一種燃料電池溫度控制策略的制定方法
【專利摘要】一種燃料電池溫度控制策略的制定方法，所述的方法是在原始收集得到的與燃料電池相關的實際運行參數的數據信息樣本的基礎上，采用支持向量機模型和聚類分析、關聯分析的方法進行分析，得到參數和參數間的關系，在此基礎上對這些參數和參數關系進行機器學習，提取用于制定燃料電池溫度控制策略的參數關系，用于用戶制定溫度控制策略。
【專利說明】一種燃料電池溫度控制策略的制定方法
【技術領域】
[0001]本發明涉及一種燃料電池的溫度智能控制策略的制定方法。
【背景技術】
[0002]燃料電池由供氣單元、電堆、熱管理單元、DC/DC單元及其他附件組成，如圖1所示，燃料電池是利用水的電解的逆反應的"發電機"，工作時由氫氣瓶和空氣輸入口將燃料(氫氣)和氧化劑(氧氣)共同輸入到電堆中，通過燃料的燃燒反應，將化學能轉化為電能，再通過DC/DC模塊，將電壓轉換成需要供電的負載的電壓等級上。燃料電池具有發電效率高、環境污染少等優點。燃料電池用途廣泛，既可應用于軍事、空間、發電廠領域，也可應用于機動車、移動設備、居民家庭等領域。但是燃料電池十分復雜，涉及化學熱力學、電化學、電催化、材料科學、電力系統及自動控制等眾多學科相關理論，如何提高燃料電池的利用率、如何保證燃料電池的可靠性、安全性等是目前決定燃料電池是否能夠大規模應用于民生的主要問題，這其中，電堆溫度的合理控制對于保障燃料電池的正常運行尤為重要。
[0003]從自動控制領域方向，對于提高燃料電池的使用性能和延長其使用壽命的關鍵工作就是提供合理的控制策略。眾所周知，控制策略的制定依賴于參數的確定和提取，包括確定哪些參數是決定某種用途、某種電堆、某些區域、某些氣候條件、某些政策條件、某些用戶、某些場合或某些設備等等分類情況下的對于溫度控制是最有效、可靠的參數以及這些參數之間如何進行組合或傳遞或關聯才能達到控制電堆溫度處于正常范圍之內。
[0004]中國專利201110264545 “用戶控制燃料電池系統的溫度的方法”描述了控制燃料電池系統的溫度的方法，包括基于冷卻液出口溫度及冷卻風速等，但是這個方法僅僅針對有限的參數進行控制電堆溫度進行描述并沒有考慮其他因素溫度的影響，其使用面也很窄，對制定合理的綜合的控制策略還非常有限。
[0005]中國專利“201110346837.8” “一種智能用電策略的制定方法”描述了一種智能用電領域的策略制定方法，該方法通過線性劃分、提取近鄰、聚類、關聯等關系特征從而得到制定控制策略的制定方法，該方法在提取關聯等關系特征的時候并沒有針對特定的控制需求，比如功率要求、電池利用率、負載需求等，而且該方法在提取這些關系特征后并未進行再次機器學習進行驗證從而不能從精度上保證制定的策略的合理性。
【發明內容】
[0006]本發明的目的是克服現有技術的缺點，提出一種燃料電池溫度控制策略的制定方法。本發明用于制定符合燃料電池各項額定輸出控制策略，以保證燃料電池在使用時的安全性、可靠性和耐久性，并為用戶和管理者提供智慧的策略支持。
[0007]本發明在遠程無人值守設備上接收到的與燃料電池相關的實際運行參數的基礎上，采用聚類分析、關聯分析的方法，得到參數和參數間的關系，在此基礎上對這些參數和參數關系進行機器學習，分析得到用于制定燃料電池溫度控制策略的參數，以及參數之間的依賴組合關系，用戶可根據這些分析結果制定溫度控制策略。比如，在春天，環境溫度為15-20攝氏度之間時,如果輸出電壓大于某一個值，電堆的壓力雖然在正常范圍但是大于某一個壓力值時，電堆的溫度就處于臨界點，為了合理控制電堆溫度，在這種環境條件下就需要根據檢測到的壓力數據對電堆氫氣瓶壓力進行調節，據此來制定溫度控制策略。
[0008]本發明燃料電池智能控制策略的制定方法包括以下具體步驟:
[0009]1.在遠程無人值守設備上，如控制板卡，接收燃料電池控制實際運行參數的數據信息樣本，即控制參數基礎數據，與溫度、安全、效率等緊密關聯的控制參數信息，比如溫度、壓力、電壓、電流、氫氣濃度、空氣流量等數據信息；
