← 返回
基于机理退化过程模型与粒子滤波的固体氧化物燃料电池故障预测方法
Fault Prognosis Method for Solid Oxide Fuel Cells Based on Mechanism Degradation Process Model and Particle Filtering
| 作者 | Yuanwu Xu · Chang Jiang · Jingxuan Peng · Xiao-Long Wu · Li Xiao · Xi Li |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2023年6月 |
| 技术分类 | 氢能与燃料电池 |
| 技术标签 | 故障诊断 可靠性分析 机器学习 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 固体氧化物燃料电池 故障预测 机理退化模型 粒子滤波 健康状态 剩余使用寿命 |
语言:
中文摘要
针对固体氧化物燃料电池(SOFC)的寿命与耐久性问题,本文提出了一种结合机理退化模型与粒子滤波的故障预测方法。该方法通过对退化过程建模,实现了对健康状态(SOH)、寿命终点(EOL)及剩余使用寿命(RUL)的有效评估,为提升燃料电池系统的可靠性提供了理论支撑。
English Abstract
The research of fault prognosis for solid oxide fuel cell (SOFC) plays a critical role in increasing lifetime and improving durability. Therefore, a model-based SOFC fault prognosis method combining the mechanism degradation process model and particle filtering is proposed. The state of health (SOH), as well as end of life (EOL) and remaining useful life (RUL) are estimated by the proposed method....
S
SunView 深度解读
阳光电源在氢能领域布局了电解槽及制氢电源系统。虽然本文聚焦于SOFC(燃料电池),但其提出的基于机理模型与粒子滤波的故障预测框架,对于阳光电源PEM电解槽系统的全生命周期健康管理(PHM)具有重要的参考价值。建议研发团队借鉴该文的退化建模思路,结合iSolarCloud平台的大数据积累,开发针对电解槽关键部件的寿命预测算法,从而优化制氢系统的运维策略,降低系统全生命周期成本,提升在氢能领域的差异化竞争力。