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！

龙图腾网获悉江苏徐工工程机械研究院有限公司;徐州徐工汽车制造有限公司;上海徐工智能科技有限公司申请的专利一种用于燃料电池的智能管理方法及系统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：CN119476026B 。

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：202411605442.9，技术领域涉及：G06F30/27；该发明授权一种用于燃料电池的智能管理方法及系统是由王佳;董晓东;李旺坤设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种用于燃料电池的智能管理方法及系统在说明书摘要公布了：本发明公开了一种用于燃料电池的智能管理方法及系统，方法包括：构建燃料电池退化经验模型和燃料电池寿命预测模型；利用比较集设定燃料电池退化经验模型和燃料电池寿命预测模型的模型权重后，根据模型权重将燃料电池退化经验模型和燃料电池寿命预测模型进行叠加获得电池寿命预测混合模型；获取燃料电池的监测数据，将监测数据输入至电池寿命预测混合模型获得燃料电池的剩余寿命评估值；基于剩余寿命评估值生成燃料电池的维护指令；平衡现有技术预测燃料电池剩余寿命的准确性和不确定性，实现燃料电池剩余使用寿命的精准预测；基于寿命预测结果，实现了燃料电池设备的智能任务调配和计划维护，提高了燃料电池系统的可靠性和寿命。

本发明授权一种用于燃料电池的智能管理方法及系统在权利要求书中公布了：1.一种用于燃料电池的智能管理方法，其特征在于，包括： 获取燃料电池的监测数据，将监测数据输入至电池寿命预测混合模型获得燃料电池的剩余寿命评估值；基于剩余寿命评估值生成燃料电池的维护指令； 所述电池寿命预测混合模型的构建过程包括： 获取燃料电池的历史运行数据；将历史运行数据分别划分至训练集和比较集； 建立燃料电池退化初始模型的过程包括： 利用燃料电池的实际输出电压表示燃料电池的剩余使用寿命状态，构建燃料电池退化初始模型；表达公式为： V＝E-Vact-Vohm-Vconc Vohm＝jARohm 公式中，V为燃料电池的实际输出电压；E为燃料电池的能斯特电压；Vact为燃料电池的活化损失；Vohm为燃料电池的欧姆损失；Vconc为燃料电池的浓差损失；ΔG为燃料电池反应前后的吉布斯自由能变化；F为法拉第常数；R为通用气体常数；ΔS为燃料电池反应前后的熵变；T为燃料电池运行温度；为氢气的分压强；为氧气的分压强；Pref为热力学标准状态压强；Tref为热力学标准状态温度；ζ1、ζ2、ζ3、ζ4为拟合参数；j为单位电极面积的电流密度；A为电极面积；Rohm为单位面积的电荷传输阻力；jL为极限电流密度； 将训练集中历史运行数据输入至燃料电池退化初始模型，并采用粒子滤波算法对燃料电池退化初始模型的参数估计获得燃料电池退化经验模型； 基于长短时记忆神经网络建立燃料电池寿命预测模型，利用训练集中历史运行数据对燃料电池寿命预测模型进行训练，重复迭代直至达到训练终止条件获得训练后的燃料电池寿命预测模型； 利用比较集设定燃料电池退化经验模型和燃料电池寿命预测模型的模型权重，过程包括： 将比较集输入至燃料电池退化经验模型获得燃料电池剩余使用寿命概论分布的模型驱动函数； 将比较集输入至燃料电池寿命预测模型获得燃料电池剩余使用寿命概论分布的数据驱动函数； 基于比较集中燃料电池实际工作寿命建立燃料电池的使用寿命实际分布函数； 根据模型驱动函数、数据驱动函数和使用寿命实际分布函数计算燃料电池退化经验模型和燃料电池寿命预测模型的模型权重，表达公式为： 公式中，为使用寿命实际分布函数；为燃料电池剩余使用寿命概论分布的模型驱动函数；为燃料电池剩余使用寿命概论分布的数据驱动函数；λmodel为燃料电池退化经验模型的模型权重；λdata为燃料电池寿命预测模型的模型权重；为预测结果的准确性； 当准确性达到1时，获得燃料电池退化经验模型的模型权重λmodel以及燃料电池寿命预测模型的模型权重λdata； 根据模型权重将燃料电池退化经验模型和燃料电池寿命预测模型进行叠加获得电池寿命预测混合模型。

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江苏徐工工程机械研究院有限公司;徐州徐工汽车制造有限公司;上海徐工智能科技有限公司，其通讯地址为：221001 江苏省徐州市徐州经济技术开发区驮蓝山路26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”。