分会场

燃料电池与储能

摘要

质子交换膜燃料电池（Proton Exchange Membrane Fuel Cell, PEMFC）具有低碳环保、能量密度高等优点，在汽车上的装机率不断上升。但PEMFC运行过程中的水淹、膜干等故障会大幅降低其耐久性，并使其运行不稳定。因此迅速发现水管理故障问题对于提升PEMFC的运行稳定性，以及延长使用寿命具有重要意义。电化学阻抗谱（Electrochemical Impedance Spectroscopy，EIS）能够提供丰富的电堆内部信息，表征其内部状态。在通过EIS进行PEMFC故障诊断时，由于完整的EIS测量需要花费较长时间，极大地影响故障诊断速度。针对该问题，本文设计基于遗传算法的包裹式特征选择方法，提取EIS中特征频率点进行PEMFC水淹、膜干故障诊断，加快故障诊断速率。 首先搭建用于水管理故障研究的阻抗谱测试实验台，制定PEMFC的故障试验运行条 件，开展实验获得在各运行条件下的电化学阻抗谱数据，通过等效电路模型对实验数据进行分类构建数据集。为解决PEMFC电化学阻抗谱测量时间过长问题，本文设计基于遗传算法的包裹式特征选择方法对故障需要的特征频率点进行选择，使用遗传算法搜索特征空间，并提出了针对此问题的种群编码方式。在特征空间搜索上，融合BP神经网络、K近邻算法和梯度提升决策树三种算法，能够提取多种不同特征，选择出诊断率更高的特征频率点。根据选择的不同频率点个数的效果，认为只需阻抗谱44个频率点中的3个就可得到分类模型，所需激励时间原来的十分之一，而模型的准确率仍保持在90%以上。同时，本次研究所选择的特征频率点与传统方法通过经验选择出的特征频率点进行故障诊断对比，发现后者的故障诊断率仅达到80%，不如本文所选择的特征频率点组合。

关键词

电化学阻抗谱;特征选择;遗传算法;质子交换膜燃料电池

电子U盘全文仅限大会已缴费参会代表下载。

您还没有登录，请您先 点击这里登录