一种基于物理信息神经网络的燃料电池水含量估计方法与系统

本发明提出了一种基于物理信息神经网络的燃料电池水含量估计方法与系统，涉及燃料电池技术领域，该方法包括：获取待估计电池的原始频域阻抗特征以及可测变量时间序列，消除原始频域阻抗特征中的频域冗余数据，得到筛选后频域特征，对可测变量时间序列进行等值映射得到等值映射序列以及利用自注意力机制处理筛选后频域特征得到频域自注意力特征，并对等值映射序列以及频域自注意力特征进行特征连接得到时空异构特征；将时空异构特征输入至训练好的燃料电池水含量估计模型中，得到由燃料电池水含量估计模型输出的待估计电池的多模态水预测含量。本发明不仅能够精确估计燃料电池多模态水含量，同时计算成本低且具有较强可解释性。