芬贝(北京)科技有限公司史泰然获国家专利权
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!
龙图腾网获悉芬贝(北京)科技有限公司申请的专利一种碱性电解水制氢装置运行性能评价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:CN120406351B 。
龙图腾网通过国家知识产权局官网在2025-11-14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:202510531526.0,技术领域涉及:G05B19/418;该发明授权一种碱性电解水制氢装置运行性能评价方法及系统是由史泰然;牛彦华;史红华设计研发完成,并于2025-04-25向国家知识产权局提交的专利申请。
本一种碱性电解水制氢装置运行性能评价方法及系统在说明书摘要公布了:本发明涉及电解水制氢技术领域,公开一种碱性电解水制氢装置运行性能评价方法及系统,包括:步骤1,部署分布式传感器网络,采集电解槽运行数据,建立多物理场耦合模型且标定模型参数矩阵;步骤2,基于模型参数矩阵构建电极损伤演化模型,处理传感器网络采集的声发射信号且提取裂纹特征参数,计算实时损伤度,生成分级预警信号。本发明采用分布式传感器网络采集多物理场数据且建立耦合模型标定参数矩阵的技术方案,达到多维参数动态耦合关系的技术效果,相较于现有技术中依赖单一维度参数和经验公式估算耦合效应的技术方案,解决传统方法因忽略多场相互作用导致的能效评估偏差大与可靠性低的不足。
本发明授权一种碱性电解水制氢装置运行性能评价方法及系统在权利要求书中公布了:1.一种碱性电解水制氢装置运行性能评价方法,其特征在于,包括: 步骤1,部署分布式传感器网络,采集电解槽运行数据,建立多物理场耦合模型且标定模型参数矩阵; 步骤2,基于模型参数矩阵构建电极损伤演化模型,处理传感器网络采集的声发射信号且提取裂纹特征参数,计算实时损伤度,生成分级预警信号; 步骤3,根据实时损伤度及电解槽运行数据构建状态向量,定义虚拟队列表征系统状态偏离目标能效的累积程度,基于优化理论求解当前最优控制参数; 所述步骤3中,根据实时损伤度及电解槽运行数据构建状态向量,定义虚拟队列表征系统状态偏离目标能效的累积程度,基于优化理论求解当前最优控制参数,进一步包括: 子步骤3.1,构建包含损伤度Dt、阴极温度Tc、阳极温度Ta、电流密度J及产氢压力PH2的状态向量xt: 其中,Dt为损伤度,Tct、Tat为采集的阴极、阳极温度,Jt为采集的电流密度,为采集的产氢压力; 子步骤3.2,定义虚拟队列Qt表征系统状态偏离目标能效ηtarget的累积程度,更新规则为: Qt+1=max{Qt+∈ηefft-ηtarget,0}, 其中,ηefft为瞬时能效,ηtarget为目标能效,Qt为虚拟队列值,∈为队列更新系数,Qt+1为在时刻t+1的虚拟队列值; 子步骤3.3,基于所述状态向量xt及虚拟队列Qt,构建且求解最优控制参数u*t: 其中,U为控制输入约束集,w1、w2为能耗与寿命损耗的权重系数,V为李雅普诺夫优化权重,u*t为最优控制参数向量,u0为控制参数基准值,u为分数阶域变量; 步骤4,结合状态向量、实时损伤度及最优控制参数,生成综合性能评分及参数调整指令; 所述步骤4中,结合状态向量、实时损伤度及最优控制参数,生成综合性能评分及参数调整指令,进一步包括: 子步骤4.1,对所述状态向量xt、损伤度Dt及最优控制参数u*t进行归一化处理,构建标准化决策矩阵Z=[zij]n×m: 其中,zij为标准化后的指标值,xij为第i样本的第j项指标原始值,μj为第j项指标的均值,σj为第j项指标的标准差,xkj为第k样本的第j项指标原始值; 子步骤4.2,采用改进熵权法计算能效、寿命、成本及环保指标的权重系数wj: 其中,Ej为第j项指标的信息熵,pij为第i样本的第j项指标占比,wj为第j项指标的权重,Ek为第k项指标的信息熵; 子步骤4.3,基于逼近理想解排序法计算综合性能评分St,生成参数调整指令Δut: Δut=u*t-uopt, 其中,St为综合性能评分,为第j项指标的正负理想解,D+t为当前状态与正理想解的加权欧氏距离,D-t为当前状态与负理想解的加权欧氏距离,zjt为当前时刻第j项指标的标准化值,wj为第j指标权重,Δut为参数调整指令,uopt为历史最优控制参数,u*t为最优控制参数; 步骤5,将参数调整指令反馈至最优控制参数的求解过程,形成闭环调节机制。
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芬贝(北京)科技有限公司,其通讯地址为:101500 北京市密云区鼓楼东大街3号山水大厦3层313室-4635(集群注册);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”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励