电化学装置退化模型确定方法、电化学装置退化预测方法

技术领域

本公开涉及计算机领域，尤其涉及一种电化学装置退化模型的确定方法以及电化学装置退化预测方法。

背景技术

电化学装置(例如，电池、电解池)会发生退化，对电化学装置的退化信息进行准确预测具有重要的意义，例如，能够根据退化信息确定电化学装置的剩余寿命等。

如何实现对电化学装置的退化信息进行准确预测成为一个亟待解决的问题。

发明内容

有鉴于此，本公开提出了一种电化学装置退化模型的确定方法以及电化学装置退化预测方法，能够训练得到退化模型，该退化模型能够对待预测电化学装置的退化信息进行准确预测。

根据本公开的一方面，提供了一种电化学装置退化模型的确定方法，所述方法包括：

获取待预测电化学装置在变工况状态下的实时运行数据，所述实时运行数据包括第一运行参数的第一数值以及第二运行参数的第二数值，所述电化学装置包括电池和/或电解池；

根据所述第二数值以及预训练的电化学装置模型，确定所述待预测电化学装置的退化指标的第三数值；

根据所述第一数值以及所述第三数值，对初始的退化模型进行训练，得到训练后的退化模型，所述退化模型用于对所述待预测电化学装置的退化信息进行预测，

其中，所述退化模型是基于所述第一运行参数以及所述退化指标构建的，所述退化指标与所述第一运行参数不相关。

在一种可能的实现方式中，所述退化模型包括关联函数，所述关联函数用于表征所述待预测电化学装置的退化信息与所述第一运行参数之间的关系。

在一种可能的实现方式中，所述根据所述第一数值以及所述第三数值，对初始的退化模型进行训练，包括：

所述实时运行数据包括目标时刻的运行数据，所述方法还包括：

确定目标时间区间内每个运行时刻的第一数值以及第三数值，其中，目标时间区间是根据目标时刻确定的；

其中，所述根据所述第一数值以及所述第三数值，对初始的退化模型进行训练，包括：

通过极大似然法，根据所述目标时间区间内每个运行时刻的第一数值以及第三数值，确定所述退化模型的模型参数。

在一种可能的实现方式中，所述电化学装置模型是基于所述第二运行参数以及所述退化指标构建的，所述电化学装置模型是根据所述待预测电化学装置在变工况状态下的历史运行数据拟合得到的，所述历史运行数据包括所述第二运行参数的第四数值。

在一种可能的实现方式中，所述根据所述第二数值以及预训练的电化学装置模型，确定得到的所述退化指标的第三数值是经过去噪处理后得到的。

在一种可能的实现方式中，所述第二运行参数包括目标参数以及待预测参数，所述待预测电化学装置配置有目标运行数据，所述目标运行数据用于确定所述待预测电化学装置在所述目标运行数据下的预测退化信息，所述目标运行数据包括所述第一运行参数的数值以及所述目标参数的数值，所述待预测参数的数值用于表征所述待预测电化学装置的预测退化信息。

在一种可能的实现方式中，所述电池包括固体氧化物燃料电池、质子交换膜燃料电池以及碱性燃料电池中的一种，所述电解池包括固体氧化物电解池、质子交换膜电解池以及碱性电解池中的一种，所述第一运行参数包括以下至少一种：功率、气体压力、气体成分、物质利用率、电流密度、电流、电压、温度以及气体流量。

