神经网络模型，得到降维简化模型。解决了现有的模型降维简化方法简化效果不稳定，需进行多轮调试校验，简化流程较为复杂；以及，需要大量实测数据用于学习训练，数据获取上较为困难的技术问题，实现了基于有限的试验数据，对电堆模型的降维简化，提升仿真效率。

16、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种燃料电池电堆模型的降维简化方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于燃料电池的历史试验数据对所述电堆模型标定，得到电堆仿真模型，包括：

3.根据权利要求1所述的方法，其特征在于，所述根据仿真边界确定仿真输入数据，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述仿真输入数据和所述电堆仿真模型进行仿真试验，得到仿真结果数据，包括：

5.根据权利要求1所述的方法，其特征在于，在确定所述燃料电池电堆模型对应的降维简化模型之前，还包括：

6.根据权利要求1所述的方法，其特征在于，所述基于所述仿真输入数据、所述仿真结果数据和神经网络模型，确定所述燃料电池的电堆模型对应的降维简化模型，包括：

7.根据权利要求6所述的方法，其特征在于，还包括：

8.一种燃料电池电堆模型的降维简化装置，其特征在于，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的燃料电池电堆模型的降维简化方法。

技术总结
本发明实施例公开了一种燃料电池电堆模型的降维简化方法、装置、设备及介质。建立燃料电池的电堆模型，基于燃料电池的历史试验数据对电堆模型标定，得到电堆仿真模型；根据仿真边界确定仿真输入数据，基于仿真输入数据和电堆仿真模型进行仿真试验，得到仿真结果数据；基于仿真输入数据、仿真结果数据和神经网络模型，确定燃料电池的电堆模型对应的降维简化模型。本发明实施例的技术方案，解决了现有的模型降维简化方法简化效果不稳定，需进行多轮调试校验，简化流程较为复杂；以及，需要大量实测数据用于学习训练，数据获取上较为困难的技术问题，实现了基于有限的试验数据，对电堆模型的降维简化。

技术研发人员：都京,王宇鹏,王恺,刘华洋,李游,丁天威,黄兴
受保护的技术使用者：中国第一汽车股份有限公司
技术研发日：
技术公布日：2024/2/8