本发明燃料电池健康诊断和寿命预测技术，尤其是一种船用燃料电池电堆的寿命评估和预测方法。
背景技术：
1、现有电堆寿命评估和预测的技术和标准都是按照燃料电池汽车领域(道路和非道路车辆)的特定工况而设立的，例如于2020年12月施行的车用质子交换膜燃料电池堆使用寿命测试评价方法(gb/t 38914-2020)。除此国标之外，还有众多的团标和企标，但这些标准都通过电堆在测试台上运行预定的车辆功率谱(启停、变载、怠速、额定、恢复等)循环，在短时间内完成并多次重复以上的循环工况；这实质上是将车辆原本一天的功率变化压缩到一个1小时的循环中，并通过监控电堆功率在多次的循环后的衰减程度来评估电堆的出厂寿命。此外，这种测试标准是假设车辆(不论是商用、乘用、重载、还是特殊车辆)都按照同一功率谱运行的，但这显然与实际情况不符，因为各种车辆的应用场景千差万别，不能将标准的车辆功率谱延伸到船用、机车、航空、航天等非车辆领域的电堆寿命的评估和预测方面。
2、船用燃料电池动力系统的重要特征与航道、航速和水流速度密切相关。在启航、停靠、过闸和避让过程中，船舶以低速运行，但在宽阔的航道中进入高效率巡航工况运行。此外，作为设计冗余，船舶动力系统多以并联锂电和燃电的混合动力为标准；其中在船舶需要大功率时，锂电提供除燃料电池之外的功率输出，用于补偿燃料电池的变载速度较慢和容易过载的特性；而在船舶进入怠速状态时，锂电作为燃料电池的负载进行充电，以减少燃料电池的过快卸载和过高的电压。最后，船舶建造是车辆投入的10-10000倍，对燃料电池系统寿命的要求更加严格；一般船舶燃料电池系统的寿命在4-10万小时，而车载燃料电池的寿命大都在5千-1万小时之间。除了寿命评估的技术和方法之外，现有的各种寿命预测方法不合理的地方是所得出的是电堆寿命是一个具体的小时数，但实际上寿命是一个变量或范围，随船舶的类型、动力组成和运行工况的变化而变化。
3、燃料电池电堆的性能随运行时间而衰减的机理主要有以下模式，这是本发明中设计电堆寿命评估和预测技术时必须要考虑的。
4、1、开路怠速工况
5、pem燃料电池系统在怠速时没有功率输出，燃料电池堆必须以较小的工作电流驱动系统部件，以维持其正常的功能。此时电堆阴极保持在高电位，即接近于开路电压(ocv)。此外，较小的工作电流密度下产水量低，膜容易脱水。在这种情况下，膜发生严重的化学降解，并伴随着铂颗粒的生长和迁移。质子膜在怠速过程中的严重和广泛的化学降解是主要是由于高阴极电位和严重的气体交叉，特别是高阴极电位，将显著加速铂催化剂的老化，因为高电位下铂更容易氧化，然后pt2+可在燃料电池中扩散，并在离聚物或质子膜中遇到h+还原沉淀，造成不可逆的衰减。
6、2、动态载荷
7、除固定式发电系统外，绝大部分pem燃料电池系统必须经常改变其输出功率，以满足变化的动力需求。在pem燃料电池系输出功率瞬态过程中，电极电位、供给气体的化学计量比、内部温度、内部压力和湿度都经历了快速的变化，可以说负载变化是对pem燃料电池耐久性最苛刻的条件之一。在动态负荷条件下，pem燃料电池堆经历了热/湿度循环、气体饥饿循环和电位循环，质子膜的机械降解、碳腐蚀和催化剂老化都从根本上加速。在负荷变化过程中可能会发生故障条件，包括水淹、膜脱水，燃料匮乏并导致性能迅速衰减。
8、3、启停工况
9、启停条件不当时会导致燃料电池发生异常反应。当停机是阳极从出口混进空气或从阴极渗透过来空气，将在阳极形成氢空界面，会造成对应的阴极处的界面电高达1.5v，在1.5v高电位下阴极中的碳载体被严重腐蚀，导致铂催化剂和离聚物受到影响。碳载体的严重腐蚀会引起阴极催化层结构恶化，甚至可能坍塌，这对ecsa、电荷传递电阻和传质电阻产生不利影响，pem燃料电池性能迅速衰减。冷启动是启动条件下的一种特殊情况，除正常启停引起的衰减，还涉及冻融引起的降解，冷冻状态下气体传输受影响，易发生燃料匮乏，引发衰减，重复冻融过程中燃料电池内的水几乎会严重破坏mea中几乎所有零部件结构。
10、4、污染物对电堆的影响
11、空气污染物、燃料杂质、清洁剂和一些制造燃料电池堆的材料已被证明对pem燃料电池的性能有负面影响。氢气中杂质主要有co、co2、h2s、甲醇等，空气中污染物主要有no2、so2及其他有机气体。这些材料被证明可以进入阳极和阴极催化剂层，占据催化剂位点，改变主要的电化学反应路径。
