基于大数据平台的燃料电池汽车加氢行为分析方法和系统与流程-尊龙凯时官方app下载

文档序号:36400950发布日期:2023-12-16 03:40阅读:16来源:国知局


1.本发明涉及燃料电池技术,具体涉及基于大数据平台的燃料电池汽车加氢行为分析方法和系统



背景技术:

2.质子交换膜燃料电池具有高功率密度

高能量转化效率

零排放等优点,被视为未来交通运输领域中具有广阔应用前景的清洁动力源之一

3.相较于传统内燃机汽车的燃料为汽油

柴油

天然气等,燃料电池汽车的燃料为氢气,其需要及时加注氢气以支撑车辆行驶需求,一方面,当前加氢站的建设普及程度不高,加氢站与加氢站之间的距离较远,影响了燃料电池汽车的日常行驶需求与商业化推广,另一方面,燃料电池汽车的加氢质量

平均氢耗等加氢特征也影响了用户使用成本

因此,结合大数据平台资源,实现车辆加氢特性的分析,不仅能够得到燃料电池汽车在实际行驶过程中对于燃料电池系统作为动力源的依赖程度,从而评估其技术成熟程度,而且对于加氢站地理位置

氢气加注能力的规划及布局具有重要指导意义

该方法能够覆盖的燃料电池汽车样本数量多

车辆分布地域广阔而且分析成本低



技术实现要素:

4.根据本发明第一方面,本发明请求保护基于大数据平台的燃料电池汽车加氢行为分析方法,包括:从燃料电池汽车大数据平台中提取燃料电池汽车氢系统结构设计参数集合和预设时间区间内燃料电池汽车的行驶数据集合
a1
;基于行驶数据集合
a1
,提取涉及所述燃料电池汽车加氢行为的加氢数据集合
a2
;依据所述加氢数据集合
a2
,通过预设的逻辑判断条件识别所述燃料电池汽车加氢行为的发生,确定所述燃料电池汽车加氢前与燃料电池汽车加氢后对应的数据行;通过所述燃料电池汽车加氢前与燃料电池汽车加氢后对应的数据行,得到所述燃料电池汽车发生加氢行为后的属性变化值,计算所述燃料电池汽车的加氢质量;根据所述加氢数据集合
a2
中的所有加氢行为数据,计算得到所述燃料电池汽车的加氢第一特征集;基于所述燃料电池汽车的加氢质量和加氢第一特征集,得到所述加氢数据集合
a2
中所有加氢行为发生时对应的加氢第二特征集,绘制得到所述燃料电池汽车在预设时间区间内行驶时对应的加氢行为特征

5.根据本发明第二方面,本发明请求保护基于大数据平台的燃料电池汽车加氢行为分析系统,包括:存储器,用于存储非暂时性计算机可读指令;以及处理器,用于历史记录所述计算机可读指令,使得所述处理器执行时实现所述的基于大数据平台的燃料电池汽车加氢行为分析方法

6.本发明涉及燃料电池技术,具体涉及基于大数据平台的燃料电池汽车加氢行为分析方法和系统,通过提取燃料电池汽车氢系统结构设计参数集合和预设时间区间内燃料电池汽车的行驶数据集合,进一步基于分析得出的加氢行为数据,计算得到所述燃料电池汽车的加氢第一特征集和第二特征集,最终得到所述燃料电池汽车在预设时间区间内行驶时对应的加氢行为特征

本发明基于大数据平台资源实现燃料电池汽车加氢特性的分析,不仅能够评估燃料电池汽车在实际道路运行时的经济性以及技术水平,而且对于城市群中加氢站地理位置

氢气加注能力的规划及布局具有重要指导意义,覆盖率高,操作简便,成本低,适用于燃料电池各种车型的分析需求

附图说明
7.图1为本发明实施例所涉及的基于大数据平台的燃料电池汽车加氢行为分析方法的工作流程图;图2为本发明实施例所涉及的基于大数据平台的燃料电池汽车加氢行为分析方法的车辆加氢间隔里程分布情况示意图;图3为本发明实施例所涉及的基于大数据平台的燃料电池汽车加氢行为分析方法的车辆加氢间隔时间分布情况示意图;图4为本发明实施例所涉及的基于大数据平台的燃料电池汽车加氢行为分析方法的车辆加氢间隔里程-间隔时间分布情况示意图;图5为本发明实施例所涉及的基于大数据平台的燃料电池汽车加氢行为分析方法的车辆加氢间隔里程-间隔时间的概率分布情况示意图;图6为本发明实施例所涉及的基于大数据平台的燃料电池汽车加氢行为分析方法的车辆加氢前

