申请/专利权人：北京大华无线电仪器有限责任公司

申请日：2023-12-05

公开（公告）日：2024-03-29

公开（公告）号：CN117786956A

主分类号：G06F30/20

分类号：G06F30/20;G06F30/17;G16C20/10;G06F17/18;H01M8/04992;G06F119/08;G06F119/06;G06F111/08;G06F111/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种基于线性回归的燃料电池算法，首先，使用经验模型描述燃料电池极化曲线公式，并将燃料电池与电子负载相连，产生上式的电压损失电化学损失Eact、欧姆损失Eohm、浓度差损失Econc，使燃料电池极化曲线公式等效于：E0＝E‑A*logii0‑R*i‑m*expn*i；然后，该等效公式来对燃料电池算法模型进行参数辨识，并得出燃料电池算法模型采用线性回归模型，进而利用Simulink的模块建立燃料电池算法仿真模型。解决了传统计算方法计算量大，参数过多的问题；解决了传统计算方法在不同电化学反应阶段出现的误差问题；提高了数学模型算法在嵌入式系统中的实用性。

主权项：1.一种基于线性回归的燃料电池算法，其特征在于，包括：首先，使用如下的经验模型描述燃料电池极化曲线公式：E0＝E-Eact-Eohm-Econc1式中：E为热力学可逆电池电势、Eact为电化学损失、Eohm为欧姆损失、Econc为浓度差损失，上面的燃料电池极化曲线公式等效于：E0＝E-A*logii0-R*i-m*expn*i2上式中，A为氧气衰减的塔菲尔参数，i0代表交换电流密度，n是成长因数系数，m代表浓度差系数，R是电流通过电池质子交换膜的欧姆电阻值，i为当前的电流密度；由此公式可以看出，横坐标为i且纵坐标为E0的曲线图呈现出随着i的增加E0逐渐减小的趋势，采用非线性的参数预付的方法来决定这些参数值，结合燃料电池的经验模型等效公式2来对燃料电池算法模型进行参数辨识；所述燃料电池算法模型采用线性回归模型，其向量的形式为： 式中：为自变量矩阵，θ为回归系数向量，为因变量向量，为误差向量，采用三阶矩阵时，线性回归模型3表示为： 式中：y1，y2，y3分别为3次独立观察得到的观测值，θ1，θ2，θ3分别为3次的回归系数，分别为3次的样本值；通过调节电子负载的电流值、电子负载两端的电压值和电流值，并且将燃料电池对应的开路电压、短路电流带入上面的公式4，其对应的数学公式如下： 其中U2，i2，U3，i3分别为两次样本值的电压电流值，通过回归分析估计模型，对数据的最佳拟合，即最小化残差平方和来确定最优的回归系数，残差平方的梯度为0，此时能够得到： 通过上式6，计算回归系数向量θ只需要通过自变量矩阵和因变量向量的三次矩阵相乘运算和一次逆矩阵；计算得到电流密度-电压曲线和电池功率曲线，并采用MATALABSimulink搭建燃料电池系统仿真平台，利用Simulink的模块建立燃料电池算法仿真模型。

全文数据：

权利要求：

百度查询： 北京大华无线电仪器有限责任公司 一种基于线性回归的燃料电池算法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD