一种基于深度学习的质子交换膜燃料电池寿命预测方法

本发明公开了一种基于深度学习的质子交换膜燃料电池寿命预测方法。该方法包括：利用离散小波变换对质子交换膜燃料电池数据进行降噪处理，并提取特征数据；将所述特征数据输入到经训练的深度学习模型，获得质子交换膜燃料电池的预测电压数据，进而基于该预测电压数据确定电池的剩余有效寿命，其中所述深度学习模型基于Non‑stationary Transformer模型构建。本发明能够有效提升电池剩余有效寿命的预测精度，对质子交换膜燃料电池的衰减状态进行预知，从而有利于设计相关能量管理策略来提升电池的运行寿命。