燃料电池耐久试验中输出性能信号的异常检测方法与装置与流程

本申请涉及燃料电池领域，具体而言，涉及一种燃料电池耐久试验中输出性能信号的异常检测方法、装置、计算机可读存储介质与电子设备。

背景技术：

1、在质子交换膜燃料电池耐久试验中，燃料电池的故障诊断，是燃料电池耐久试验安全运行的保障，是燃料电池耐久试验中健康管理的重要内容。

2、燃料电池堆有复杂的电池组件，其运行环境为多物理场的耦合，且燃料电池系统集成度高，各零部件联系紧密，因此触发燃料电池系统故障的可能原因多种多样，而且它们经常耦合作用，但无论出现何种故障，几乎都会致使燃料电池输出性能信号的异常波动。所以，需要对燃料电池在耐久试验中输出性能信号的异常进行检测，但是现有技术中的缺乏一种高精度的燃料电池耐久试验中输出性能信号的异常检测方案。

技术实现思路

1、本申请的主要目的在于提供一种燃料电池耐久试验中输出性能信号的异常检测方法、装置、计算机可读存储介质与电子设备，以解决现有技术中缺乏一种高精度的燃料电池耐久试验中输出性能信号的异常检测方案问题。

2、为了实现上述目的，根据本申请的一个方面，提供了一种燃料电池耐久试验中输出性能信号的异常检测方法，包括：获取燃料电池在进行耐久试验中的历史输出性能信号；根据长短期记忆网络模型和所述历史输出性能信号，得到当前预测输出性能信号；比对所述当前预测输出性能信号和当前实际输出性能信号，得到比对结果，并且根据所述比对结果确定所述当前实际输出性能信号是否异常。

3、可选地，根据长短期记忆网络模型和所述历史输出性能信号，得到当前预测输出性能信号，包括：采用差分进化算法对训练得到初始长短期记忆网络模型进行优化，得到优化后的长短期记忆网络模型；将所述历史输出性能信号输入至所述优化后的长短期记忆网络模型中进行运算，得到所述当前预测输出性能信号。

4、可选地，采用差分进化算法对训练得到初始长短期记忆网络模型进行优化，得到优化后的长短期记忆网络模型，包括：在预设超参数范围内，采用差分进化算法对训练得到的初始长短期记忆网络模型的超参数进行优化，得到优化后的超参数；采用所述优化后的超参数替换优化前的所述预设超参数范围，得到所述优化后的长短期记忆网络模型。

5、可选地，所述方法还包括：构建初始长短期记忆网络模型，其中，所述初始长短期记忆网络模型是使用多组训练数据训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的：第n-a-1至第n次耐久循环试验的共a个历史输出性能信号和第n+1次耐久循环试验的历史输出性能信号，n≥1，n≥a+1。

6、可选地，在构建初始长短期记忆网络模型之前，所述方法还包括：采用滑动窗口法获取多组所述训练数据。

7、可选地，比对所述当前预测输出性能信号和当前实际输出性能信号，得到比对结果，并且根据所述比对结果确定所述当前实际输出性能信号是否异常，包括：在所述当前实际输出性能信号和所述当前预测输出性能信号的差值的绝对值与所述当前预测输出性能信号的比值在第一预设比值范围内的情况下，发出第一告警信息；在所述当前实际输出性能信号和所述当前预测输出性能信号的差值的绝对值与所述当前预测输出性能信号的比值在第二预设比值范围内的情况下，发出第二告警信息，所述第二预设比值范围的最小值大于所述第一预设比值范围的最大值，所述第二告警信息的危险等级高于所述第一告警信息。

8、可选地，在所述当前实际输出性能信号和所述当前预测输出性能信号的差值的绝对值与所述当前预测输出性能信号的比值在第一预设比值范围内的情况下，发出第一告警信息，包括：在所述当前实际输出性能信号和所述当前预测输出性能信号的差值的绝对值与所述当前预测输出性能信号的比值在所述第一预设比值范围，并且持续时间大于或者等于第一预设时间段的情况下，发出所述第一告警信息；在所述当前实际输出性能信号和所述当前预测输出性能信号的差值的绝对值与所述当前预测输出性能信号的比值在第二预设比值范围内的情况下，发出第二告警信息，包括：在所述当前实际输出性能信号和所述当前预测输出性能信号的差值的绝对值与所述当前预测输出性能信号的比值在所述第二预设比值范围，并且持续时间大于或者等于第二预设时间段的情况下，发出所述第二告警信息。

9、根据本申请的另一方面，提供了一种燃料电池耐久试验中输出性能信号的异常检测装置，包括：获取单元，用于获取燃料电池在进行耐久试验中的历史输出性能信号；第一处理单元，用于根据长短期记忆网络模型和所述历史输出性能信号，得到当前预测输出性能信号；第二处理单元，用于比对所述当前预测输出性能信号和当前实际输出性能信号，得到比对结果，并且根据所述比对结果确定所述当前实际输出性能信号是否异常。

10、根据本申请的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的方法。

11、根据本申请的另一方面，提供了一种电子设备，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。

12、应用本申请的技术方案，一种燃料电池耐久试验中输出性能信号的异常检测方法，首先获取燃料电池在进行耐久试验中的历史输出性能信号；之后根据长短期记忆网络模型和所述历史输出性能信号，得到当前预测输出性能信号；最后比对所述当前预测输出性能信号和当前实际输出性能信号，得到比对结果，并且根据所述比对结果确定所述当前实际输出性能信号是否异常。该检测方法采用长短期记忆网络模型，可以得到较为精准的当前预测输出性能信号，然后实现实际输出性能信号的精准的异常检测，以解决现有技术中的缺乏一种高精度的燃料电池耐久试验中输出性能信号的异常检测方案的问题。

技术特征：

1.一种燃料电池耐久试验中输出性能信号的异常检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，根据长短期记忆网络模型和所述历史输出性能信号，得到当前预测输出性能信号，包括：

3.根据权利要求2所述的方法，其特征在于，采用差分进化算法对训练得到初始长短期记忆网络模型进行优化，得到优化后的长短期记忆网络模型，包括：

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，在构建初始长短期记忆网络模型之前，所述方法还包括：

6.根据权利要求1所述的方法，其特征在于，比对所述当前预测输出性能信号和当前实际输出性能信号，得到比对结果，并且根据所述比对结果确定所述当前实际输出性能信号是否异常，包括：

7.根据权利要求6所述的方法，其特征在于，

8.一种燃料电池耐久试验中输出性能信号的异常检测装置，其特征在于，包括：

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的方法。

10.一种电子设备，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的方法。

技术总结
本申请提供了一种燃料电池耐久试验中输出性能信号的异常检测方法与装置，该方法包括：获取燃料电池在进行耐久试验中的历史输出性能信号；根据长短期记忆网络模型和历史输出性能信号，得到当前预测输出性能信号；比对当前预测输出性能信号和当前实际输出性能信号，得到比对结果，并且根据比对结果确定当前实际输出性能信号是否异常。该检测方法采用长短期记忆网络模型，可以得到较为精准的当前预测输出性能信号，然后实现实际输出性能信号的精准的异常检测，以解决现有技术中的缺乏一种高精度的燃料电池耐久试验中输出性能信号的异常检测方案的问题。

技术研发人员：郗富强,沈徉羊,刘水源,赵越,侯伟
受保护的技术使用者：潍柴动力股份有限公司
技术研发日：
技术公布日：2024/1/12