面向海洋应用:基于机理-数据融合的SOFC系统跨工况故障诊断研究

《Brain Sciences》:Mechanism–Data Fusion Modeling and Cross-Condition Fault Diagnosis of Typical Faults in Marine Solid Oxide Fuel Cell Power Systems Guoqiang Liu, Xuelei Chen, Jingxuan Peng, Xiaolong Wu and Zhengyang Long

【字体: 大 中 小 】 时间:2026年04月12日 来源:Brain Sciences 2.8

编辑推荐:

  海洋船舶SOFC(固体氧化物燃料电池)发电系统因其高效、低碳等特点在清洁能源领域备受关注。然而,其运行中存在强烈的热-电化学耦合,且在变工况下对燃料泄漏、电极分层等故障高度敏感。本研究建立了一个集成了电堆与BOP(Balance-of-Plant,辅助设备)的机理性动态模型,并在此基础上模拟了复合故障与序列故障的演化过程。研究人员提出了一种结合点二列相关分析的、分段式部分单调决策树诊断方法。结果表明,该策略能将复合故障的整体诊断准确率提升至88.5%,并将序列故障的峰值准确率提升至87.5%,为解决变工况下SOFC系统的故障诊断挑战提供了有效的建模与诊断框架。

  
在当前全球航运业加速向低碳、零碳转型的大背景下,氢能及其相关转换技术被视为实现船舶动力“绿色革命”的关键路径之一。其中,固体氧化物燃料电池(Solid Oxide Fuel Cell, SOFC)因其可直接高效地将燃料化学能转化为电能,且能兼容氢气、氨、甲醇等多种富氢燃料,在船用动力领域展现出巨大潜力。然而,现实并非一片坦途。船舶运行环境复杂多变,负荷需求时刻波动,这使得SOFC系统需要在不断变化的工况下工作。其核心电堆在高温下运行,内部存在强烈的热、电、流、化学反应等多物理场耦合,加之系统还包括燃料/空气供应、换热器、燃烧器等多种辅助设备(Balance-of-Plant, BOP),使其“身体”异常敏感和“娇贵”。无论是气体管路微小的“破口”(燃料泄漏),还是电堆内部电极与电解质层之间不听话的“分家”(电极分层),都可能“牵一发而动全身”,导致系统性能急剧下滑,甚至威胁到整个船舶动力系统的安全与寿命。更棘手的是,在实际航行中,故障往往不是“单打独斗”地发生,它们可能结伴而行(复合故障),也可能像“多米诺骨牌”一样接连发生(序列故障),并且其“病征”会随着船舶工况的改变而不断变化,这给故障的精准诊断带来了前所未有的挑战。为了应对这一挑战,揭开SOFC在变工况下的故障演化“黑箱”,并为其装上智能的“健康监测”系统,研究人员刘国强等人开展了一项创新的探索。
为了开展这项研究,研究人员主要运用了以下几项关键技术方法:首先,在MATLAB/Simulink平台上构建了一个集成了电堆与BOP的SOFC系统级机理动态模型。该模型基于能斯特方程、能量守恒、组分守恒等物理化学定律,将电堆离散化为多个节点进行精细计算,并通过实验数据进行了误差在0.4%-2.8%之间的验证,为后续故障仿真提供了可靠的基础。其次,在验证后的模型中,通过引入明确的物理故障因子,模拟了燃料泄漏和电极分层这两种典型故障。通过设定不同的参数(如流量衰减因子、有效反应面积减小因子),生成了复合故障(同时发生)和序列故障(先后发生)在不同工况下的动态响应数据。最后,在数据驱动诊断方面,提出并应用了一种分段式部分单调决策树分类算法,结合点二列相关性分析,对生成的跨工况故障数据集进行特征筛选和模型训练,以评估和提升故障诊断的鲁棒性。
研究结果如下:
  • •
    2.1. 船舶SOFC系统描述与建模
    研究人员成功建立并验证了一个船用独立SOFC发电系统的动态机理模型。该系统模型将电堆离散化为五个串联节点,每个节点包含固体、流体和电化学性能模块,能够精细刻画系统内部状态。模型流程示意图清晰地展示了包含电堆、换热器、燃烧器、鼓风机和质量流量控制器在内的完整系统构成,为故障模拟奠定了基础。
  • •
    故障对系统性能影响的动态模拟
    通过对引入故障因子的模型进行仿真,研究人员量化了不同故障对系统关键输出(电流、功率、温度)的影响。结果表明,燃料泄漏会导致电流、功率和温度产生最严重的退化,这主要是因为燃料供应不足直接削弱了电化学反应。相比之下,电极分层主要通过减少有效反应面积来降低电流和功率输出,对温度的影响相对较小。这揭示了不同故障内在的物理机制差异。
  • •
    复合故障与序列故障的演化特性
    研究进一步模拟了故障同时发生(复合)和先后发生(序列)的场景。一个关键的发现是,复合故障的动态演化特性并非其组成单一故障效应的简单叠加,而是表现出显著的故障间交互作用。同样,序列故障的演化轨迹也因其发生顺序和工况变化而呈现出非线性的复杂特征。这表明,在真实的多故障、变工况环境下,故障诊断必须考虑故障间的耦合效应。
  • •
    基于分段决策树的跨工况故障诊断
    面对复合与序列故障的挑战,传统的单一工况诊断模型性能显著下降。为此,研究提出了一种分段式部分单调决策树诊断策略,并结合点二列相关性进行特征选择。该方法的核心思想是针对不同工况阶段的数据分段构建诊断模型。应用此策略后,对于模拟的复合故障,整体诊断准确率达到88.5%;而对于更具挑战性的序列故障,采用分段策略能将峰值诊断准确率提升至87.5%,显著优于非分段方法,证明了该方法在应对运行条件变化时的鲁棒性优势。
综上所述,本研究的主要结论和重要意义在于: 本研究成功地构建了一个“机理-数据”融合的研究框架,将高保真的SOFC系统机理模型与智能的数据驱动诊断方法相结合。这不仅实现了对船用SOFC系统中典型单一、复合及序列故障在变工况下动态演化的高精度模拟,揭示了其非叠加性的相互作用规律,更重要的是,提出并验证了一种高效的分段式诊断策略。该策略显著提升了在复杂、真实的船舶运行环境下对SOFC系统健康状况进行在线、准确辨识的能力。这项工作为下一代智能、可靠的船用清洁动力系统的设计、运维与健康管理提供了坚实的理论依据和可行的技术方案,对于推动SOFC技术在航运业的规模化、安全化应用具有重要的科学价值和工程指导意义。相关研究成果已发表在学术期刊上。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号