质子交换膜燃料电池系统远程状态监控和故障诊断综述

赵越　张国庆　苗盼盼

摘 要：质子交换膜燃料电池（PEMFC）由于其零排放、可再生和高效率等优势，被认为是下一代能源的最佳选择，但该系統目前还存在可靠性差、寿命短等多种问题急需解决。本文在分析PEMFC系统构成、故障特性、故障分类和故障机理的基础上，对PEMFC系统远程状态监控研究进展进行分析，分别介绍了两种远程监控架构。又对PEMFC系统故障诊断研究进展进行综述，探讨基于当前研究进展更适合PEMFC在线故障诊断的方法为基于数据驱动诊断方法。最后提出了PEMFC系统在远程状态监控和在线故障诊断的发展趋势及展望，期望为后续研究及商业化应用提供参考。

关键词：质子交换膜燃料电池 远程状态监控 故障诊断 数据驱动

1 引言

传统能源为全球带来了巨大便利的同时也带来了相应的负面影响，氢能作为一种清洁、高效的新型能源，受到了全世界关注。PEMFC系统故障会引起系统性能衰减甚至缩短其寿命，为了检测和隔离故障，PEMFC系统的在线故障诊断成为了亟待解决的问题。

2 PEMFC系统及故障分析

2.1 PEMFC系统构成

PEMFC系统是一种电化学能量转换装置，可以将氢气和氧气的化学能转化为电能，反应产物为水[1]。PEMFC系统一般由燃料电池模块、氢气供给系统、空气供给系统、热管理系统和控制系统等组成，系统结构框图如图1。

燃料电池模块中燃料电池堆由多节单体串联而成，是进行电化学反应的场所；氢气供给系统的功能是为燃料电池堆阳极提供氢气，并保证足够的流量和压力；空气供给系统的功能是为燃料电池堆的阴极提供空气，并保证足够的流量和压力以及适宜的湿度；热管理系统的功能主要是调节燃料电池堆的温度，使其维持在合适的范围内[2]。

2.2 PEMFC故障分析

PEMFC系统是一个多输入多输出的非线性强耦合系统，其故障原因是多方面的，故障分析时除了考虑核心部件特性外，还需要考虑使用环境、人为、电气以及控制策略匹配程度等因素[3]。本文对PEMFC系统各种故障进行汇总和梳理，请见表1。

3 PEMFC远程数据监控及故障诊断

3.1 PEMFC远程状态监控

车联网即车辆物联网，指通过信息通信技术，实现车、云平台与人的全方位网络连接。目前PEMFC系统的远程状态监控是通过无线技术将实时数据上传到监控平台，车用的远程通信多采用GPRS、3G、4G等蜂窝网络，通过通信运营商的网络将数据上传到服务器[4]。

目前常用的PEMFC系统远程状态监控系统的一般架构如图2所示，远程监控终端基于整车J1939协议获取CAN总线数据，也可以基于XCP/CCP协议读取控制器信号，再将获取到的数据通4G网络传输给处理器，由处理器进行数据挖掘、统计分析、故障诊断等功能，再将诊断结果上传到用户终端，为使用人员提供一个实时的数据分析结果和故障诊断辅助功能。

随着控制器的发展，集成化程度不断提高，可以将车载终端和处理器与控制器集成，如图3所示，数据采集功能和运算功能集成于控制器中，此方案控制器的运算压力巨大，但互联网络更为简洁，有很好的发展趋势和应用前景。

3.2 PEMFC在线故障诊断

PEMFC系统运行过程和故障机理非常复杂，国内外的研究多在将智能算法应用到故障诊断PEMFC系统中[5]。现有PEMFC系统故障诊断方法可分为基于模型的方法、基于实验测试和基于数据驱动的方法。

3.2.1 基于模型故障诊断方法

此方法是通过评估燃料电池系统实际测量值与模型估计值间的残差来对故障类型进行判定，诊断过程如图4所示。关键点一是建模，模型精度与诊断结果正相关；二是决策，良好的决策规则有利于提升故障识别的成功率[6]。然而构建准确的PEMFC系统模型不易，并且传统的决策方法较为粗糙，抗扰动能力较差，难以满足精细化诊断需求，因此目前想要实现在线诊断有一定难度，但随着工智能技术的发展，有望提高模型精度和决策规则。