技术实现思路
1、本发明的目的是针对船舶用的燃料电池提供一种船用燃料电池电堆的寿命评估和预测方法，该结合实际的船舶运行航道做出实时的在线预测，且可用于实现船舶燃料电池的全生命周期的更新和寿命预测，考虑了实际的运行工况影响。
2、技术方案：一种船用燃料电池电堆的寿命评估和预测方法，该方法包括：
3、s1、测定船舶燃料电池电堆在固定运行航路上的循环工况
4、采集该船舶在固定航路之间的运行功率谱，按照船舶运行的实际工况，将功率谱分解成若干个恒流部分，测量该恒流部分下电堆的输出功率对应的电压，各个恒流部分对应待机电流、怠速电流、基准电流、额定电流和峰值电流；
5、根据实船的运行功率谱，统计实际工况下的运行频率，转化成恒电流下的运行时长；
6、根据燃料电池电堆的活性面积，计算出各个恒电流下的电堆电流密度，用以评估不同电堆的寿命，并建立适用于不同船型、谱系化的燃料电堆快速寿命测试的循环工况；
7、s2、燃料电池电堆的恒载寿命测试
8、采集电堆稳定运行时在待机电流、怠速电流、基准电流、额定电流和峰值电流下的平均电压，并通过这些电压值随循环而衰减的拟合，得出不同电流下的平均衰减速度；
9、按照船舶实际运行中在这些工况下的频率分布，通过线性累积计算出恒载下电堆的权重寿命；
10、s3、燃料电池电堆的变载寿命测试
11、统计待机、怠速、基准、额定和峰值各工况之间的变载过程的电压变化，包括计算各点之间的电压差值和电压变化速率随循环的变化；
12、s4、燃料电池电堆的健康状态监测
13、所述的健康状态监测是指通过监测电压滞留和内阻增长情况，所述的电压滞留是指每个循环工况在停载后，切断电堆阴极的供氧并维持阳极氢气压力稳定，记录电堆从ocv下降到0.1v所需要的时间，下降时间的缩短对应于膜电极寿命的减少；
14、所述的内阻增长是指监测电堆在步骤s1中的电堆电流密度下内阻随循环的增长情况，内阻的增长对应于电堆寿命的减少；
15、s5、燃料电池电堆的寿命预测
16、将变载性能和健康状态随时间变化的数据输入神经网络模型进行训练，通过lstm网络预测电堆在短期和长期的变载性能和健康状态的变化，并推算燃料电堆的综合寿命。
17、进一步地，该方法包括将循环工况压缩至单位循环时间内，使其能够在短时间之内重复运行，以实现快速评估在相同工况下电堆电压的衰减程度。
18、进一步地，在步骤s2所进行的恒载寿命测试过程中，每个循环工况包括将怠速电流、基准电流、额定电流和峰值电流对应的电压特征作为该循环工况对应时段的特征电压，将每个循环的特征电压进行线性拟合，以最小残差法确定最佳拟合参数，得到单一自变量t的拟合方程；
19、拟合方程中的标准误差项e将被用于估算恒载电堆寿命的累计误差；通过将拟合方程在坐标轴上的表现，与y轴的交接点为衰减开始的初始电压v0，斜率作为衰减斜率；
20、设定较初始电压衰减10％时为寿命终止的时长，基于循环测试的数据得到怠速衰减斜率a1，基准衰减斜率a2，额定衰减斜率a3，峰值衰减斜率a4，以及相应的拟合误差；
21、将每个恒载工况在单位循环时间内出现的几率作为权重，通过如下公式计算被测燃料电堆的恒载权重寿命lfc、相应的累计误差dev和电堆的恒载寿命：
22、
23、恒载寿命w＝lfc±dev
24、其中n为循环次数，所述的e1、e2、e3和e4均表示拟合方程中的标准误差项；
25、上述的恒载寿命估算的可信性与测试数据所代表的循环次数有关，循环次数越多，可信性越高。
26、进一步地，在步骤s3所进行的变载寿命测试过程中，通过监测燃料电池电堆功率在升载和降载过程中电压的变化，然后将其分成绝对电压变化值和电压变化速率两部分；
27、首先是监控从一个恒流点向其他恒流点过渡时的电压差值，这些差值随循环时间的衰减映射了电堆的衰减；其次计算电压变化速率随循环的变化；
28、同样，变化速率的减少映射了电堆的衰减；
29、单一循环中的变载性能
30、其中vi是某恒流点与前恒流点vj电压的差，t是两个差值变动所需要时间。
31、进一步地，步骤s4所进行的燃料电池电堆的健康状态监测过程中，单一循环中的健康状态计算为：
32、
33、其中rj是某恒流点内阻，ri为前恒流点内阻；t为电压滞留实际时间，90是设定的燃料电池电堆正常电压滞留时间。