根据本公开的另一方面，提供了一种电化学装置退化预测方法，所述方法包括：

确定待预测电化学装置在目标运行期间内的目标运行数据，所述目标运行数据包括第一运行参数的第一目标数值，所述电化学装置包括电池和/或电解池；

根据退化模型以及所述第一目标数值，确定所述待预测电化学装置在所述目标运行期间内至少一个运行时刻的第三目标数值；

根据所述至少一个运行时刻的第三目标数值，确定所述待预测电化学装置的预测退化信息，

其中，所述退化模型是基于上述电化学装置退化模型的确定方法得到的。

在一种可能的实现方式中，第二运行参数包括目标参数以及待预测参数，所述目标运行数据还包括所述目标参数的第二目标数值，所述方法还包括：

根据所述第三目标数值、所述第二目标数值以及预训练的电化学装置模型，确定所述待预测参数的预测值；

根据所述预测值，确定所述待预测电化学装置的预测退化信息，

其中，所述电化学装置模型是基于所述第二运行参数以及所述退化指标构建的。

在一种可能的实现方式中，所述方法还包括：

获取所述待预测电化学装置的实际退化信息；

根据所述预测退化信息以及所述实际退化信息，进行异常判断；

在确定所述待预测电化学装置异常时，执行报警操作。

在本公开实施例中，通过获取待预测电化学装置在变工况状态下的实时运行数据，实时运行数据包括第一运行参数的第一数值以及第二运行参数的第二数值；根据第二数值以及电化学装置模型，确定待预测电化学装置的退化指标的第三数值，根据第一数值以及第三数值，对初始的退化模型进行训练，得到训练后的退化模型，从而能够根据该退化模型对待预测电化学装置的退化信息的进行准确预测。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开一实施例的一种电化学装置退化模型的确定方法的流程图。

图2示出根据本公开一实施例的一种电化学装置退化预测方法的流程图。

图3示出根据本公开一实施例的一种电化学装置退化模型的确定方法以及电化学装置退化预测方法的流程图。

图4示出根据本公开一实施例的电化学装置退化模型的确定装置的框图。

图5示出根据本公开一实施例的电化学装置退化预测装置的框图。

图6示出根据本公开一实施例的电子设备的框图。

图7示出根据本公开一实施例的电子设备的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

电化学装置(例如，电池、电解池)会发生退化，对电化学装置的退化信息进行准确预测具有重要的意义，例如，可以监控电化学装置的健康程度，还可以通过对运行参数执行优化、控制处理以延长电化学装置的剩余寿命。

然而，相关技术中，缺乏能够对电化学装置的退化信息进行准确预测的方法，从而导致无法准确地确定电化学装置的剩余寿命，也无法准确地确定电化学装置是否发生快速退化现象。

并且，相关技术中，缺少能够描述电化学装置的退化信息(例如，退化速度)与运行参数(例如，温度、电压等参数)之间关系的退化模型，从而无法通过优化、控制电化学装置的运行参数来实现减小电化学装置的退化速率、延长电化学装置寿命的目的。

为解决上述问题，本公开提供一种电化学装置退化模型的确定方法，通过待预测电化学装置在变工况状态下的运行数据，对初始的退化模型进行训练，训练得到的退化模型能够对所述待预测电化学装置的退化信息进行准确预测。可以通过退化模型确定的预测退化信息，确定电化学装置的剩余寿命、电化学装置的健康程度。例如，可以根据预测退化信息对电化学装置的健康程度进行监控，在确定电化学装置出现疑似快速退化现象时，执行报警操作等。

其中，预测退化信息可以是包括根据退化模型确定的退化指标的数值、退化指标的退化趋势、待预测电化学装置的运行参数值、待预测电化学装置的运行参数的变化趋势等任意信息，本公开对预测退化信息的形式和内容不做限制。

并且，训练得到的退化模型还能够清楚、直接地描述电化学装置的退化信息与运行参数之间的关系。这样，可以根据训练得到的退化模型，确定一个或多个运行参数的优选值，可以控制电化学装置按照优选值确定的参数范围进行运行，从而减小电化学装置的退化速率，延长电化学装置寿命。

在一些可选的实施例中，训练得到的退化模型还可以用于指导识别有利于减缓电化学装置退化的材料成分、工艺参数、运行方式等信息。例如，可以对比不同电化学装置(例如，采用不同材料成分、制造工艺参数、运行方式)的退化模型所预测的预测退化信息，识别有利于减缓电化学装置退化的材料成分、工艺参数、运行方式等信息，指导电化学装置设计。需要说明的是，相同初始退化模型，不同电化学装置训练得到的退化模型中的模型参数可以不同，不同电化学装置的初始退化模型也可以不同。

在一些可选的实施例中，训练得到的退化模型还可以用于指导燃料电化学装置系统的选型、系统设计等。例如，训练得到的退化模型预测燃料电化学装置的预期寿命，并根据预期寿命指导燃料电化学装置系统的选型、设计容量配置方案等，例如，辅助确定安装电化学装置的型号、电化学装置容量大小，以提高燃料电化学装置系统的预期寿命。

