基于特征融合的PEMFC健康度预测

来源：计算机技术与发展杂志2025年第02期北京时间：

作者：刘欢;廖雪超

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 智能信息处理与实时工业系统湖北省重点实验室,湖北 武汉 430065

摘要：质子交换膜燃料电池(PEMFC)系统是一种具有广泛应用前景的环保型动力转换装置。 准确预测 PEMFC 的健康状态(SOH)以及剩余使用寿命(RUL)是提高其耐久性的关键。 针对仅使用输出电压预测 PEMFC 退化趋势的局限性,该文提出了一种基于特征融合的 PEMFC 健康状态预测方法。 首先,通过平均重采样和卡尔曼滤波算法对原始数据进行重构和平滑处理。 其次,利用曼哈顿距离融合输出电压、功率以及内阻生成电池健康度指标。 然后,采用快速相关性滤波算法去除冗余特征。 最后,将筛选出的参数作为特征,融合生成的健康度作为燃料电池退化指标,并结合时间卷积网络和 Transformer 分别提取数据中的局部特征和全局依赖关系,从而实现电池健康状态的精确预测。 通过对两种不同工况下的数据集进行实验分析可知,该方法与传统模型相比,预测精度更高、稳定性更好。

关键词：质子交换膜燃料电池;特征融合;时间卷积网络;Transformer;健康度预测