34、更进一步地，步骤s5在对燃料电池电堆的寿命预测过程中，将对应于每个循环的变载性能p1和健康状态p2与循环次数的30％的数据导入到预先建立的lstm神经网络模型中，执行模型的自学习功能；然后使用余下70％的数据验证模型的可靠性；最后开启预测模式，导出燃料电池电堆寿命终止时所需的循环数，以此作为动态寿命预测的结果，所述的寿命终止是指额定功率衰减超过10％。
35、进一步地，所述方法在对燃料电堆的综合寿命的预测包括将基于船舶在固定航道运行的循环工况及对应的恒载寿命和变载寿命进行函数组合，结合单位循环时间内恒载寿命和变载寿命占比，得出船用电堆综合寿命。
36、进一步地，该方法对于综合燃料电池寿命的预测计算表示如下：
37、电堆综合寿命
38、式中，w表示燃料电池电堆额定功率，n表示循环工况次数，p1表示变载性能，p2表示健康状态，n1和n2分别表示恒载和变载部分在单位循环中所占的比例。
39、更进一步地，所述方法基于纯电动力船舶的运行功率谱，通过分解不同功率下的运行频率和电堆电压的演变，建立适用于评价船用燃料电池电堆的循环曲线，然后通过各恒载电流下的平均电压，计算出电堆恒载权重寿命，接着根据变载性能和展开状态的演变，通过神经网络的自学习功能，预测电堆在变载工况下的寿命，最后基于运行的lstm神经网络的燃料电池控制器实现对船舶在固定航道实际运行工况下作出船舶燃料电池电堆的寿命实时预测。
40、有益效果：本发明所述方法综合考虑了船舶在不同航路及运行工况下的影响，包括恒载寿命、变载寿命和健康状态的监测等在内的考虑，具有实际应用意义，并且该方法能较大程度的贴合燃料电池电堆的健康状况，做出精准的预测。
1.一种船用燃料电池电堆的寿命评估和预测方法，其特征在于，该方法包括：
2.根据权利要求1所述的船用燃料电池电堆的寿命评估和预测方法，其特征在于，该方法包括将循环工况压缩至单位循环时间内，使其能够在短时间之内重复运行，以实现快速评估在相同工况下船舶燃料电池电堆电压的衰减程度。
3.根据权利要求2所述的船用燃料电池电堆的寿命评估和预测方法，其特征在于，在步骤s2所进行的恒载寿命测试过程中，每个循环工况包括将怠速电流、基准电流、额定电流和峰值电流对应的电压特征作为该循环工况对应时段的特征电压，将每个循环的特征电压进行线性拟合，以最小残差法确定最佳拟合参数，得到单一自变量t的拟合方程；
4.根据权利要求2所述的船用燃料电池电堆的寿命评估和预测方法，其特征在于，在步骤s3所进行的变载寿命测试过程中，通过监测燃料电池电堆功率在升载和降载过程中电压的变化，然后将其分成绝对电压变化值和电压变化速率两部分；
5.根据权利要求2所述的船用燃料电池电堆的寿命评估和预测方法，其特征在于，步骤s4所进行的燃料电池电堆的健康状态监测过程中，单一循环中的健康状态计算为：
6.根据权利要求4或5所述的船用燃料电池电堆的寿命评估和预测方法，其特征在于，步骤s5在对燃料电池电堆的寿命预测过程中，将对应于每个循环的变载性能p1和健康状态p2与循环次数的30％的数据导入到预先建立的lstm神经网络模型中，执行模型的自学习功能；然后使用余下70％的数据验证模型的可靠性；最后开启预测模式，导出燃料电池电堆寿命终止时所需的循环数，以此作为动态寿命预测的结果，所述的寿命终止是指额定功率衰减超过10％。
7.根据权利要求1-6任一项所述的船用燃料电池电堆的寿命评估和预测方法，其特征在于，所述方法在对燃料电堆的综合寿命的预测包括将基于船舶在固定航道运行的循环工况及对应的恒载寿命和变载寿命进行函数组合，结合单位循环时间内恒载寿命和变载寿命占比，得出船用电堆综合寿命。
8.根据权利要求7任一项所述的船用燃料电池电堆的寿命评估和预测方法，其特征在于，该方法对于综合燃料电池寿命的预测计算表示如下：
9.根据权利要求1所述的船用燃料电池电堆的寿命评估和预测方法，其特征在于，所述方法基于纯电动力船舶的运行功率谱，通过分解不同功率下的运行频率和恒电流下电堆电压的演变，建立适用于评价船用燃料电池电堆的循环曲线，然后通过各恒载电流下的平均电压，计算出电堆恒载权重寿命，接着根据变载性能和展开状态的演变，通过神经网络的自学习功能，预测电堆在变载工况下的寿命，最后基于运行的lstm神经网络的燃料电池控制器实现对船舶在固定航道实际运行工况下作出船舶燃料电池电堆的寿命实时预测。
