bat365正版唯一官网何文斌教授团队在工程技术领域国际顶级期刊《Renewable and Sustainable Energy Reviews》（中科院一区TOP期刊，影响因子15.9）发表题为“Progress in prediction of remaining useful life of hydrogen fuel cells based on deep learning”（深度学习在氢燃料电池剩余寿命预测中的进展）的综述性研究论文。
氢燃料电池是一种很有前途的电源，它将氢和氧的化学反应产生的化学能直接转化为电能。然而，燃料电池的寿命是制约其大规模商业化的主要因素，因此准确预测其剩余使用寿命（RUL）至关重要。近年来，深度学习方法在RUL预测领域展现出广阔的前景，它能够显著提升预测的准确性和鲁棒性。本研究详细探讨了不同深度学习方法在氢燃料电池RUL预测中的应用适用性和差异性，包括卷积神经网络（CNN）、循环神经网络（RNN）、Transformer及其他融合算法，系统量化分析了这些方法的性能和特点；比较了基于深度学习方法和基于模型的方法的优缺点，特别是采用基于准确率和误差两个关键评价指标分析了不同深度学习方法的关键性能表现；讨论了深度学习方法在不同的燃料电池寿命预测中的最新进展；展望了氢燃料电池RUL预测的发展趋势，特别是深度学习技术在这一领域的巨大潜力。这意味着未来随着算法和模型的不断优化，燃料电池寿命预测的精度和可靠性将进一步提升，从而将会推动氢燃料电池技术的大规模应用，为可持续能源的未来发展铺平道路。
以上研究得到了2022年度河南省重点研发专项（221111240200）的支持。
原文链接
https://www.sciencedirect.com/science/article/pii/S1364032123010511