機(jī)電工程學(xué)院何文斌教授團(tuán)隊(duì)在《Renewable and Sustainable Energy Reviews》發(fā)表論文

機(jī)電工程學(xué)院何文斌教授團(tuán)隊(duì)在工程技術(shù)領(lǐng)域國(guó)際頂級(jí)期刊《Renewable and Sustainable Energy Reviews》（中科院一區(qū)TOP期刊，影響因子15.9）發(fā)表題為“Progress in prediction of remaining useful life of hydrogen fuel cells based on deep learning”（深度學(xué)習(xí)在氫燃料電池剩余壽命預(yù)測(cè)中的進(jìn)展）的綜述性研究論文。

氫燃料電池是一種很有前途的電源，它將氫和氧的化學(xué)反應(yīng)產(chǎn)生的化學(xué)能直接轉(zhuǎn)化為電能。然而，燃料電池的壽命是制約其大規(guī)模商業(yè)化的主要因素，因此準(zhǔn)確預(yù)測(cè)其剩余使用壽命（RUL）至關(guān)重要。近年來(lái)，深度學(xué)習(xí)方法在RUL預(yù)測(cè)領(lǐng)域展現(xiàn)出廣闊的前景，它能夠顯著提升預(yù)測(cè)的準(zhǔn)確性和魯棒性。本研究詳細(xì)探討了不同深度學(xué)習(xí)方法在氫燃料電池RUL預(yù)測(cè)中的應(yīng)用適用性和差異性，包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、Transformer及其他融合算法，系統(tǒng)量化分析了這些方法的性能和特點(diǎn)；比較了基于深度學(xué)習(xí)方法和基于模型的方法的優(yōu)缺點(diǎn)，特別是采用基于準(zhǔn)確率和誤差兩個(gè)關(guān)鍵評(píng)價(jià)指標(biāo)分析了不同深度學(xué)習(xí)方法的關(guān)鍵性能表現(xiàn)；討論了深度學(xué)習(xí)方法在不同的燃料電池壽命預(yù)測(cè)中的最新進(jìn)展；展望了氫燃料電池RUL預(yù)測(cè)的發(fā)展趨勢(shì)，特別是深度學(xué)習(xí)技術(shù)在這一領(lǐng)域的巨大潛力。這意味著未來(lái)隨著算法和模型的不斷優(yōu)化，燃料電池壽命預(yù)測(cè)的精度和可靠性將進(jìn)一步提升，從而將會(huì)推動(dòng)氫燃料電池技術(shù)的大規(guī)模應(yīng)用，為可持續(xù)能源的未來(lái)發(fā)展鋪平道路。

以上研究得到了2022年度河南省重點(diǎn)研發(fā)專項(xiàng)（221111240200）的支持。

原文鏈接：

https://www.sciencedirect.com/science/article/pii/S1364032123010511