CN119416668A Pem水电解槽寿命预测方法 （中国标准化研究院）

具体地公开了一种PEM水电解槽寿命预测方法，其采用基于深度学习的人工智能技术对PEM水电对各个电压信号固有模态的频域特征进行内核和时序变化模式，以此来实现对PEM水电解槽寿传统的实验室加速老化测试方法带来的高成本2对所述运行数据进行基于经验模态分解的频域分析以得到电压固有模态频域语义编对所述电压固有模态频域语义编码特征向量的集合进行基于特征能势分布引导的内2.根据权利要求1所述的PEM水电解槽寿命预测行基于经验模态分解的频域分析以得到电压固有模态频域语义编码特征向量的集合，包对所述运行数据进行经验模态分解以得到电压固有模态将所述电压固有模态函数的集合中的各个电压固有模态函数输入基于LSTM_RNN混合模型的电压固有模态频域特征提取器以得到所述电压固有模态频域语义编码特征向量的3.根据权利要求2所述的PEM水电解槽寿命预测态频域语义编码特征向量的集合进行基于特征能势分布引导的内核聚集以得到运行数据对所述电压固有模态频域语义编码特征向量的集合中的各个电压固有模态频域语义编码特征向量进行静态能势分析以得到电压固有模态频对所述电压固有模态频域语义编码特征向量的集合中的各个电压固有模态频域语义编码特征向量进行动态能势分析以得到电压固有模态频基于所述电压固有模态频域语义静态能势因子的集合和所述电压固有模态频域语义固有模态频域语义编码特征向量的叠加态能势因子以得到电压固有模态频域语义叠加态基于所述电压固有模态频域语义叠加态能势因子的集合，对义编码特征向量的集合进行内核特征聚集以得到所述运行数4.根据权利要求3所述的PEM水电解槽寿命预测方法，其特征态频域语义编码特征向量的集合中的各个电压固有模态频域语义编码特征向量进行静态将所述电压固有模态频域语义编码特征向量的四阶中心矩除以其特征方差的四次方的计算结果作为其静态能势因子以得到所述5.根据权利要求4所述的PEM水电解槽寿命预测态频域语义编码特征向量的集合中的各个电压固有模态频域语义编码特征向量进行动态计算所述电压固有模态频域语义编码特征向量的集合的按位置均值向量以得到电压计算所述电压固有模态频域语义编码特征向量的集合中的各个电压固有模态频域语义编码特征向量相对于所述电压固有模态频域语义初始聚合表示向量的动态能势因子以36.根据权利要求5所述的PEM水电解槽寿命预测方模态频域语义编码特征向量的集合中的各个电压固有模态频域语义编码特征向量相对于所述电压固有模态频域语义初始聚合表示向量的动态能势因子以得到电压固有模态频域计算所述电压固有模态频域语义编码特征向量和所述电压固有模态频域语义初始聚合表示向量的按位置加权和以得到电压固有模态频域语义动态计算所述电压固有模态频域语义动态能势表示向量和偏置向量之间的点加向量的L2范数的平方以得到所述电压固有模态频域语义7.根据权利要求6所述的PEM水电解槽寿命定所述电压固有模态频域语义编码特征向量的集合中的各个电压固有模态频域语义编码分别以所述电压固有模态频域语义编码特征向量的静态能势因子和动态能势因子的平方作为指数，计算以e为底的指数函数值以得到指数化静态能势因子和指数化动态能势8.根据权利要求7所述的PEM水电解槽寿命预测将所述电压固有模态频域语义叠加态能势因子的集合输入sigmoid函数进行归一化处码失活处理以得到电压固有模态频域语义特征能势权重系数基于所述电压固有模态频域语义特征能势权重系数的集合，计域语义编码特征向量的集合的按位置加权和以得到所述运行数据时序9.根据权利要求8所述的PEM水电解槽寿命预测方法将所述运行数据时序内核表示向量输入基于解码器的寿命预测模块以得到PEM水电解4[0003]目前，对于PEM水电解槽的寿命评估主要依赖于制造商的经验数据或实验室条件寿命预测方法，其采用基于深度学习的人工智能技术对PEM水电解槽的运行电压数据进行捕捉电压信号的内在核心规律性和时序变化模式，以此来实现对PEM水电解槽寿命的智能统的实验室加速老化测试方法带来的高成本和对所述运行数据进行基于经验模态分解的频域分析以得到电压固有模态频域语对所述电压固有模态频域语义编码特征向量的集合进行基于特征能势分布引导的人工智能技术对PEM水电解槽的运行电压数据进行数据分析，通过对其进行经验模态分5[0008]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、[0014]图1为根据本申请实施例的PEM水电解槽寿命预测方法的流程图。