图1示出根据本公开一实施例的一种电化学装置退化模型的确定方法的流程图。该方法可以由终端设备或服务器等电子设备执行，本公开对此不作限制。例如，终端设备可以为用户终端、终端、计算设备等，该方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现，或者，可通过服务器执行该方法。如图1所示，该方法包括：

在步骤S11中，获取待预测电化学装置在变工况状态下的实时运行数据，所述实时运行数据包括第一运行参数的第一数值以及第二运行参数的第二数值，所述电化学装置包括电池和/或电解池；

在步骤S12中，根据所述第二数值以及预训练的电化学装置模型，确定所述待预测电化学装置的退化指标的第三数值；

在步骤S13中，根据所述第一数值以及所述第三数值，对初始的退化模型进行训练，得到训练后的退化模型，所述退化模型用于对所述待预测电化学装置的退化信息进行预测，

其中，所述退化模型是基于所述第一运行参数以及所述退化指标构建的，所述退化指标与所述第一运行参数不相关。

根据本公开实施例，基于待预测电化学装置在变工况状态下的实时运行数据进行退化模型训练，无需进行恒工况并行退化实验，能够降低训练成本。并且，训练得到的退化模型可以反映特定电化学装置的退化信息，确定特定电化学装置的退化特性，解决了相关技术中基于多个燃料平行实验数据拟合出来的退化模型，主要反映一批电化学装置统计上的退化特性，而无法对于特定电化学装置的退化特性进行准确反映的问题。

通过获取待预测电化学装置在变工况状态下的实时运行数据，以低计算成本，在线、实时地从变工况状态下的实时运行数据中，确定出与第一运行参数无关的退化指标的第三数值，以根据第一运行参数的第一数值以及第三数值，训练退化模型。可以基于实际的实时运行数据在线训练退化模型，无需打断待预测电化学装置的正常运行过程。这样训练得到的退化模型符合实际需求，并且预测精准度较高。

其中，退化指标与第一运行参数不相关。其中，不相关可以理解为退化指标可以不是根据第一运行参数定义得到的，应理解，第一运行参数的数值在变工况状态下的波动较为剧烈，不适用于作为变工况状态下的退化指标，与第一运行参数不相关的退化指标，更适合作为变工况状态下的退化模型的一个衡量退化信息的指标，基于与第一运行参数不相关的退化指标确定的退化模型，更符合实际情况，能够提高退化模型预测的精准度。

在一种可能的实现方式中，待预测电化学装置可以包括电池和/或电解池。其中，电池可以包括各类燃料电化学装置，其中，燃料电化学装置的进料为燃料。电解池的进料为水。在进料充足的情况下，燃料电化学装置能够维持在发电状态，电解池能够维持电解状态。本公开实施例的待预测电化学装置可以包括任意类型的电池和/或电解池，本公开对电化学装置的类型不做限制。

需要说明的是，一些电化学装置可以作为电池以及电解池使用，例如，固体氧化物电化学装置能够在发电、电解两种工作模式中切换，应理解，这类电化学装置亦可以作为本公开实施例的待预测电化学装置。

在一种可能的实现方式中，电池可以包括固体氧化物燃料电池(SOFC，SolidOxide Fuel Cell)、质子交换膜燃料电池(PEMFC，Proton Exchange Membrane Fuel Cell)以及碱性燃料电池(AFC，Alkaline Fuel Cell)中的一种。

在一种可能的实现方式中，电解池可以包括固体氧化物电解池(SOEC，SolidOxide Electrolysis Cell)、质子交换膜电解池(PEMEC，Proton Exchange MembraneElectrolysis Cell)以及碱性电解池(AEC，Alkaline Electrolysis Cell)中的一种。

其中，固体氧化物燃料电池SOFC退化机理的复杂度较高，本文以待预测电化学装置为SOFC进行示例性说明。变工况状态可以是指不同于设计工况的状态，例如，电化学装置在变工况状态下时，温度、电压等运行参数为工作过程中的实际运行数据，不同运行时间的实际运行数据可以不同。

