一種燃料電池的水管理方法和系統與流程

2023-09-17 14:11:22

1.本說明書涉及燃料電池領域，特別涉及一種燃料電池的水管理方法和系統。


背景技術：

2.目前，燃料電池作為一種新型電池，具有高效率、低汙染、維護簡便等優點，在實際應用中的範圍越來越廣，由於燃料電池本身的特殊性，需要對燃料電池內部參數進行嚴格控制來提高自身性能和利用率。而燃料電池的內部水含量是影響燃料電池自身性能和使用壽命的主要因素之一。
3.因此，希望提供一種燃料電池的水管理方法和系統，可以對燃料電池的內部水含量進行實時監測和管理，有助於提高電池的性能和利用率。


技術實現要素：

4.本說明書實施例之一提供一種燃料電池的水管理方法。所述燃料電池的水管理方法包括：獲取燃料電池的工作數據；基於所述工作數據，確定所述燃料電池的正常情況或故障類型和最終解，其中，所述最終解包括所述燃料電池的陰極壓力值解和陽極壓力值解，所述陰極壓力值解為所述燃料電池的陰極對應的在滿足預設條件時的壓力值，所述陽極壓力值解為所述燃料電池的陽極對應的在滿足所述預設條件時的壓力值；基於所述正常情況或所述故障類型，確定調節模式；基於所述調節模式，調節所述燃料電池的陰極壓力值至所述陰極壓力值解，並調節所述燃料電池的陽極壓力值至所述陽極壓力值解。
5.本說明書實施例之一提供一種燃料電池的水管理系統，所述燃料電池的水管理系統包括：獲取模塊，用於獲取所述燃料電池的工作數據；第一確定模塊，用於基於所述工作數據，確定所述燃料電池的正常情況或故障類型和最終解，其中，所述最終解包括所述燃料電池的陰極壓力值解和陽極壓力值解，所述陰極壓力值解為所述燃料電池的陰極對應的在滿足預設條件時的壓力值，所述陽極壓力值解為所述燃料電池的陽極對應的在滿足所述預設條件時的壓力值；第二確定模塊，用於基於所述正常情況或所述故障類型，確定調節模式；調節模塊，用於基於所述調節模式，調節所述燃料電池的陰極壓力值至所述陰極壓力值解，並調節所述燃料電池的陽極壓力值至所述陽極壓力值解。
6.本說明書實施例之一提供一種燃料電池的水管理裝置，所述裝置包括至少一個處理器以及至少一個存儲器；所述至少一個存儲器用於存儲計算機指令；所述至少一個處理器，執行所述計算機指令中的至少部分指令，以實現燃料電池的水管理方法。
7.本說明書實施例之一提供一種計算機可讀存儲介質，所述存儲介質存儲計算機指令，當計算機讀取存儲介質中的計算機指令後，計算機執行燃料電池的水管理方法。
附圖說明
8.本說明書將以示例性實施例的方式進一步說明，這些示例性實施例將通過附圖進行詳細描述。這些實施例並非限制性的，在這些實施例中，相同的編號表示相同的結構，其
中：
9.圖1是根據本說明書一些實施例所示的燃料電池的水管理系統的應用場景示意圖；
10.圖2是根據本說明書一些實施例所示的燃料電池的水管理系統的示例性模塊圖；
11.圖3是根據本說明書一些實施例所示的燃料電池的水管理方法的示例性流程圖；
12.圖4是根據本說明書一些實施例所示的故障模型的示例性示意圖；
13.圖5是根據本說明書一些實施例所示的基於工作數據確定最終解的示例性流程圖；
14.圖6是根據本說明書一些實施例所示的功率預測模型的示例性示意圖；
15.圖7是根據本說明書一些實施例所示的候選組合迭代更新的示例性示意圖。
具體實施方式
16.為了更清楚地說明本說明書實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單的介紹。顯而易見地，下面描述中的附圖僅僅是本說明書的一些示例或實施例，對於本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖將本說明書應用於其它類似情景。除非從語言環境中顯而易見或另做說明，圖中相同標號代表相同結構或操作。
