基于粒子滤波和遗传算法的氢燃料电池剩余使用寿命预测

摘要

为了实现对质子交换膜燃料电池(PEMFC)剩余使用寿命快速准确的预测,本文提出了基于粒子滤波和遗传算法的长期剩余使用寿命预测方法.该方法采用基于高斯核的平滑器和三次样条插值实现数据的滤波平滑和数据重构,去除了数据峰值并过滤噪声,减小了计算偏差.利用粒子滤波对训练集学习的过程中,考虑了由于电堆启停操作导致的电压恢复效应,并利用遗传算法优化电压衰减模型参数,在保证精度的同时提高运算效率.最后利用法国燃料电池实验室公开的PEMFC实验测试数据,验证了该模型的准确性.结果表明,该方法可以在保证91%的长期预测精度下提高10倍的运算效率,同时具备良好的泛化能力,可以实现PEMFC的长期剩余使用寿命预测.