基于LSTM的燃料电池发动机寿命预测

随着工业4.0和数据科学的发展,利用数据对氢燃料电池发动机剩余寿命进行预测,将有利于提前发现发动机性能退化问题,进而及时采取维护保养措施,对发动机安全运行以及延长发动机运行寿命至关重要。传统发动机寿命预测一般基于机理模式的经验判断或者数理统计,但在氢燃料电池发动机这个技术尚不稳定成熟的发展阶段,传统手段无法保证相对较低的误差。本文在不依赖于机理模式的情况下,利用传感器收集的数据,基于神经网络深度学习的模式,构建一种基于数据驱动的长短期记忆神经网络(LSTM)的剩余寿命预测模型,通过机器的训练与学习,分析预测氢燃料电池发动机的寿命衰减情况,为预测性维护提供数据支持。

基于经济模型测算的氢燃料电池冷链物流运输分析

在国家提出“碳达峰”和“碳中和”的背景下,氢燃料电池应用到冷链运输符合国家的产业要求和发展趋势;从当前冷链运输的特点分析,氢燃料电池车辆加氢快、续航远、低排放的特性契合冷链运输的产品要求;在未来,氢燃料电池物流车购置成本持续下降的假设下,至2025年,氢燃料电池冷链物流运输无论是在成本端还是环保端,都具有一定的优势。