固體氧化物燃料電池的故障預(yù)測(cè).pdf

1、在當(dāng)今能源危機(jī)和環(huán)境問題日益嚴(yán)峻的情況下，固體氧化物燃料電池(Solid Oxide Fuel Cell, SOFC)作為一個(gè)清潔、能量轉(zhuǎn)換效率高且無污染排放的發(fā)電裝置，受到了研究者的廣泛關(guān)注。然而，燃料電池系統(tǒng)中包括重整器，燃燒室，壓縮室等多個(gè)外部部件，由于系統(tǒng)較復(fù)雜，因此在SOFC系統(tǒng)的運(yùn)行過程中很容易發(fā)生故障。一旦SOFC系統(tǒng)發(fā)生故障，會(huì)導(dǎo)致其性能產(chǎn)生退化，嚴(yán)重的話，甚至?xí)?dǎo)致燃料電池的失效，這成為了限制SOFC發(fā)展的一個(gè)主要原因

2、。若能在故障早期階段及時(shí)診斷SOFC故障和預(yù)測(cè)其剩余壽命，則可及時(shí)安排對(duì)SOFC設(shè)備進(jìn)行維修，有利于延長(zhǎng)其使用壽命。因此，本論文研究?jī)?nèi)容如下：
　　（1）基于最小二乘支持向量機(jī)(Least Squares Support Vector Machine, LS-SVM）的SOFC故障診斷方案。因燃料氣體中氯氣雜質(zhì)和陰極反應(yīng)產(chǎn)物水汽積累的影響，SOFC可能會(huì)發(fā)生陽極氯氣中毒和陰極水汽中毒的故障。本課題采用了LS-SVM模型對(duì)燃料電池的

3、這兩種故障進(jìn)行了診斷。該模型能對(duì)燃料電池正常工作狀態(tài)、陽極氯氣中毒情況或陰極水汽中毒的情況進(jìn)行有效的診斷，其診斷精度達(dá)到了99％。
　?。?）基于HSMM的SOFC故障預(yù)測(cè)?；贖SMM的預(yù)測(cè)框架主要分為三個(gè)部分：HSMM參數(shù)訓(xùn)練，設(shè)備當(dāng)前健康狀態(tài)估計(jì)，以及剩余壽命估計(jì)。本論文分別利用陽極氯氣中毒和陰極水汽這兩種故障類型的全壽命電壓退化數(shù)據(jù)，訓(xùn)練得到反映這兩種故障情況下，系統(tǒng)退化過程的HSMM。將不同中毒情況下，電池的電壓退化數(shù)據(jù)

4、輸入HSMM中，利用前向-后向算法計(jì)算在出現(xiàn)該電壓數(shù)據(jù)的情況下，燃料電池分別處于各健康狀態(tài)的概率，并依據(jù)極大似然準(zhǔn)則，估計(jì)當(dāng)前燃料電池系統(tǒng)在該故障情況下的健康狀態(tài)。根據(jù)燃料電池當(dāng)前所處健康狀態(tài)，可通過HSMM的狀態(tài)轉(zhuǎn)移矩陣和各狀態(tài)平均持續(xù)時(shí)間，預(yù)測(cè)燃料電池的剩余壽命。實(shí)驗(yàn)表明，HSMM對(duì)于中毒程度相似的情況，有較好的預(yù)測(cè)結(jié)果。
　?。?）基于混合模型的SOFC故障預(yù)測(cè)方法。當(dāng)前燃料電池的電壓退化與HSMM全壽命訓(xùn)練數(shù)據(jù)的電壓退化相

5、似度較低時(shí)，基于HSMM的預(yù)測(cè)結(jié)果較差。為了解決這個(gè)問題，本論文提出了將HSMM與經(jīng)驗(yàn)?zāi)Ｐ拖嘟Y(jié)合的混合故障預(yù)測(cè)方法。若燃料電池的當(dāng)前運(yùn)行電壓與HSMM訓(xùn)練電壓相似度較高，則利用HSMM對(duì)燃料電池的剩余壽命進(jìn)行預(yù)測(cè)；若兩者的相似度較低，則利用經(jīng)驗(yàn)?zāi)Ｐ凸烙?jì)燃料電池剩余運(yùn)行壽命，經(jīng)驗(yàn)?zāi)Ｐ蜑楦鶕?jù)SOFC歷史運(yùn)行數(shù)據(jù)訓(xùn)練的反映該燃料電池退化趨勢(shì)的模型；在其余情況下，則按照相似度大小將兩種模型結(jié)合起來對(duì)SOFC的剩余壽命進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明，對(duì)于