一种基于数字孪生模型的燃料电池性能衰减预测方法

本申请涉及燃料电池测试技术领域，尤其涉及一种基于数字孪生模型的燃料电池性能衰减预测方法，采集多通道时间序列数据预处理得到多个模态下的标准模态数据，建立长短期记忆网络模型，将标准模态数据切片为训练和验证数据，将待预测时段的输入数据输入模型计算得到输出电压预测值序列；融合得到耐久性循环工况下输出电压预测值的完整时间序列；定期更新长短期记忆网络模型，定期评估长短期记忆网络模型的预测精度。本发明结合深度学习、多模态学习和增量学习，为PEMFC的性能衰减过程建立了一种新的数字孪生模型，能够提供PEMFC性能的实时预测和远期预测，为延长燃料电池的使用寿命提供有意义并且高时效性的参考信息。