基于运行数据时空特征和Stacking集成学习的质子交换膜燃料电池故障诊断

作者：袁铁江; 郭泽林^*; 方彤

来源：中国电机工程学报, 2023, 43(14): 5461-5471.

DOI：10.13334/j.0258-8013.pcsee.220127

• 质子交换膜燃料电池
• 特征加权
• 时空特征
• Stacking集成学习
• 故障诊断

为实现质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)故障诊断的快速性和准确性，提出基于运行数据时空特征和Stacking集成学习的故障诊断方法。首先，采用客观赋权法为反映PEMFC运行状态的电压、电流、温度和压力等变量进行赋权，基于核主成分分析和长短时记忆神经网络提取其空间、时间特征，基于add思想融合空间、时间特征，构建时空特征集。然后，建立以卷积神经网络(convolutional neural network,CNN)、随机森林、K最近邻算法、极端梯度提升树(extreme gradient boosting,XGBoost)为基分类器，XGBoost为元分类器的Stacking集成学习框架，实现了对PEMFC系统正常、水淹、膜干和氢气泄漏四种运行状态的诊断。最后，算例结果表明，所构建的时空特征集在5种单一分类模型的平均诊断准确率为99.23%，相比空间特征集提升2.83%，在Stacking模型的诊断准确率为99.99%。同时，在满足相同损失函数的前提下，使CNN的运算时间减少28s。因此，所提方法能够实现对PEMFC系统故障的快速准确诊断。

• 单位
  国网能源研究院有限公司; 大连理工大学