加氢后氢气罐压强分布情况示意图;图7为本发明实施例所涉及的基于大数据平台的燃料电池汽车加氢行为分析方法的车辆单次加氢质量分布情况示意图;图8为本发明实施例所涉及的基于大数据平台的燃料电池汽车加氢行为分析方法的车辆百公里平均氢耗分布情况示意图;图9为本发明实施例所涉及的基于大数据平台的燃料电池汽车加氢行为分析系统的系统结构图

具体实施方式
8.根据本发明第一实施例,参照附图1,本发明请求保护基于大数据平台的燃料电池汽车加氢行为分析方法,包括:从燃料电池汽车大数据平台中提取燃料电池汽车氢系统结构设计参数集合和预设时间区间内燃料电池汽车的行驶数据集合
a1
;基于行驶数据集合
a1
,提取涉及燃料电池汽车加氢行为的加氢数据集合
a2
;依据加氢数据集合
a2
,通过预设的逻辑判断条件识别燃料电池汽车加氢行为的发生,确定燃料电池汽车加氢前与燃料电池汽车加氢后对应的数据行;通过燃料电池汽车加氢前与燃料电池汽车加氢后对应的数据行,得到燃料电池汽车发生加氢行为后的属性变化值,计算燃料电池汽车的加氢质量;
根据加氢数据集合
a2
中的所有加氢行为数据,计算得到燃料电池汽车的加氢第一特征集;基于燃料电池汽车的加氢质量和加氢第一特征集,得到加氢数据集合
a2
中所有加氢行为发生时对应的加氢第二特征集,绘制得到燃料电池汽车在预设时间区间内行驶时对应的加氢行为特征

9.进一步的,燃料电池汽车氢系统结构设计参数集合至少包括储氢气瓶数量
n_tank、
储氢气瓶公称水容积
v_tank、
储氢气瓶公称工作压力;基于燃料电池汽车大数据平台,得到某重型货车氢系统的结构设计参数,其中储氢气瓶数量
n_tank

9、
储氢气瓶公称水容积
v_tank

165l、
储氢气瓶公称工作压力为
35.0mpa。
10.燃料电池汽车加氢行为的加氢数据集合
a2
至少包括信息发送时间

累计里程

氢系统中最高温度

氢气最高压力;燃料电池汽车的加氢第一特征集至少包括燃料电池汽车加氢前储氢气瓶压强

燃料电池汽车加氢后储氢气瓶压强

燃料电池汽车加氢前储氢气瓶温度

燃料电池汽车加氢后储氢气瓶温度;加氢第二特征集至少包括加氢间隔里程

加氢间隔时间

加氢次数

加氢质量

平均氢耗

11.进一步的,基于行驶数据集合
a1
,提取涉及燃料电池汽车加氢行为的加氢数据集合
a2
,还包括:提取按照发送时间前后顺序排序的n行行驶数据集合
a1
的涉及燃料电池汽车加氢行为的数据作为加氢数据集合
a2
;基于燃料电池汽车大数据平台,得到某重型货车在8月份的加氢数据集合
a2
,按照发送时间前后顺序排序为
56162
行数据;加氢数据集合
a2
中第m行数据,信息发送时间记为
time_m
,累计里程记为
s_m、
氢系统中最高温度记为
temp_m、
氢气最高压力记为
p_m
,其中
time_m

s_m

temp_m

p_m
的数值均不为空集且不为零

12.加氢数据集合
a2
中第
2565
行数据,信息发送时间记为
2022-08-26 01:48:40
,累计里程为
6269.6km、
氢系统中最高温度为
38℃、
氢气最高压力为
34.7mpa
;加氢数据集合
a2
中第
m-1
行数据,信息发送时间记为
time_m-1
,累计里程记为
s_m-1、
氢系统中最高温度记为
temp_m-1、
氢气最高压力记为
p_m-1。
13.加氢数据集合
a2
中第
2564
行数据,信息发送时间记为
2022-08-25 15:50:07
,累计里程记为空集