图2为根据本申编码特征向量的集合进行基于特征能势分布引导的内核聚集以得到运行数据时序内核表67效、准确地获取PEM水电解槽的运行电压数据，从而为后续的寿命预测提供可靠的数据支S120，包括：S121，对所述运行数据进行经验模态分解以得到电压固有模态函数的集合；模型的电压固有模态频域特征提取器以得到所述电压固有模态频域语义编码特征向量的函数的集合。应可以理解，考虑到传统的傅里叶变换和小波变换等方法假设信号是线性和解方法对所述运行数据进行处理，以将复杂的电压数据分解为若干个固有模态函数而低频部分则更多地反映信号的长期趋势，从而简化了数据结构，有助于更好地捕捉电压信号的内在规律性。到信号的局部极大值点和局部极小值点。局部极大值点是指在其邻域内比相邻点高的点，到所有的局部极大值点和局部极小值点，然后分别通过插值方法拟合出上包络和下包络。8函数输入基于LSTM_RNN混合模型的电压固有模态频域特征提取器以得到所述电压固有模RNN混合模型来构建电压固有模态频域特征提取器，对各个电压固有模态函数分别进行特义编码特征向量的集合进行基于特征能势分布引导的内核聚集以得到运行数据时序内核各个电压固有模态频域语义编码特征向量进行静态能势分析以得到电压固有模态频域语个电压固有模态频域语义编码特征向量进行动态能势分析以得到电压固有模态频域语义量的集合中的各个电压固有模态频域语义编码特征向量的叠加态能势因子以得到电压固9编码特征向量的四阶中心矩除以其特征方差的四次方的计算结果作为其静态能势因子以V={v,v2...,v;,...,vn}个电压固有模态频域语义编码特征向量，为所述电压固有模态频域语义编码特征向量的个数，vij表示所述第i个电压固有模态频域语义编码特征向量的第i个特征值，和oi分义编码特征向量的集合的按位置均值向量以得到电压固有模态频域语义初始聚合表示向编码特征向量相对于所述电压固有模态频域语义初始聚合表示向量的动态能势因子以得频域语义编码特征向量相对于所述电压固有模态频域语义初始聚合表示向量的动态能势所述电压固有模态频域语义动态能势表示向量和偏置向量之间的点加向量的L2范数的平压固有模态频域语义编码特征向量相对于所述电压信号信息初始聚合表示向量的动态能势因子来捕捉数据间的相对关系，衡量其与电压信号总体时序变化模式的相互作用和影编码特征向量的静态能势因子和动态能势因子的平方作为指数，计算以e为底的指数函数码特征向量在整个集合中的复合影响力，更全面地评估其对电压信号核心变化模式的贡叠加态能势因子的集合输入sigmoid函数进行归一化处理后，基于预设掩码阈值对归一化的电压固有模态频域语义叠加态能势因子的集合进行掩码失活处理以得到电压固有模态i个归一化的电压固有模态频域语义叠加态能势因子，mask(·)为括：将所述运行数据时序内核表示向量输入基于解码器的寿命预测模块以得到PEM水电解行数据时序内核表示向量中的深层特征，并将其映射到PEM水电解槽剩余使用寿命的预测[0051]在所述电压固有模态频域语义编码特征向量的集合中的各个电压固有模态频域语义编码特征向量分别表示所述PEM水电解槽的电压数据的时间队列经经验模态分解确定表示向量的第i和第i特征值，d(v,vy)表示所述运行数据时序内核表示向量的第i和第i特获得作为行向量的所述运行数据时序内核表示向量的运行数据时序内核自关联将所述运行数据时序内核表示向量与所述运行数据时序内核距离表示矩阵进行将所述运行数据时序内核一级映射向量与所述运行数据时序内核距离表示矩阵和所述运行数据时序内核自关联矩阵的矩阵乘积进行矩阵相乘以获得运行数据时序内核多级映射向量v"=v'8(D8D')，其中，v'表示运行数据时序内核一级映射向量，D将所述运行数据时序内核多级映射向量与由所述运行数据时序内核自关联矩阵的本征值组成的运行数据时序内核关联本征向量进行点加以获得优化的运行数据时序内将所述优化的运行数据时序内核表示向量输入基于解码器的寿命预测模块以得数据时序内核表示向量