一种基于深度学习的燃料电池性能退化预测方法与系统

本发明公开了一种基于深度学习的燃料电池性能退化预测方法，首先采集燃料电池的历史运行数据，通过模拟退火孤立森林算法与高斯滤波算法对数据进行预处理，然后采用SHAP‑TCN进行特征选择，提取关键信息，结合DeformableTST深度学习模型与分位数回归方法，构建性能退化的预测区间，从而全面捕捉预测过程中的不确定性，进一步通过自适应正则化加权方法对部分强化优化器算法进行改进，得到改进的IPRO对模型进超参数调优。该方法不仅提高了剩余寿命预测的精度，还有效解决了传统方法中的不确定性问题，具有较强的工程应用价值，为燃料电池的预测性维护和管理提供了理论依据和技术支持。