其中，第一运行参数是用于构建退化模型的运行参数，例如，第一运行参数可以包括以下至少一种：功率、气体压力、气体成分、物质利用率、电流密度、电流、电压、温度以及气体流量。其中，温度可以包括电化学装置本身的温度、气体的温度；气体流量可以包括电化学装置阴、阳极两侧气体的流量，气体压力、可以包括电化学装置阴、阳极两侧气体的压力，气体成分可以包括电化学装置阴、阳极两侧气体的成分等。

第二运行参数是用于构建电化学装置模型的运行参数，例如，第二运行参数可以包括以下至少一种：功率、气体压力、气体成分、物质利用率、电流密度、电流、电压、温度以及气体流量。其中，温度可以包括电化学装置本身的温度、气体的温度；气体流量可以包括电化学装置阴、阳极两侧气体的流量，气体压力、可以包括电化学装置阴、阳极两侧气体的压力，气体成分可以包括电化学装置阴、阳极两侧气体的成分等。

其中，第一运行参数与第二运行参数可以部分相同。例如，第一运行参数和第二运行参数可以均包括温度、电流。

在一种可能的实现方式中，所述第二运行参数可以包括目标参数以及待预测参数，所述待预测电化学装置配置有目标运行数据，所述目标运行数据用于确定所述待预测电化学装置在所述目标运行数据下的预测退化信息，所述目标运行数据包括所述第一运行参数的数值以及所述目标参数的数值，所述待预测参数的数值用于表征所述待预测电化学装置的预测退化信息。

其中，目标运行数据可以是指待预测电化学装置的计划的运行数据，该目标运行数据可以包括第一运行参数的数值以及部分第二运行参数的数值，例如，目标运行数据包括第二运行参数中目标参数的数值，不包括第二运行参数中待预测参数的数值。

举例来说，目标运行数据可以用于确定所述待预测电化学装置在所述目标运行数据下的预测退化信息。例如，根据目标运行数据包括的第一运行参数的数值以及训练后的退化模型，可以确定退化指标的至少一个数值，退化指标的至少一个数值可以用表征该待预测电化学装置在所述目标运行数据下的预测退化信息。

其中，退化指标的数值以及目标运行数据包括的目标参数的数值，还可以用来确定待预测参数的数值。例如，可以将退化指标的数值以及目标参数的数值输入训练好的电化学装置模型，可以得到待预测参数的数值。待预测参数的数值也可以用于表征所述待预测电化学装置的预测退化信息。

为便于理解，本文以第一运行参数包括电压以及温度，第二运行参数包括电流、电压以及温度，目标运行数据包括电压值和温度值为例进行说明，应理解，第一运行参数、第二运行参数以及目标运行数据均可以灵活设置，目标运行数据还可以包括第一运行参数、第二运行参数之外的其余参数的数值，本公开对此不作限制。

其中，退化模型是基于所述第一运行参数以及所述退化指标构建的，退化模型还可以包括模型参数，本公开对退化模型的形式不做限制。

在一种可能的实现方式中，基于所述第一运行参数以及所述退化指标构建的退化模型可以如公式(1)所示：

dR

其中，dR

本公开实施例的训练得到的退化模型形式简单，输入输出关系清楚，便于后续对电化学装置进行优化、控制处理。

在一种可能的实现方式中，所述退化模型包括关联函数，所述关联函数用于表征所述待预测电化学装置的退化信息与所述第一运行参数之间的关系。

如前所述，g(U,T；λ

通过这种方式，退化模型能够清楚、直接地表明运行数据对退化信息的影响，便于对电化学装置进行优化控制。

在一种可能的实现方式中，以第一运行参数包括电压U和温度T为例，关联函数可以如公式(2)所示：

g(U,T；λ

其中，g(U,T；λ

在一种可能的实现方式中，以第一运行参数包括电压U和温度T为例，关联函数可以如公式(3)所示：

其中，g(U,T；λ

应理解，根据本公开实施例训练得到的退化模型包括关联函数，关联函数能够清楚地体现输入输出之间的关系，该关联函数可以用于对电化学装置模型的实际运行参数进行优化、控制。本公开对关联函数的形式、模型参数的数量均不做限制。

在一种可能的实现方式中，所述电化学装置模型是基于所述第二运行参数以及所述退化指标构建的，所述电化学装置模型是根据所述待预测电化学装置在变工况状态下的历史运行数据拟合得到的，所述历史运行数据包括所述第二运行参数的第四数值。