3.2.2 基于实验测试诊断方法

基于实验测试的PEMFC系统故障诊断方法主要依靠电化学阻抗谱技术、可视化技术以及外部磁场测量等实验途径实现[7]，相比于其他方法，该类方法更有助于探究PEMFC新系统内部故障机理，但对于实验设备和环境的要求较高、操作复杂，目前难以产业化应用。

3.2.3 基于数据驱动诊断方法

基于数据驱动的故障诊断方法利用传感器监测的关键参数，结合人工智能等技术挖掘故障特征信息，无需知道内部故障机理，无需建立故障模型，即可实现系统故障的精确诊断，是目前PEMFC系统故障诊断领域中比较活跃的方法，具有较好的可移植性，能够用于在线诊断。其制约因素是数据质量与诊断性能直接相关，这对PEMFC远程状态监控提出了更高的要求[8]。

一个典型的基于数据驱动的故障诊断分三个过程，分别是数据预处理、数据特征提取和故障识别[9]，诊断过程见图5。数据预处理和数据特征提取是数据的加工、优化和剔除一些冗余信息，达到简化算法、缩短诊断时间的目的。故障识别是通过机器学习实现对故障特征的分类与识别，算法一般包括神经网络、支持向量机、决策树、聚类分析等。

4 展望

基于PEMFC系统的主要特性，本文对PEMFC系统远程状态监控和故障诊断进行如下展望：

1）基于各种故障机理的PEMFC系统故障模型研究是未来的研究热点；

2）目前单一故障诊断已经取得巨大进步，但对多故障诊断还研究尚浅，下一步需要开展复杂环境下的PEMFC系统多故障诊断方法研究；

3）随着PEMFC系统越来越多地应用在汽车等领域，其在线故障诊断方法深入研究以及容错控制研究具有重要意义；

4）目前大多数寿命预测策略仍然处于实验测试阶段，实时寿命预测的研究尚未取得实质性进展，PEMFC系统实时寿命预测是一项紧迫的研究内容。

5 结论

本文从远程状态监控和在线故障诊断两个方面对PEMFC系统发展进行归纳和总结，并在对现有技术和方法的优缺点分析的基础上，对未来发展方向提出建议，对PEMFC系统下一步研究工作具有一定指导意义。

参考文献：

[1]鲍炳辰.燃料电池发动机系统效率特性与整车能量管理策略研究[D].吉林大学，2022.

[2]YU R J，GUO H，YE F.Study on transmission coefficients anisotropy of gas diffusion layer in a proton ex-change membrane fuel cell[J]. Electrochimica Acta， 2022.

[3]KIRAN K V，JOANNE B D. Automatic synthesis of fault trees for computer based systems[J].IEEE Transactions on Reliability，1999，48（4）.

[4]韩晓东，徐 颖，车京春.基于网络的燃料电池车监测系统设计[J].嵌入式系统应用.2010，26（14）.

[5]Liu Bao， Ye Fei， Mu Kun， et al. Crack Prediction Based on Wavelet Correlation Analysis Least Squares Support Vector Machine for Stone Cultural Relics[J]. 2021.

[6]马睿，党翰斌，张钰奇，霍喆，李玉忍，高 非.质子交换膜燃料电池系统故障机理分析及诊断方法研究综述[J].中国电机工程学报.2022.

[7]郭建伟，毛宗强，徐景明.采用交流阻抗法對质子交换膜燃料电池（PEMFC）电化学行为的研究[J]. 高等学校化学学报，2003，24（08）.

[8]Benmouna A， Becherif M，DepernetD，et al．Fault diagnosis methods for proton  exchange membrane fuel cell system[J]．International Journal of Hydrogen Energy，2017，42（2）：1534-1543．

[9]Gu X， Hou Z J， Cai J. Data-based flooding fault diagnosis of proton exchange membrane fuel cell systems using LSTM networks[J]. Energy and AI，2021， 4： No. 100056.