[0010]2.采用支持向量機模型對樣本空間進行線性劃分，劃分后的結果形成信息樣本空間的各維度，包括控制參數維和效用維。所述的控制信息維包括電量維、電流維、電壓維、有功功率維、無功功率維等電力特征。所述的效用維包括時間維、地點維、區域維、氣候維、光照度維、溫度維、濕度維、用戶類型維、用戶等級維、設備等級維、設備類別維、操作空間類型維、操作空間級別維、操作頻率維、有效操作頻率維、節能度維、節能級別維等控制參數特征；
[0011]3.在線性劃分后的樣本空間中進一步尋找上述步驟2中各維特征之間的聚類特征、關聯特征，具體為:
[0012]I)基于圖劃分的制定聚類特征，所述的基于圖劃分的聚類方法，包括基于布爾鏈接的圖劃分和基于權重鏈接的圖劃分，并分別劃分為不同大小的子圖，對特定子圖內的節點，即步驟2中的各維特征的影響因子計算算術平均，用以生成步驟2中各維之間的聚類關系特征；
[0013]2)基于有向圖的關聯關系分析，采用有向圖的置信度傳遞、基于反向圖的置信度傳遞和基于無向圖的置信度傳遞對每個所述的參數特征，即步驟2中的各維特征，生成關聯關系特征；
[0014]3)在擴充后的參數空間上對訓練集和測試集進行重新表示，同時使用初步結果和二次提取結果表示樣本；在訓練集上訓練分類器，分類器被訓練結束后，使用訓練好的分類器對測試集中的站點樣本進行策略學習，完成對初步學習的優化。
[0015]4.通過以上步驟得到的燃料電池控制參數之間的關系特征及其組合，根據不同條件下的溫度控制目的進行溫度控制策略制定。
【專利附圖】
【附圖說明】
[0016]圖1本發明涉及的燃料電池示意圖；
[0017]圖2本發明燃料電池控制方法的制定方法流程圖。
【具體實施方式】
[0018]以下結合附圖和【具體實施方式】對本發明進一步說明。
[0019]本發明燃料電池控制策略制定方法的總體流程如圖1所示:步驟SI為初步特征分類，即預處理從遠程無人值守設備(如控制板卡)上收集回來的燃料電池控制信息包括溫度、壓力、電壓、電流、氫氣濃度、空氣流量等信息，對其進行維度劃分。步驟S2為在初步特征分類結果的基礎上，進行進一步特征的提取，提取出聚類特征、關聯特征，在這一過程中，將基于特征圖和初步學習的影響因子提取這兩類特征，對這兩類特征分別進行機器學習后得到最終的參數及其各種有效組合結果，從而進一步支持科學、有效地溫度控制策略的制定和實施。如圖2所示，首先對收集到的控制信息數據進行線性劃分，根據不同的維度進行劃分，比如劃分為時間維、環境溫度維、電堆溫度維、進氫氣瓶壓力維、出氫氣瓶壓力維、負載電壓維、負載電流維等等，然后根據采用無向圖的聚類方法，根據不同的分類原則，將控制參數特征網絡劃分為K個類以分析控制參數間的聚類關系，同時基于項集的支持度以及頻繁項集的分析得到控制參數之間的關聯關系，然后在得到的擴充后的參數特征空間上對訓練集和測試集進行重新表示，同時使用初步特征和分析后提取到的新的特征表示樣本；在訓練集上訓練分類器，分類器的選擇可以為任何現有模式分類器，分類器被訓練結束后，使用訓練好的分類器對測試集中的樣本進行策略學習，完成對初步學習的優化。
[0020]具體如下:
[0021]1、預處理目前數據庫中所有的燃料電池控制參數信息，進行特征的維度分類。
[0022]2、在分類結果的基礎上，進行聚類特征、關聯特征的提取。
[0023]在初步分類結果的基礎上對不同參數分別提取兩類不同性質的關系，即聚類關系和關聯關系，再采用機器學習算法再學習所使用的特征，最終得到影響制定溫度控制策略的參數及這些參數間的依賴組合關系。
[0024]下面就聚類特征和關聯特征的提取方法分別進行描述。
[0025]所述聚類特征的提取是基于圖劃分的特征，該基于圖劃分的聚類方法，考慮到現有的成熟的圖劃分算法大 多針對無向圖，同時為了簡化運算，這里把所有與燃料電池相關的控制參數特征網絡看作無向圖進行處理。