其中，历史运行数据可以待预测电化学装置在变工况状态下的实际运行数据。历史运行数据可以包括多种形式，例如，可以是根据第二运行参数的第四数值构建的曲线，例如，在第二运行参数包括电流和电压时，历史运行数据可以是根据电流值和电压值确定的伏安曲线。本公开对电化学装置模型的形式不做限制。

举例来说，基于所述第二运行参数以及所述退化指标构建的电化学装置模型可以如公式(4)所示：

U＝f(I,T；R

其中，第二运行参数包括电压U、温度T以及电流I，R

其中，电化学装置模型的参数与退化指标不相关。本公开对电化学装置模型的参数的数量不做限制。

举例来说，可以获取待预测电化学装置在变工况状态下的历史运行数据，例如，在不同温度下的伏安曲线，并根据历史运行数据拟合电化学装置模型，确定电化学装置模型的参数Λ的数值，从而得到训练好的电化学装置模型。

例如，可以通过变工况退化实验，得到历史运行数据。其中，历史运行数据可以包括第一数据集和第二数据集。第一数据集和第二数据集均包括伏安曲线，例如，第一数据集为不同温度下的伏安曲线(考虑温度影响)，第二数据集为退化过程中，按预设周期(例如，每两小时获取一次数据)确定的伏安曲线(考虑温度以及退化影响)，本公开对历史运行数据的形式、获取历史运行数据的方式不做限制。

本公开实施例训练得到的电化学装置模型可以为线性等式，计算过程简单、快速，因此，可以以低计算成本，在线、实时地从变工况状态下的实时运行数据中确定出与第一运行参数无关的退化指标的第三数值。

在一种可能的实现方式中，所述方法还包括：通过历史运行数据，确定初始的电化学装置模型的参数。

举例来说，可以通过电化学装置模型去拟合第一数据集和第二数据集中的伏安曲线，确定模型参数Λ。本公开对拟合过程、模型参数的形式和数量均不做限制。例如，可以通过分步辨识法，确定模型参数Λ。其中，在拟合过程中，可以无需确定退化指标的数值。

需要说明的是，可以根据第二数据集中的参考运行数据以及电化学装置模型，确定退化指标的至少一个基准值，该基准值可以用于确定根据实时运行数据确定的退化指标的第三数值的准确度，参考运行数据与实时运行数据中的运行参数的数值相同或相近。

应理解，伏安曲线能全面反映一个运行范围内的电化学装置性能，通过根据第二数据集中的参考运行数据辨识出的退化指标的数值作为基准值，可以用于比较从与参考运行数据相同或相似的实时运行数据中辨识的退化指标的准确性。

在本公开实施例中，可以获取待预测电化学装置在变工况状态下的实时运行数据，其中，实时运行数据包括第一运行参数的第一数值以及第二运行参数的第二数值。

例如，可以按照预设周期(例如，每分钟获取一次)获取待预测电化学装置在变工况状态下的电流值、电压值以及温度值。第一运行参数的第一数值可以包括电压值和温度值，第二运行参数的第二数值可以包括电流值、电压值以及温度值。

在一种可能的实现方式中，根据所述第二数值以及预训练的电化学装置模型，确定所述待预测电化学装置的退化指标的第三数值，可以是指将电流值、电压值以及温度值输入前文所述的预训练的电化学装置模型中，确定退化指标的第三数值，还可以是通过滑动平均的方式，确定与实时运行数据对应的退化指标的第三数值。

其中，退化指标的第三数值可以不是直接测量确定的，而是通过电化学装置模型以及第二数值间接计算得到的。

在一种可能的实现方式中，所述根据所述第二数值以及预训练的电化学装置模型，确定得到的所述退化指标的第三数值是经过去噪处理后得到的。

举例来说，与第二数值对应的所述退化指标的第三数值可以通过滑动平均、各类滤波器进行去噪处理后得到的。其中，滑动平均去噪可以包括加权滑动平均去噪，本公开对去噪的方式不做限制。