17.應當理解，本文使用的「系統」、「裝置」、「單元」和/或「模塊」是用於區分不同級別的不同組件、元件、部件、部分或裝配的一種方法。然而，如果其他詞語可實現相同的目的，則可通過其他表達來替換所述詞語。
18.如本說明書和權利要求書中所示，除非上下文明確提示例外情形，「一」、「一個」、「一種」和/或「該」等詞並非特指單數，也可包括複數。一般說來，術語「包括」與「包含」僅提示包括已明確標識的步驟和元素，而這些步驟和元素不構成一個排它性的羅列，方法或者設備也可能包含其它的步驟或元素。
19.本說明書中使用了流程圖用來說明根據本說明書的實施例的系統所執行的操作。應當理解的是，前面或後面操作不一定按照順序來精確地執行。相反，可以按照倒序或同時處理各個步驟。同時，也可以將其他操作添加到這些過程中，或從這些過程移除某一步或數步操作。
20.圖1是根據本說明書一些實施例所示的燃料電池的水管理系統的應用場景示意圖。
21.如圖1所示，燃料電池的水管理系統的應用場景100中可以包括燃料電池110、存儲器120、處理器130、用戶終端140和網絡150。
22.在一些實施例中，燃料電池的水管理系統的應用場景100中的一個或者多個組件可以通過網絡150傳送數據至其他組件。例如，處理器130可以通過網絡150獲取用戶終端140、燃料電池110和存儲器120中的信息和/或數據，或者可以通過網絡150將信息和/或數據發送到用戶終端140和存儲器120。
23.燃料電池110可以包括多種類型的電池。例如，燃料電池110可以是固態氧化物燃料電池、磷酸燃料電池、質子交換膜燃料電池等。燃料電池110可以包括燃料電池電堆、氫氣供給系統、空氣系統、水熱管理系統、電子控制系統等。水熱管理系統可以包括水管理系統
和熱管理系統。其中，水管理可以用於使膜電極中具有合理的水含量，以保證氫離子能夠良好的在膜中傳導。熱管理可以將燃料電池的工作溫度控制在安全合理的範圍。在燃料電池110中，氫氣供給系統、空氣系統和水熱管理系統都有用到傳感器，例如，壓力傳感器，溫度傳感器等。處理器130可以通過子系統中的傳感器獲得燃料電池的工作數據。
24.存儲器120可以用於存儲與燃料電池的水管理系統的應用場景100相關的數據和/或指令。例如，存儲器120可以存儲燃料電池的自身數據(如，電解質種類、電解質濃度和質子交換膜材料等)。燃料電池的自身數據可以提前存儲到存儲器120中。在一些實施例中，存儲器120可以存儲從燃料電池110、處理器130等獲得的數據和/或信息。例如，存儲器120可以存儲燃料電池的電壓數據、電流數據、溫度數據、陰極壓力值和陽極壓力值等。
25.存儲器120可以包括一個或多個存儲組件，每個存儲組件可以是一個獨立的設備，也可以是其他設備的一部分。在一些實施例中，存儲器120可包括隨機存取存儲器(ram)、只讀存儲器(rom)、大容量存儲器、可移動存儲器、易失性讀寫存儲器等或其任意組合。示例性的，大容量儲存器可以包括磁碟、光碟、固態磁碟等。在一些實施例中，所述存儲器120可在雲平臺上實現。
26.處理器130可以處理從其他設備或系統組成部分中獲得的數據和/或信息。處理器可以基於這些數據、信息和/或處理結果執行程序指令，以執行一個或多個本技術中描述的功能。例如，處理器130可以用於基於工作數據，確定燃料電池的正常情況或故障類型和最終解。又例如，處理器130可以用於基於正常情況或故障類型，確定調節模式，基於調節模式，調節燃料電池的陰極壓力值至陰極壓力值解，並調節燃料電池的陽極壓力值至陽極壓力值解。