氢系统中最高温度为空集

氢气最高压力为空集;进一步的,依据加氢数据集合
a2
,通过预设的逻辑判断条件识别燃料电池汽车加氢行为的发生,确定燃料电池汽车加氢前与燃料电池汽车加氢后对应的数据行,还包括:如果加氢数据集合
a2
中第
m-1
行数据的
time_m-1

s_m-1

temp_m-1

p_m-1
的数值均不为空集且不为零,则通过第m行数据与第
m-1
行数据来进行计算;如果加氢数据集合
a2
中第
m-1
行数据的
time_m-1

s_m-1

temp_m-1

p_m-1
的数值存在空集或者零的情况,则按照发送时间向前追溯有效数据行,直至找到有效的数据行,该数据行记为第
m-a
行,a属于
[1,2,

,m-1]
范围,第
m-a
行的信息发送时间记为
time_m-a
,累
计里程记为
s_m-a、
氢系统中最高温度记为
temp_m-a、
氢气最高压力记为
p_m-a
;加氢数据集合
a2
中第
2563
行数据,信息发送时间记为
2022-08-25 15:49:57
,累计里程记为
6269.6km、
氢系统中最高温度为
18℃、
氢气最高压力为
13.9mpa
;如果加氢数据集合
a2
中第m行数据与第
m-a
行数据满足如下逻辑判断条件,则认为燃料电池汽车发生了加氢行为,否则没有发生加氢行为

[0014]
p_m》p_m-a b
;其中b为预设加氢前后压力变化阈值,该逻辑判断条件为相邻数据行中燃料电池汽车储氢气瓶压强变化幅度超过预设加氢前后压力变化阈值时发生了燃料电池汽车加氢行为,即燃料电池汽车加氢行为导致燃料电池汽车储氢气瓶压强的上升;针对该重型货车,预设加氢前后压力变化阈值设置为
10mpa
;加氢数据集合
a2
中第
2565
行数据与第
2563
行数据,燃料电池汽车加氢前后压力变化数值为
20.8mpa
,即燃料电池汽车发生了1次加氢行为

[0015]
当加氢数据集合
a2
中第一次出现加氢行为时,加氢次数记为1,后续每出现一次加氢行为,则加氢次数加
1。
[0016]
进一步的,通过燃料电池汽车加氢前与燃料电池汽车加氢后对应的数据行,得到燃料电池汽车加氢后的属性变化值,计算燃料电池汽车的加氢质量,还包括:燃料电池汽车加氢前储氢气瓶压强,记为
p_before

p_before=13.9mpa
;燃料电池汽车加氢后储氢气瓶压强,记为
p_after

p_after=34.7mpa
;燃料电池汽车加氢前储氢气瓶温度,记为
temp_before

temp_before=18℃
;燃料电池汽车加氢后储氢气瓶温度,记为
temp_after

temp_after=38℃
;基于燃料电池汽车加氢前

加氢后储氢气瓶压强

温度,计算燃料电池汽车加氢后储氢质量
m_tank_after、
燃料电池汽车加氢前储氢质量
m_tank_before
:;其中
p_before
为燃料电池汽车加氢前储氢气瓶压强,
v_tank
为储氢气瓶公称水容积,
n_tank
为储氢气瓶数量,为氢气摩尔质量,为理想气体常数,
temp_before
为燃料电池汽车加氢前储氢气瓶温度;代入上述数值进行计算,得到该次加氢行为中加氢前储氢质量为
17.05kg
;;其中
p_after
为燃料电池汽车加氢后储氢气瓶压强,
v_tank
为储氢气瓶公称水容积,
n_tank
为储氢气瓶数量,为氢气摩尔质量,为理想气体常数,
temp_after
为燃料电池汽车加氢后储氢气瓶温度;代入上述数值进行计算,得到该次加氢行为中加氢后储氢质量为
39.84kg
;燃料电池汽车加氢质量通过燃料电池汽车加氢后储氢质量与燃料电池汽车加氢前储氢质量进行计算:

