← 返回
动态工况下车载质子交换膜燃料电池堆的健康状态评估与长期耐久性预测
Health State Estimation and Long-Term Durability Prediction for Vehicular PEM Fuel Cell Stacks Under Dynamic Operational Conditions
| 作者 | Xingwang Tang · Lei Shi · Ming Li · Sichuan Xu · Chuanyu Sun |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2025年3月 |
| 技术分类 | 氢能与燃料电池 |
| 技术标签 | 可靠性分析 故障诊断 机器学习 深度学习 |
| 相关度评分 | ★★★ 3.0 / 5.0 |
| 关键词 | 燃料电池堆 健康状态 电压退化 预测 耐久性 动态运行工况 机器学习 |
语言:
中文摘要
本文针对车载燃料电池堆（FCS），提出了一种融合预测策略和滚动预测框架，用于实现长期健康状态（SOH）评估与电压退化预测。研究基于2500小时的长期耐久性实验，通过时变动态退化模型，有效提升了燃料电池在复杂动态工况下的寿命预测精度与可靠性。
English Abstract
To establish a reliable long-term estimation and prognosis for the state of health (SOH) and voltage degradation prediction of fuel cell stacks (FCSs), this article initiates a fusion prognostic strategy and a rolling prediction framework for long-term SOH estimation for FCSs based on the designed 2500-h prolonged durability experiment on vehicular FCS. Specifically, a time-varying dynamic degrada...
S
SunView 深度解读
阳光电源目前在氢能领域重点布局电解槽制氢系统。虽然本文聚焦于车载燃料电池（PEMFC），但其提出的长期耐久性预测与健康状态评估方法，对于电解槽系统的全生命周期管理具有重要参考价值。建议研发团队借鉴文中基于动态工况的退化建模思路，将其应用于电解槽系统的在线监测与故障预警，提升制氢系统的可靠性。此外，该预测框架可与iSolarCloud平台结合，为氢能项目提供更精准的运维决策支持，降低长期运营成本。