在一种可能的实现方式中，所述实时运行数据包括参考时刻的运行数据，所述方法还包括：

确定目标时间窗内的每个运行时刻的第二数值，其中，所述目标时间窗是根据所述参考时刻确定的；

其中，所述根据所述第二数值以及预训练的电化学装置模型，确定所述待预测电化学装置的退化指标的第三数值，包括：

根据每个运行时刻的第二数值以及所述电化学装置模型，分别确定对应的第三数值；

将多个第三数值的平均值确定为所述参考时刻的运行数据对应的所述第三数值。

其中，目标时间窗可以是包括参考时刻的目标时间周期，例如，可以是从参考时刻起的目标时间周期，还可以中间时刻为参考时刻的目标时间周期。示例性地，目标时间窗可以大于或等于300分钟，小于或等于900分钟，本公开对目标时间窗的确定方式、时间窗长度均不作限制。

举例来说，目标时间窗内可以包括多个运行时刻，可以根据每个运行时刻的第二数值以及所述电化学装置模型，分别确定对应的第三数值。例如，将每个运行时刻的第二数值输入预训练的电化学装置模型，确定对应的退化指标的第三数值，将多个第三数值的平均值确定为所述参考时刻的运行数据对应的所述第三数值。

通过这种方式，能够对确定的退化指标的数值进行去噪处理，进一步提高训练得到的退化模型的预测精度。

其中，所述根据所述第一数值以及所述第三数值，对初始的退化模型进行训练，可以是根据目标时间区间内的每个运行时刻的第一数值以及第三数值，对初始的退化模型进行训练。初始的退化模型可以是根据第一运行参数以及退化指标构建的，还未训练完成的退化模型。

在本公开实施例中，训练过程可以是在线、在实时持续的目标时间区间内，不断对初始的退化模型中的模型参数进行辨识。其中，目标时间区间可以是一个较长的时间区间，在目标时间区间内，不断地根据获取的每个实时运行数据，确定第三数值，并根据每个运行时刻的第一数值和第三数值，不断地去辨识初始的退化模型中的模型参数，其中，在训练得到退化模型之前，初始的退化模型中的模型参数可以是每个运行时刻都在变化的。

在一种可能的实现方式中，所述实时运行数据包括目标时刻的运行数据，所述方法还包括：

确定目标时间区间内每个运行时刻的第一数值以及第三数值，其中，目标时间区间是根据目标时刻确定的；

其中，所述根据所述第一数值以及所述第三数值，对初始的退化模型进行训练，包括：

通过极大似然法，根据所述目标时间区间内每个运行时刻的第一数值以及第三数值，确定所述退化模型的模型参数。

其中，目标时间区间可以是包括目标时刻的任意一个时间区间，例如，可以是从目标时刻起的一个时间区间，也可以到目标时刻为止的一个时间区间，目标时刻还可以是目标时间区间中间的一个运行时刻，本公开对此不作限制。

其中，所述目标时间区间的长度可以大于或等于时长阈值，时长阈值可以灵活设置，目标时间区间为一个较长的时间区间即可，本公开对此不作限制。

举例来说，可以通过极大似然法，在线辨识退化模型中的模型参数。例如，可以根据退化模型，确定似然函数，其中，似然函数包括退化模型中的模型参数，求解使得似然函数最小的模型参数，得到退化模型的模型参数。

在一种可能的实现方式中，退化模型的离散模式可以如公式(5)所示：

其中，ξ符合标准正态分布，如公式(5)所示，ΔR

其中，ΔR

在一种可能的实现方式中，观测到退化指标的第三数值的N-1个增量的概率P可以如下所示：

其中，k为变量，k的取值在1到N-1之间。p(ΔR

在一种可能的实现方式中，似然函数L为概率P的负对数，可以如下所示：

其中，可以通过牛顿法求解使得似然函数最小的模型参数，得到退化模型的模型参数。

这样，通过极大似然法，能够以低计算成本、在线辨识退化模型。并且，退化是长时间尺度的过程，基于长时间尺度(几百到上千小时)数据，能更稳定地辨识出结果，不容易受短时间尺度的随机波动影响，能够识别训练数据中总体的退化趋势，拟合电化学装置的总体的退化趋势，从而使得训练得到退化模型在预测的退化信息时，预测得到的退化信息波动小、稳定性强。