[0017]
代入上述加氢前储氢质量与加氢后储氢质量进行计算,得到该次加氢行为对应的加氢质量为
22.79kg

进一步的,基于所述燃料电池汽车的加氢质量和加氢第一特征集,得到所述加氢数据集合
a2
中所有加氢行为发生时对应的加氢第二特征集,还包括:加氢间隔里程等于相邻两次加氢行为发生时所对应燃料电池汽车累计里程的差值:;其中表示加氢间隔里程,表示下一次加氢行为发生时对应的燃料电池汽车累计里程,表示本次加氢行为发生时对应的燃料电池汽车累计里程;加氢间隔时间等于相邻两次加氢行为发生时所对应燃料电池汽车信息发送时间的差值:;其中表示加氢间隔时间,表示下一次加氢行为发生时对应的燃料电池汽车信息发送时间,表示本次加氢行为发生时对应的燃料电池汽车信息发送时间;基于燃料电池汽车大数据平台,该重型货车下一次发生加氢行为的数据行为加氢数据集合
a2
中第
16669
行数据,信息发送时间记为
2022-08-28 22:35:30
,累计里程为
6432.3km
;代入上述数值进行计算,得到加氢间隔里程为
162.7km
,加氢间隔时间为
78.7h
;平均氢耗等于燃料电池汽车本次加氢行为与下一次加氢行为之间所消耗氢气质量除以加氢间隔里程:

[0018]
其中表示平均氢耗,表示本次加氢行为与下一次加氢行为之间所消耗氢气质量,其数值为本次加氢行为发生时燃料电池汽车加氢后储氢质量减去下一次加氢行为发生时燃料电池汽车加氢前储氢质量,表示本次加氢行为与下一次加氢行为之间的加氢间隔里程

[0019]
代入上述数值进行计算,得到平均氢耗为
0.14kg/km
,即百公里平均氢耗为
14kg/100km。
[0020]
进一步的,本发明可以绘制得到燃料电池汽车在预设时间区间内行驶时对应的加氢行为特征;在该实施例中可以绘制加氢间隔里程分布

加氢间隔时间分布

加氢间隔里程-加氢间隔时间散点分布

加氢质量分布

平均氢耗分布的情况,得到车辆在预设时间区间内行驶时对应的加氢特征,从而为燃料电池汽车加氢规律分析

城市群加氢站地理位置

氢气加注能力的规划及布局提供参考

[0021]
参照附图2,加氢行为特征至少可以包括车辆加氢间隔里程分布情况,图中可以得出加氢间隔里程与所占比例整体呈现正态分布规律,随着加氢间隔里程的增加,所占比例逐渐增加,随后,当加氢间隔里程进一步增加时,所占比例逐渐下降;参照附图3,加氢行为特征至少还包括车辆加氢间隔时间分布情况,图中可以得出加氢间隔时间小于
24h、24h~48h、48h~72h
的占比分别为
28.4%、45%、13.5%
,总计约
86.9%。

