基于PINN和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法

摘要: 本发明属于氢能装备智能监测与电化学系统性能预测,尤其涉及基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法。背景技术:1、电化学氢泵利用质子交换膜电...
基于PINN和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法

本发明属于氢能装备智能监测与电化学系统性能预测,尤其涉及基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法。

背景技术:

1、电化学氢泵利用质子交换膜电极组件实现氢气的电化学分离、纯化和增压,其工作电压直接影响能耗、效率和运行安全。装置电压受温度、压力比、电流密度、膜电阻、催化反应动力学、传质状态及氢气跨膜渗透等多因素耦合影响。

2、现有经验拟合方法通常依赖大量实验数据,跨工况外推能力不足;纯数据驱动神经网络虽可逼近非线性关系,但难以保证热力学合理性,且在样本有限、运行状态漂移或传感噪声存在时容易产生不稳定预测。另一方面,单纯机理模型受参数辨识误差、结构简化和未建模损失影响,难以长期保持较高精度。

3、因此,需要一种将电化学机理、数据残差学习与在线状态校正相结合的方法,使预测结果满足基本物理约束,并能够随装置工况和性能变化进行动态修正。

技术实现思路

1、本发明旨在提供一种基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法,以解决传统经验模型外推能力弱、纯机理模型误差较大、黑箱神经网络缺乏物理约束以及静态模型无法适应装置运行状态变化的问题。

2、为实现上述目的,本发明提供了基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法,包括:

3、采集电化学氢泵装置的运行参数,其中,所述运行参数包括:运行温度、阳极氢气压力、阴极氢气压力、电流密度和实测工作电压;

4、基于所述运行参数,计算基础机理电压;

5、将所述运行参数和基础机理电压作为输入,通过预先训练的残差神经网络模型预测得到电压残差;

6、根据所述基础机理电压和电压残差,确定未经修正的预测电压,并利用卡尔曼滤波器对所述未经修正的预测电压进行在线修正,获取修正后的预测电压;

7、对所述修正后的预测电压施加热力学约束,获取最终预测电压;

8、基于所述最终预测电压和氢气跨膜渗透模型,计算得到所述电化学氢泵装置的电流效率、电压效率和装置综合效率。

9、可选的,基于所述运行参数,计算基础机理电压包括:

10、;

11、其中,为基础机理电压,为可逆电势,为活化过电势,为欧姆过电势,为浓差过电势。

12、可选的,所述残差神经网络模型的训练过程包括:

13、计算实测工作电压和基础机理电压的差值,获取残差标签;

14、将归一化处理后的运行温度、阴极氢气压强和电流密度作为所述残差神经网络模型的输入向量,将所述残差标签作为训练目标,对所述残差神经网络模型进行训练,使所述残差神经网络模型输出预测的电压残差。

15、可选的,利用卡尔曼滤波器对未经修正的预测电压进行在线修正包括:

16、获取实时测量的电压,并计算所述实时测量的电压与未经修正的预测电压的差值,得到测量残差;

17、根据所述测量残差和预设的卡尔曼增益,通过卡尔曼滤波器更新残差偏置;

18、利用更新后的所述残差偏置对所述未经修正的预测电压进行修正,得到所述修正后的预测电压。

19、可选的,对所述修正后的预测电压施加热力学约束,获取最终预测电压包括:

20、将所述修正后的预测电压与所述可逆电势进行比较;

21、若所述修正后的预测电压小于所述可逆电势,则将所述最终预测电压设定为所述可逆电势;否则,将所述修正后的预测电压作为所述最终预测电压。

22、可选的,所述最终预测电压为:

23、;

24、其中,为最终预测电压,为神经网络预测得到的电压残差,为残差偏置。

25、可选的,计算得到所述电化学氢泵装置的电流效率、电压效率和装置综合效率包括:

26、;

27、;

28、;

29、其中,表示将变量限制在0-1之间,为氢气反向渗透及系统泄漏造成的等效损失电流密度,j为电流密度,为最终预测电压。

30、与现有技术相比,本发明具有如下优点和技术效果:

31、本发明可基于少量实验数据,实现电化学氢泵能耗、工作效率的准确预测,以及跨工况外推。而且模型以物理机理模型为核心,可保证模型整体的物理可解释性以及热力学合理性。

1.基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法,其特征在于,包括:

2.根据权利要求1所述的基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法,其特征在于,基于所述运行参数,计算基础机理电压包括:

3.根据权利要求1所述的基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法,其特征在于,所述残差神经网络模型的训练过程包括:

4.根据权利要求1所述的基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法,其特征在于,利用卡尔曼滤波器对未经修正的预测电压进行在线修正包括:

5.根据权利要求2所述的基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法,其特征在于,对所述修正后的预测电压施加热力学约束,获取最终预测电压包括:

6.根据权利要求5所述的基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法,其特征在于,所述最终预测电压为:

7.根据权利要求2所述的基于pinn和卡尔曼滤波在线矫正的电化学氢泵电压及效率预测方法,其特征在于,计算得到所述电化学氢泵装置的电流效率、电压效率和装置综合效率包括: