本發(fā)明涉及氫燃料電池控制，特別是一種氫燃料電池保護控制策略仿真方法及系統(tǒng)。

背景技術(shù)：

1、氫燃料電池作為一種高效、清潔的能源轉(zhuǎn)換裝置，在交通運輸、固定發(fā)電和便攜式能源領域具有廣泛的應用前景；氫燃料電池的運行環(huán)境復雜，涉及電化學反應、熱管理、燃料供應及功率調(diào)節(jié)多個環(huán)節(jié)，運行過程中易受溫度、壓力、負載波動因素影響，導致性能衰減或發(fā)生故障；研究氫燃料電池的運行狀態(tài)監(jiān)測和故障診斷技術(shù)，以提高氫燃料電池的可靠性和安全性，成為當前該領域的重要研究方向；現(xiàn)有的氫燃料電池運行保護策略主要依賴于基于經(jīng)驗規(guī)則的控制方法，如通過設定固定的電壓、電流或溫度閾值來觸發(fā)保護機制；

2、現(xiàn)有氫燃料電池保護控制技術(shù)的主要問題在于缺乏智能化的自適應優(yōu)化能力；傳統(tǒng)的保護策略通?；趯＜医?jīng)驗和預設規(guī)則，對不同工況下的控制策略缺乏自學習和自優(yōu)化能力，導致在實際應用中難以針對不同故障類型進行最優(yōu)響應；例如，在氫燃料電池電壓波動或功率需求變化較大的情況下，固定的保護策略可能無法準確識別故障的真實影響，導致保護機制觸發(fā)不合理，進而影響穩(wěn)定性。

技術(shù)實現(xiàn)思路

1、鑒于上述現(xiàn)有存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明提供了一種氫燃料電池保護控制策略仿真方法解決現(xiàn)有氫燃料電池保護控制技術(shù)缺乏智能化的自適應優(yōu)化能力的問題。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明提供了一種氫燃料電池保護控制策略仿真方法，其包括，采集氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)，并進行預處理和融合；基于長短時記憶神經(jīng)網(wǎng)絡，構(gòu)建氫燃料電池故障預測模型，輸入氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)，得到故障預測結(jié)果；根據(jù)故障預測結(jié)果構(gòu)造強化學習訓練環(huán)境，設定狀態(tài)空間、動作空間和獎勵函數(shù)，采用深度q網(wǎng)絡，對氫燃料電池保護控制策略進行訓練，得到初步保護控制策略；通過物理建模構(gòu)建氫燃料電池的數(shù)字孿生模型，對初步保護控制策略進行仿真測試，利用自適應調(diào)整功能優(yōu)化保護控制策略參數(shù)，得到優(yōu)化后的保護控制策略。

5、作為本發(fā)明所述氫燃料電池保護控制策略仿真方法的一種優(yōu)選方案，其中：所述采集氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)，并進行預處理和融合，具體步驟如下，

6、采集氫燃料電池的電壓、電流、溫度、壓力和功率，得到氫燃料電池運行數(shù)據(jù)，采集氫燃料電池的故障記錄和故障報警日志，得到氫燃料電池故障數(shù)據(jù)；

7、對兩種數(shù)據(jù)進行數(shù)據(jù)清洗，去除異常值和填補缺失數(shù)據(jù)，并進行歸一化處理，得到標準化后的氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)；

8、采用時間對齊方法，將標準化后的氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)按照時間戳匹配，并采用數(shù)據(jù)映射方法，分析氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)之間的關聯(lián)性并進行匹配；

9、采用加權(quán)平均方法對匹配后的氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)進行融合，得到融合后的高維數(shù)據(jù)集。

10、作為本發(fā)明所述氫燃料電池保護控制策略仿真方法的一種優(yōu)選方案，其中：所述基于長短時記憶神經(jīng)網(wǎng)絡，構(gòu)建氫燃料電池故障預測模型，輸入氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)，得到故障預測結(jié)果，具體步驟如下，

11、基于融合后的高維數(shù)據(jù)集，進行時間序列格式轉(zhuǎn)換，劃分訓練集和測試集；

12、構(gòu)建lstm網(wǎng)絡結(jié)構(gòu)，設定輸入層、隱藏層和輸出層，并初始化網(wǎng)絡權(quán)重和偏置參數(shù)，建立故障預測模型的初始框架；

13、設定損失函數(shù)和優(yōu)化算法，將訓練集和測試集輸入lstm模型進行迭代訓練，調(diào)整網(wǎng)絡參數(shù)，得到優(yōu)化后的故障預測模型；

14、基于氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)，輸入優(yōu)化后的故障預測模型，得到故障預測結(jié)果。

15、作為本發(fā)明所述氫燃料電池保護控制策略仿真方法的一種優(yōu)選方案，其中：設定損失函數(shù)和優(yōu)化算法，將訓練集和測試集輸入lstm模型進行迭代訓練，調(diào)整網(wǎng)絡參數(shù)，得到優(yōu)化后的故障預測模型，具體步驟如下，

16、設定均方誤差作為損失函數(shù)，選用自適應矩估計優(yōu)化算法，初始化lstm模型的訓練參數(shù)，得到待訓練的故障預測模型；

17、將訓練集數(shù)據(jù)輸入lstm模型，進行前向傳播計算，輸出預測值，并計算預測值與真實值之間的誤差，采用反向傳播算法計算梯度，利用adam優(yōu)化算法更新模型參數(shù)，得到更新后的lstm模型；

18、反復執(zhí)行訓練過程，直至損失收斂，將測試集數(shù)據(jù)輸入更新后的lstm模型，評估預測精度，得到優(yōu)化后的故障預測模型。

19、作為本發(fā)明所述氫燃料電池保護控制策略仿真方法的一種優(yōu)選方案，其中：所述根據(jù)故障預測結(jié)果構(gòu)造強化學習訓練環(huán)境，設定狀態(tài)空間、動作空間和獎勵函數(shù)，采用深度q網(wǎng)絡，對氫燃料電池保護控制策略進行訓練，得到初步保護控制策略，具體步驟如下，

20、根據(jù)故障預測結(jié)果，提取氫燃料電池運行狀態(tài)、故障類型及影響程度，構(gòu)造強化學習訓練環(huán)境；

21、基于氫燃料電池運行數(shù)據(jù)，定義狀態(tài)空間和動作空間，基于加權(quán)多目標優(yōu)化方法設計獎勵函數(shù)；

22、采用深度q網(wǎng)絡結(jié)合狀態(tài)空間和動作空間，構(gòu)建氫燃料電池保護控制策略；

23、智能體通過累積獎勵函數(shù)結(jié)合q值更新策略，構(gòu)建強化學習的評價機制，并通過試探不同策略進行調(diào)整，迭代訓練深度q網(wǎng)絡，不斷優(yōu)化氫燃料電池保護控制策略，最終獲得初步保護控制策略。

24、作為本發(fā)明所述氫燃料電池保護控制策略仿真方法的一種優(yōu)選方案，其中：所述通過物理建模構(gòu)建氫燃料電池的數(shù)字孿生模型，對初步保護控制策略進行仿真測試，具體步驟如下，

25、通過氫燃料電池的電化學特性、熱管理特性、燃料供應特性和功率調(diào)節(jié)特性，構(gòu)建物理模型，得到氫燃料電池的數(shù)字孿生模型，基于氫燃料電池運行數(shù)據(jù)，計算數(shù)字孿生模型的預測狀態(tài)，并與氫燃料電池的實際運行狀態(tài)進行對比，動態(tài)校準參數(shù)，得到優(yōu)化后的數(shù)字孿生模型；

26、將初步保護控制策略輸入優(yōu)化后的數(shù)字孿生模型，構(gòu)建仿真測試環(huán)境，模擬氫燃料電池運行過程中的故障，分析初步保護控制策略的響應效果，得到仿真測試結(jié)果。

27、作為本發(fā)明所述氫燃料電池保護控制策略仿真方法的一種優(yōu)選方案，其中：所述利用自適應調(diào)整功能優(yōu)化保護控制策略參數(shù)，得到優(yōu)化后的保護控制策略，具體步驟如下，

28、基于仿真測試結(jié)果，計算策略執(zhí)行過程中性能指標的變化，評估策略的穩(wěn)定性和故障恢復能力，得到優(yōu)化目標；

29、根據(jù)優(yōu)化目標，利用自適應調(diào)整功能優(yōu)化保護控制策略參數(shù)，并輸入數(shù)字孿生模型進行仿真測試，驗證優(yōu)化效果，得到優(yōu)化后的保護控制策略。

30、第二方面，本發(fā)明提供了一種氫燃料電池保護控制策略仿真系統(tǒng)，包括，數(shù)據(jù)采集模塊、故障預測模塊、強化學習訓練模塊和自適應優(yōu)化模塊；數(shù)據(jù)采集模塊，用于采集氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)，并進行預處理和融合；故障預測模塊，用于基于長短時記憶神經(jīng)網(wǎng)絡，構(gòu)建氫燃料電池故障預測模型，輸入氫燃料電池運行數(shù)據(jù)與氫燃料電池故障數(shù)據(jù)，得到故障預測結(jié)果；強化學習訓練模塊，用于根據(jù)故障預測結(jié)果構(gòu)造強化學習訓練環(huán)境，設定狀態(tài)空間、動作空間和獎勵函數(shù)，采用深度q網(wǎng)絡，對氫燃料電池保護控制策略進行訓練，得到初步保護控制策略；自適應優(yōu)化模塊，用于通過物理建模構(gòu)建氫燃料電池的數(shù)字孿生模型，對初步保護控制策略進行仿真測試，利用自適應調(diào)整功能優(yōu)化保護控制策略參數(shù)，得到優(yōu)化后的保護控制策略。

31、第三方面，本發(fā)明提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的氫燃料電池保護控制策略仿真方法的任一步驟。

32、第四方面，本發(fā)明提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其中：所述計算機程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明第一方面所述的氫燃料電池保護控制策略仿真方法的任一步驟。

33、本發(fā)明有益效果為：

34、通過構(gòu)建氫燃料電池的數(shù)字孿生模型，結(jié)合電化學特性、熱管理特性、燃料供應特性和功率調(diào)節(jié)特性，對初步保護控制策略進行仿真測試，并通過自適應調(diào)整優(yōu)化控制策略參數(shù)，在虛擬環(huán)境中完成策略驗證與優(yōu)化，避免直接在氫燃料電池進行實驗帶來的風險，降低測試成本，提高控制策略的可靠性。