买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国石油大学(华东)申请的专利一种混合驱动的SOFC热电联供系统寿命预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119151075B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411614279.2，技术领域涉及：G06Q10/04；该发明授权一种混合驱动的SOFC热电联供系统寿命预测方法是由蒋文春;石亚洲;宋明;郑红祥;罗云;崔永健设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种混合驱动的SOFC热电联供系统寿命预测方法在说明书摘要公布了：本发明属于固体燃料电池技术领域，具体涉及一种混合驱动的SOFC热电联供系统寿命预测方法，包括SOFC系统动态衰减模型的建立和混合驱动的SOFC系统寿命预测模型的建立。通过模拟SOFC热电联供系统的动态衰减和进行机器学习来进行系统的寿命预测，进而对整个SOFC热电联供系统进行性能预测，分析系统长时间运行下各个组件相互作用对系统寿命的影响。本发明的方法测试时间短，准确度较高，节省成本，加快了研发进度；为系统长寿命运行提供重要参考依据，可以清楚的分析BOP部件对系统整个寿命的影响大小，为系统的长寿命运行指明了方向；利用机器学习的方法，避开了单次模拟可能存在偶然性的结果，使得结果具有普适性。

本发明授权一种混合驱动的SOFC热电联供系统寿命预测方法在权利要求书中公布了：1.一种混合驱动的SOFC热电联供系统寿命预测方法，其特征在于，包括SOFC系统动态衰减模型的建立和混合驱动的SOFC系统寿命预测模型的建立；其中SOFC系统动态衰减模型的建立包括以下步骤： S0：确定SOFC热电系统的具体流程及所用到的典型BOP部件； S1：针对电堆的性能衰减原理进行分析，建立电堆的衰减模型；其中，对SOFC电堆的衰减是考虑到连续运行工况下的衰减，具体电化学衰减模型为： V＝Ncell×Vcell·1-v； Vcell＝EN-ηohm-ηact-ηcon； E0＝1.253-2.4516×10-4T； ηohm＝i·Rcell； 其中，V为SOFC电堆实际电压，Ncell为电堆内单电池片数，Vcell为单电池起始电压，ν为电压衰减率；C1,C2,C3为拟合系数，根据实际电池片性能进行拟合得到，Fu为燃料利用率，ω为损伤变量，T为电堆内温度，T0为电堆理想工作温度，e为自然常数2.718；i为电流密度，EN为Nernst电压，ηohm为欧姆损失，ηact为活化损失，ηcon为浓差损失，E0为标准电势；F为法拉第常数，为96485Cmol-1；R为通用其他常数，为8.314Jmol-1K-1；p为气体压力，Rcell为电阻，iL为交换电流密度，ioa为阳极交换电流密度，ioc为阴极交换电流密度，γ为阳、阴极的交换电流密度所对应的指前因子，其中a表示阳极，c表示阴极，Pref为大气压，Eact,a为阳极活化能，Eact,c为阴极活化能，ki为交换电流密度系数，X为晶粒接触颈长度与晶粒尺寸之比，Dp为孔径，Ds为晶粒尺寸，n为电极孔隙率； S2：针对典型BOP部件的性能衰减原理进行分析，建立典型BOP部件的衰减模型； 换热器性能衰减方程为： ∑Qin＝SareahgsT_ban-T_hotgas； hgs＝Φ·hex； 其中，Qin为换热量，Sarea为换热面积，hgs为对流换热系数，T_ban为换热隔板温度，T_hotgas为换热流体，Φ为换热衰减系数，hex为初始对流换热系数； S3：基于衰减模型利用MATLAB软件搭建系统的动态衰减模型并进行验证；结合电堆和各个部件的SIMULINK模型将互相影响的变量进行连接形成系统的动态衰减模型；结合实际运行数据对模型进行调整和验证，保证模型结果与实际误差在10％以内； S4：基于搭建的神经网络进行寿命预测； SOFC系统寿命预测模型的建立包括以下步骤： 1设置不同边界条件参数得到不同工况下的SOFC系统运行数据集； 2相关性分析筛选对系统寿命影响较大的参数； 3基于SOFC系统运行数据的特性搭建合适的寿命预测神经网络模型； 4利用收集的数据集对神经网络进行训练和验证，误差满足10％以内定义模型训练成功，得到系统的寿命预测模型； 其中，SOFC系统寿命预测模型的建立过程中，利用SOFC动态衰减模型计算不同工况下的大量运行数据，作为机器学习的数据集；对系统变量进行相关性分析，选出典型变量研究SOFC系统和建立寿命预测模型； SOFC电堆数据，选取前90％的数据作为训练集和验证集，后10％的数据作为测试集；根据所划分的区间，区间内和区间之间比较的各模型训练开始前都进行随机初始化； 燃料电池寿命预测分两个阶段：学习-训练阶段和预测-推理阶段，具体流程如下： ①模型搭建：搭建各类神经网络模型，并设置相关结构参数； ②输入训练集进行模型学习：利用训练集对模型进行训练； ③模型在验证集上进行评价：训练的模型对验证集进行推理，计算均方误差、均方根误差、平均绝对误差、平均绝对百分比误差和决定系数等指标用于综合评价； ④调参：根据模型评价的结果对模型结构参数、训练参数进行调优； ⑤模型在测试集上预测最终结果：调优后的模型对测试集进行最终评估； 不同区间上分别对神经网络模型进行训练、验证和测试，各模型的评价指标采用常用的平均绝对误差MAE、均方误差MSE、均方根误差RMSE、平均绝对百分比误差MAPE以及决定系数R2，以多个角度综合评判模型的预测性能，各误差计算方式为： 其中，a为样本数量，j为每个样本中的具体值序号，Yj为样本序号j时真实值，为样本序号j时预测值，为样本的真实值的平均值； 得到寿命预测模型后，对寿命预测模型的输出与实际SOFC系统的数据进行对比，如果满足误差要求，则可确定寿命预测模型的精确性，如若不满足误差要求，则需调整寿命预测模型的构成，重新进行训练、验证和测试，以满足误差要求后得到系统的寿命预测模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。