[0026]所述關聯特征的提取，是基于有向圖的置信度傳遞、基于反向圖的置信度傳遞和基于無向圖的置信度傳遞，以對每個控制參數生成傳遞特征，這里把整個燃料電池相關的控制參數特征網絡看作有向圖或無向圖進行處理。
[0027]通過以上所述聚類關系特征和關聯特征的提取過程，將步驟2所述的燃料電池各維參數之間的時間和空間上的能夠影響溫度控制的參數和關系尋找出來，并可以隨著時間的推移不斷發現可能影響控制效用的新的參數，提取結果表現形式為多簇多分支的參數及參數關系組合，可以根據不同的控制性能要求進行不同的組合及排序，燃料電池的管理端或用戶端均可以根據提取結果制定適合于當下最適宜的溫度控制策略。
[0028]以下以通信用燃料電池控制策略的制定為例說明本發明的步驟。
[0029]在對原始數據樣本進行線性分類后，假設需要提取特性為“在環境溫度為零下5°到零上25之間的地域情況下，保證電堆輸出功率為3kw，同時保持電堆溫度恒定在50°左右的各項控制參數的操作特征集合”，基于上述分析方法，分析得到有效策略的方法如下:
[0030](I)采用無向圖的聚類方法，根據不同的分類原則，將控制參數特征網絡劃分為K
個類，比如根據溫度區間分類、根據控制等級特性分類、根據設備特性分類等等。本實例采
用的根據溫度區間分類、根據輸出特性分類以及根據控制參數級別分類以及根據控制操作
分類等方法。計算一個聚類內的特定參數的聚類特征采用以下公式:
k
[0031]Ε^ΣΣ|ρ_ηι?Ι
i=l P€C,
[0032]其中，E為所有溫度或其他數據對象的平方誤差和，p表示數據集中的給定對象，Hii是簇Ci的中心，每個對象代表一個簇Clustering的初始均值或中心，P和Hii可均為多維。即，求每個簇中的每個對象到各個簇中心距離的平方和。該準則使得生成的k個簇盡可能的緊湊和獨立。
[0033](2)基于項集的支持度以及頻繁項集的分析得到數據之間的關聯關系。其中項集的支持度:項集A的支持度即為D中包含A的百分比，即:
【權利要求】
1.一種燃料電池溫度控制策略的制定方法，其特征在于，所述的方法在原始收集得到的與燃料電池相關的實際運行參數的數據信息樣本的基礎上，采用支持向量機模型和聚類分析、關聯分析的方法進行分析，得到參數和參數間的關系，在此基礎上對這些參數和參數關系進行機器學習，提取用于制定燃料電池溫度控制策略的參數關系，用于用戶制定溫度控制策略。
2.按照權利要求1所述的燃料電池溫度控制策略的制定方法，其特征在于，所述的提取用于制定燃料電池溫度控制策略參數關系的方法包括以下步驟: O從遠程無人值守設備上收集燃料電池相關參數的信息樣本； 2)采用支持向量機模型對樣本空間進行線性劃分，線性劃分的結果形成控制參數維和效用維； 3)在劃分后的樣本空間中根據各參數對溫度參數的影響因子，進一步尋找各相關參數之間對于溫度的關聯關系和聚類關系； 4)在以上尋找關系的結果的基礎上，采用機器學習算法對參數及參數關系進行再學習； 5)得到最終影響制定燃料電池溫度控制策略的參數和參數關系。
3.根據權利要求2所述的燃料電池控制策略的制定方法，其特征在于，所述步驟3)的聚類關系是基于K-Means算法分析聚類特征。
4.根據權利要求2所述的燃料電池溫度控制策略的制定方法，其特征在于，所述步驟3)的關聯關系是基于頻繁項集、關聯可信度進行提取。
5.根據權利要求2所述的燃料電池溫度控制策略的制定方法，所述的步驟4)中采用的機器學習算法具體包括: 在學習后的參數空間上對訓練集和測試集進行重新表示，同時使用所述的步驟3)提取出來的控制參數關聯關系和聚類關系表示樣本；在訓練集上訓練分類器，分類器訓練結束后，使用訓練好的分類器對測試集中的樣本進行再學習，完成對初步學習的優化。
【文檔編號】H01M8/04GK103633351SQ201310575173
【公開日】2014年3月12日 申請日期:2013年11月15日 優先權日:2013年11月15日
【發明者】王麗芳, 吉莉, 徐冬平, 李芳 , 吳艷, 胡伯雪 申請人:中國科學院電工研究所