一种基于电化学指纹和知识共驱动的电积阳极失活预测方法及系统

著录项目

摘要

本发明提出了一种基于电化学指纹和知识共驱动的电积阳极失活预测方法及系统，采集阳极反应电位、槽电压、运行工况参数、阳极结构特征及时序电化学谱图，从循环伏安曲线中提取峰电流、伏安积分电荷量和氧化还原响应强度，从线性扫描伏安曲线中提取固定电流密度下的阳极电位、反应过电位和Tafel斜率，并提取槽电压变化量、变化速率及波动程度。结合副反应竞争等失活机理，对候选指纹进行筛选并与运行工况参数融合。基于电化学动力学和欧姆极化等限制关系构建阳极反应电位初始预测模型，采用机器学习模型进行修正。根据修正后的预测结果、核心指纹时序变化及预设判据，确定阳极失活状态、失活速率、主导失活类型和风险等级，并输出运行调控建议。

附图

附图 1