图2示出根据本公开一实施例的一种电化学装置退化预测方法的流程图。如图2所示，所述方法包括：

在步骤S21中，确定待预测电化学装置在目标运行期间内的目标运行数据，所述目标运行数据包括第一运行参数的第一目标数值；

在步骤S22中，根据退化模型以及所述第一目标数值，确定所述待预测电化学装置在所述目标运行期间内至少一个运行时刻的第三目标数值；

在步骤S23中，根据所述至少一个运行时刻的第三目标数值，确定所述待预测电化学装置的预测退化信息，

其中，所述退化模型是根据上述电化学装置退化模型的确定方法得到的。

本公开实施例的电化学装置退化预测方法，能够根据目标运行期间内的目标运行数据以及前文所述训练得到的退化模型，确定确定所述待预测电化学装置在所述目标运行期间内至少一个运行时刻的第三目标数值，其中，第三目标数值为预测得到的退化指标的数值，能够确定所述待预测电化学装置的预测退化信息，例如，在确定多个第三目标数值时，可以确定待预测电化学装置的退化趋势，可以根据该退化趋势，预测运行中的待预测电化学装置的剩余寿命、健康程度等信息。

在一种可能的实现方式中，可以通过蒙特卡洛法，对述目标运行期间内的退化指标的第三目标数值进行迭代预测，确定待预测电化学装置在所述目标运行期间内至少一个运行时刻的退化指标的第三目标数值。

举例来说，目标运行期间内的第t时刻的目标运行数据包括第一运行参数电压值和温度值，可以根据公式(1)的退化模型，确定dR

在一种可能的实现方式中，可以通过以下公式确定第k+1个时刻的第三目标数值：

其中，

本公开实施例中，退化模型可以用于描述退化指标的动态退化轨迹，例如，可以预测在给定的目标运行计划(例如，目标运行期间内的目标运行数据)下，退化指标的退化轨迹。

在一种可能的实现方式中，第二运行参数包括目标参数以及待预测参数，所述目标运行数据还包括所述目标参数的第二目标数值，所述方法还包括：

根据所述第三目标数值、所述第二目标数值以及预训练的电化学装置模型，确定所述待预测参数的预测值；

根据所述预测值，确定所述待预测电化学装置的预测退化信息，

其中，所述电化学装置模型是基于所述第二运行参数以及所述退化指标构建的。

举例来说，可以将第t时刻的退化指标的第三目标数值R

应理解，上述是以目标运行数据包括电压值和温度值进行示例性说明，在目标运行数据包括电流值和温度值时，目标参数包括电流和温度，待预测参数包括电压。不同运行参数的预测退化信息均可以反映待预测电化学装置的性能，本公开对此不做限制。

通过电化学装置模型、退化指标的第三目标数值、目标运行数据中目标参数的数值，计算该待预测电化学装置的预测参数的预测值，该预测值可以表征该待预测参数的性能。例如，可以为待预测电化学装置的电流性能，还可以根据确定得到的电流值和目标运行数据中的电流值，确定功率性能等，本公开对此不做限制。

其中，可以通过上述方法确定目标运行期间内中每个运行时刻的待预测参数的预测值，并根据每个运行时刻的待预测参数的预测值，确定该待预测参数的退化趋势。

需要说明的是，在不同的应用场景中需要不同的预测退化信息。例如，若希望确定在目标运行数据下待预测电化学装置的输出表现是否能符合要求，则可以确定待预测参数的预测值，并根据预测值判断待预测电化学装置的输出表现是否能符合要求。若希望判断待预测电化学装置的健康程度，则可以确定退化指标的第三目标数值，并根据退化指标的第三目标数值，对待预测电化学装置进行健康程度判断。退化指标与第一运行参数无关，能够本征反映待预测电化学装置的健康程度，待预测参数的预测值可以反映待预测电化学装置在目标运行数据下的性能。

在一种可能的实现方式中，所述方法还包括：

获取所述待预测电化学装置的实际退化信息；

根据所述预测退化信息以及所述实际退化信息，进行异常判断；

在确定所述待预测电化学装置异常时，执行报警操作。

举例来说，可以在获取待预测电化学装置的实际退化信息，并根据所述预测退化信息以及所述实际退化信息，进行异常判断。例如，可以判断待预测电化学装置是否发生快速退化现象，若确定发生快速退化现象，则认为电化学装置异常，并执行报警操作。