得注意的是,存在
6.2%
的加氢行为发生的间隔时间超过
120h
,这说明部分车辆可能在某些日期中处于未出行的状态或者部分车辆出行过程中严重依赖于动力电池系统,从而导致加氢间隔时间较长;参照附图4,加氢行为特征至少还包括车辆加氢间隔里程-间隔时间分布情况,图中可以得出加氢间隔里程主要分布在
50km~300km
的范围内,加氢间隔时间主要集中在
0~96h
的范围内,存在极少数加氢行为发生的车辆加氢间隔里程大于
350km
或者加氢间隔时间超过
192h
;参照附图5,加氢行为特征至少还包括车辆加氢间隔里程-间隔时间的概率分布情况;图中可以得出加氢行为最密集的范围为加氢间隔里程
150km~200km、
加氢间隔时间为
24h~48h
,所占比例达到
18%
,其次是加氢间隔里程
200km~250km、
加氢间隔时间为
24h~48h
,所占比例达到
14%。
结合车辆的纯氢续驶里程为
340km
,因此,车队中加氢行为最密集的区域为加氢间隔里程约为
50%
纯氢续驶里程,这与当地加氢站的建设与地理位置布局存在一定关系;参照附图6,加氢行为特征至少还包括车辆加氢前

加氢后氢气罐压强分布情况;图中可以得出加氢前氢气罐的压强分布较为广泛,从
3mpa~20mpa
均有一定分布,加氢后氢气罐的压强主要集中在
25mpa~35mpa
,其余区域存在少量的散点分布

加氢后的压强在
35mpa
附近的分布最为集中,这说明这部分加氢行为均是加满氢的状态,此外,在
30mpa
附近也有一定的分布;参照附图7,加氢行为特征至少还包括车辆单次加氢质量分布情况;图中可以得出随着单次加氢质量的增加,其所占比例均呈现“先增加-后降低”的趋势

单次加氢质量主要集中在
18kg~21kg、21kg~24kg、24kg~27kg
,所占比例分别为
21.6%、27.2%、20.4%
,单次加氢质量小于
12kg
的占比仅有
4.4%。
[0022]
参照附图8,加氢行为特征至少还包括车辆百公里平均氢耗分布情况;图中可以得出平均氢耗分布在
10kg/100km~12kg/100km
的所占比例最高,达到
35.1%
,其次是
12kg/100km~14kg/100km
的区间

综合对比不同车辆的氢耗时,氢耗高低与车型差异

运输作业载荷量

环境温度以及各自的技术差异性均有关系

[0023]
根据本发明第二实施例,参照附图9,本发明请求保护基于大数据平台的燃料电池汽车加氢行为分析系统,包括:存储器,用于存储非暂时性计算机可读指令;以及处理器,用于历史记录计算机可读指令,使得处理器执行时实现的基于大数据平台的燃料电池汽车加氢行为分析方法

[0024]
本领域技术人员能够理解,本公开所披露的内容可以出现多种变型和改进

例如,以上所描述的各种设备或组件可以通过硬件实现,也可以通过软件

固件

或者三者中的一些或全部的组合实现

[0025]
本公开中使用了流程图用来说明根据本公开的实施例的方法的步骤

应当理解的是,前面或后面的步骤不一定按照顺序来精确的进行

相反,可以按照倒序或同时处理各种步骤

同时,也可以将其他操作添加到这些过程中

[0026]
本领域普通技术人员可以理解上述方法中的全部或部分的步骤可通过计算机程序来指令相关硬件完成,程序可以存储于计算机可读存储介质中,如只读存储器

磁盘或光
盘等

可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现

相应地,上述实施例中的各模块
/
单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现

本公开并不限制于任何特定形式的硬件和软件的结合

[0027]
除非另有定义,这里使用的所有术语具有与本公开所属领域的普通技术人员共同理解的相同含义

还应当理解,诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义

[0028]
以上是对本公开的说明,而不应被认为是对其的限制

尽管描述了本公开的若干示例性实施例,但本领域技术人员将容易地理解,在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改

因此,所有这些修改都意图包含在权利要求书所限定的本公开范围内

应当理解,上面是对本公开的说明,而不应被认为是限于所公开的特定实施例,并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内

本公开由权利要求书及其等效物限定

[0029]
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、
或“一些示例”等的描述意指结合该实施例或示例描述的具体特征

结构

材料或者特点包含于本发明的至少一个实施例或示例中

在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例

而且,描述的具体特征

结构

材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合

[0030]
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化

修改

替换和变型,本发明的范围由权利要求及其等同物限定

当前第1页1  
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
网站地图