用于对至少一个燃料电池装置的运行监控的方法以及燃料电池装置与流程

技术特征：
1.一种用于对至少一个燃料电池装置（10）的运行监控的方法，其中在至少一个方法步骤中基于机器学习过程（44）来确定燃料利用率，用于调节所述燃料利用率，其特征在于，在至少一个方法步骤中，针对所述机器学习过程（44）使用卷积神经网络（14）。2.根据权利要求1所述的方法，其特征在于，在至少一个方法步骤中，通过所述卷积神经网络（14）来实时地确定所述燃料利用率。3.根据权利要求1或2所述的方法，其特征在于，在至少一个方法步骤中，根据能斯特电压来确定所述燃料利用率。4.根据权利要求3所述的方法，其特征在于，根据至少一个电池电压和至少一个过电位来确定所述能斯特电压。5.根据上述权利要求中任一项所述的方法，其特征在于，在至少一个方法步骤中，根据热损失来确定至少一个过电位。6.根据上述权利要求中任一项所述的方法，其特征在于，在至少一个方法步骤中，基于所述燃料利用率来调节阳极气体再循环、供应给系统的燃料气体流、供应给所述系统的堆电流和/或供应给所述系统的堆电压。7.根据上述权利要求中任一项所述的方法，其特征在于，在所述机器学习过程（44）中，所述卷积神经网络（14）省去池化。8.根据上述权利要求中任一项所述的方法，其特征在于，在所述机器学习过程（44）中，由所述卷积神经网络（14）来执行因果卷积。9.根据上述权利要求中任一项所述的方法，其特征在于，在所述机器学习过程（44）中，由所述卷积神经网络（14）来执行被扩展的因果卷积。10.根据上述权利要求中任一项所述的方法，其特征在于，在至少一个方法步骤中，借助于物理模型来学习所述机器学习过程（44）。11.根据权利要求10所述的方法，其特征在于，在至少一个方法步骤中，借助于测量数据来验证所述物理模型。12.根据上述权利要求中任一项所述的方法，其特征在于，通过至少一个超参数来验证所述机器学习过程（44）。13.一种燃料电池装置，所述燃料电池装置具有计算单元（12），用于执行根据权利要求1至12中任一项所述的方法。

技术总结
本发明涉及一种用于对至少一个燃料电池装置（10）的运行监控的方法，其中在至少一个方法步骤中基于机器学习过程（44）来确定燃料利用率，用于调节该燃料利用率。提出：在至少一个方法步骤中，针对该机器学习过程（44）使用卷积神经网络（14）。神经网络（14）。神经网络（14）。


技术研发人员：M
受保护的技术使用者：罗伯特
技术研发日：2021.03.05
技术公布日：2022/12/2