在一种可能的实现方式中，根据所述预测退化信息以及所述实际退化信息，进行异常判断，可以是比较预测退化信息以及所述实际退化信息的变化趋势是否相似或者预测退化信息以及所述实际退化信息的数据差距是否大于或等于异常阈值。例如，在预测退化信息以及所述实际退化信息的变化趋势明显不同或者数据差距大于或等于异常阈值时，可以确定异常。

通过这种方式，可以对待预测电化学装置的健康程度进行实时监控，提高电化学装置性能监控的智能化和准确度。

需要说明的是，尽管示例介绍了电化学装置退化模型确定方法以及电化学装置退化预测方法如上，但本领域技术人员能够理解，本公开应不限于此。

图3示出根据本公开一实施例的一种电化学装置退化模型的确定方法以及电化学装置退化预测方法的流程图。

如图3所示，以待预测的电化学装置为电池为例，例如，该电池为燃料电池进行示例性说明。可以根据历史运行数据，辨识初始的电池模型的参数，得到预训练的电池模型(S31)。举例来说，根据SOFC在变工况状态下的历史运行数据，辨识初始的电池模型的参数，得到预训练的电池模型。例如，电池模型是根据电流、电压、温度和退化指标构建的。该步骤可以为离线操作。

可以获取实时运行数据，根据实时运行数据以及预训练的电池模型，确定与每个实时运行数据对应的退化指标的第三数值(S32)。例如，在线、实时地获取SOFC的实时运行数据，例如，可以包括SOFC的电流、电压和温度。可以根据实时运行数据以及预训练的电池模型，确定与每个实时运行数据对应的退化指标的第三数值。

可以根据每个实时运行数据对应的第三数值以及该实时运行数据中的第一运行参数，确定初始的退化模型中的模型参数(S33)。例如，在线、实时地根据每个实时运行数据对应的退化指标的第三数值以及该实时运行数据中的第一运行参数，例如，电压和温度，确定初始的退化模型中的模型参数。例如，基于极大似然法，辨识退化模型中的模型参数。其中，退化模型是基于第一运行参数和退化指标构建的。其中，S32和S33可以为在线操作。

可以根据训练好的退化模型，进行退化信息的预测(S34)。例如，可以通过蒙特卡洛法，对述目标运行期间内的退化指标的第三目标数值进行迭代预测，确定SOFC在所述目标运行期间内至少一个运行时刻的退化指标的第三目标数值。还可以将第t时刻的退化指标的第三目标数值R

图4示出根据本公开一实施例的电化学装置退化模型的确定装置的框图。如图4所示，该装置包括：

获取模块41，用于获取待预测电化学装置在变工况状态下的实时运行数据，所述实时运行数据包括第一运行参数的第一数值以及第二运行参数的第二数值；

第一确定模块42，用于根据所述第二数值以及预训练的电化学装置模型，确定所述待预测电化学装置的退化指标的第三数值；

第二确定模块43，用于根据所述第一数值以及所述第三数值，对初始的退化模型进行训练，得到训练后的退化模型，所述退化模型用于对所述待预测电化学装置的退化信息进行预测，

其中，所述退化模型是基于所述第一运行参数以及所述退化指标构建的，所述退化指标与所述第一运行参数不相关。

图5示出根据本公开一实施例的电化学装置退化预测装置的框图。如图5所示，该装置包括：

第三确定模块51，用于确定待预测电化学装置在目标运行期间内的目标运行数据，所述目标运行数据包括第一运行参数的第一目标数值；

第四确定模块52，用于根据退化模型以及所述第一目标数值，确定所述待预测电化学装置在所述目标运行期间内至少一个运行时刻的第三目标数值；

第五确定模块53，用于根据所述至少一个运行时刻的第三目标数值，确定所述待预测电化学装置的预测退化信息，

其中，所述退化模型是基于上述电化学装置退化模型的确定方法得到的。

图6示出根据本公开一实施例的电子设备的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图6，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由装置800的处理器820执行以完成上述方法。

图7示出根据本公开一实施例的电子设备的框图。例如，装置1900可以被提供为一服务器。参照图7，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由装置1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。