新能源汽车国家大数据联盟微课堂自2022年底推出安全系列化课程，围绕网络安全、数据安全、车辆安全邀请专家大咖分享课程和观点，旨在服务国家数据安全治理体系的构建，促进数字经济的健康持续发展。

2024年6月20日晚联盟微课堂安全系列化课程第二十讲的课程上，西华大学武小花教授，分享了题为《基于大数据的车载燃料电池剩余使用寿命预测》的课程。剩余使用寿命预测是近年来燃料电池领域的研究热点，对于复杂的实际交通条件下的氢燃料电池系统，采用数据驱动的方法对氢燃料电池系统剩余寿命进行预测是一种可行的方法，其中选择方便、合理的动态健康指标是准确预测的关键。以下为课程回顾。

武老师首先介绍氢能及燃料电池产业发展。她提出，随着氢能和燃料电池政策的发展，国内外的氢能基础设施也在不断完善。然而，燃料电池应用的瓶颈在于其寿命有限、成本较高。特别在车载条件下，车载燃料电池会经历怠速、启停、变载、高功率运行等典型工况，特别是启停工况的高电压变化会导致催化剂溶解、碳载体腐蚀等，进而加快燃料电池性能衰退。

为延长燃料电池的剩余使用寿命，预测与健康管理技术被广泛应用于评估其健康状态和预测剩余使用寿命。因此，考虑实际运行条件对燃料电池的退化进行建模预测，可以为燃料电池的维护和健康管理提供重要依据，有效延长其寿命并提高可靠性。

关于燃料电池寿命预测方法研究，常用的预测方法包括数据驱动、模型驱动和混合驱动等。其中，模型驱动方法通过建立衰退模型进行剩余寿命预测，优点是通用性强，缺点是精确建立退化模型困难；数据驱动方法通过机器学习神经网络等方法进行预测，优点是简单且精度较高，缺点是需要大量训练数据。武老师结合实际案例，分析了实验室数据和车载数据的差异，并展示了公开的实验室数据和燃料电池公交车数据的分析结果。

健康指标（HI）是评价燃料电池系统的退化状态，有效的健康指标是进行燃料电池寿命预测的基础，包含静态和动态两种指标类型，课程中武老师对不同健康指标的优缺点逐一开展讲解，并对已有数据特征展开分析。

课程结尾，武老师对燃料电池公交车运行特征及剩余使用寿命预测展开介绍，探讨了燃料电池的电压衰减、功率响应和负载变化对极化曲线的影响，在常用工作电流下，燃料电池的电压呈现明显的变化趋势。最后，介绍了通过机器学习方法预测燃料电池剩余使用寿命的工作。

  

问题1:在实际应用中，如何根据燃料电池系统的具体工况和数据特点来优化动态健康指标的选择？是否有一些经验法则或指导原则可以遵循？

在实操工况下来提取健康指标是比较难的。早先缺少大量的数据，但是随着示范车辆的运行，积累的数据越来越多，可能需要把数据处理以及机器学习的方法结合起来，而对于不同地区的车辆，它的衰减特性可能还不一样。另外，目前成都市示范运行车辆，最长的可能也不到四年。这些车辆所搭载的燃料电池并没有发生很明显的衰减，我们现在也是正在积累这样的一个经验。

问题2:数据驱动方法虽然不需要深入了解氢燃料电池的内部退化机制，但在实际应用中是否存在某些局限性？

因为数据驱动存在多种选用方法，选择更为合适的数据驱动方法对于结果的影响是很大的。所以在分析的时候，首先要分析不同工况下的衰减，其次，最好找到一个组合的指标，来预测燃料电池全生命周期的衰减。

问题3:您认为混合驱动方法在未来燃料电池剩余使用寿命预测领域的发展前景如何？是否有一些潜在的研究方向或挑战？

混合驱动的方法应该是未来的趋势，目前国内外大量的专家和学者都在做这方面的研究。对于我们的研究而言，可能还是需要掌握一些燃料电池及其关键部件衰减机理，才能更好的使用混合驱动的方法。