27.在一些實施例中，處理器130可以包含一個或多個子處理設備(例如，單核處理設備或多核多芯處理設備)。僅作為示例，處理器130可以包括中央處理器(cpu)、專用集成電路(asic)、專用指令處理器(asip)、圖形處理器(gpu)、物理處理器(ppu)、數位訊號處理器(dsp)、現場可編程門陣列(fpga)、可編輯邏輯電路(pld)、控制器、微控制器單元、精簡指令集電腦(risc)、微處理器等或以上任意組合。
28.用戶終端140指用戶所使用的一個或多個終端設備或軟體。用戶終端140可以包括處理單元、顯示單元、輸入/輸出單元、感知單元、存儲單元等。感知單元可以包括但不限於光傳感器、距離傳感器、加速度傳感器、陀螺儀傳感器、聲音探測器等或其任意組合。在一些實施例中，用戶終端140可以是行動裝置、平板計算機、膝上型計算機等其他具有輸入和/或輸出功能的設備中的一種或其任意組合。在一些實施例中，使用用戶終端140的可以是一個或多個用戶，可以包括直接使用服務的用戶，也可以包括其他相關用戶。在一些實施例中，行動裝置可以是智慧型電話，智能手錶等。在一些實施例中，用戶可以是指燃料電池維修者或其他服務使用者。上述示例僅用於說明所述用戶終端140設備範圍的廣泛性而非對其範圍的限制。
29.網絡150可以連接系統的各組成部分和/或連接系統與外部資源部分。網絡150使得各組成部分之間，以及與系統之外其他部分之間可以進行通訊，促進數據和/或信息的交換。例如，處理器130可以通過網絡150從存儲器120中獲取燃料電池的工作數據。
30.在一些實施例中，網絡150可以是有線網絡或無線網絡中的任意一種或多種。例如，網絡150可以包括電纜網絡、光纖網絡、電信網絡、網際網路、區域網路(lan)、廣域網絡
(wan)、無線區域網路(wlan)、城域網(man)、公共交換電話網絡(pstn)、藍牙網絡、紫蜂網絡(zigbee)、近場通信(nfc)、設備內總線、設備內線路、線纜連接等或其任意組合。各部分之間的網絡連接可以是採用上述一種方式，也可以是採取多種方式。在一些實施例中，網絡可以是點對點的、共享的、中心式的等各種拓撲結構或者多種拓撲結構的組合。
31.應當注意燃料電池的水管理系統的應用場景100僅僅是為了說明的目的而提供的，並不意圖限制本技術的範圍。對於本領域的普通技術人員來說，可以根據本說明書的描述，做出多種修改或變化。例如，燃料電池的水管理系統的應用場景100可以在其它設備上實現類似或不同的功能。然而，這些變化和修改不會背離本技術的範圍。
32.圖2是根據本說明書一些實施例所示的燃料電池的水管理系統的示例性模塊圖。
33.在一些實施例中，燃料電池的水管理系統200可以包括獲取模塊210、第一確定模塊220、第二確定模塊230和調節模塊240。以下將對本說明書實施例所涉及的燃料電池的水管理系統200進行詳細說明。需要注意的是，以下實施例僅用於解釋本說明書，並不構成對本說明書的限定。
34.如圖2所示，燃料電池的水管理系統200可以包括：
35.在一些實施例中，獲取模塊210可以用於獲取燃料電池的工作數據。關於獲取工作數據的更多說明可以參見圖3及其相關描述。
36.在一些實施例中，第一確定模塊220可以用於基於工作數據，確定燃料電池的正常情況或故障類型和最終解，其中，最終解包括燃料電池的陰極壓力值解和陽極壓力值解，陰極壓力值解為燃料電池的陰極對應的在滿足預設條件時的壓力值，陽極壓力值解為燃料電池的陽極對應的在滿足預設條件時的壓力值。關於確定燃料電池的正常情況或故障類型和最終解的更多說明可以參見圖3及其相關描述。
37.在一些實施例中，第一確定模塊220可以進一步用於基於工作數據，確定電池時段特徵；基於電池時段特徵，確定正常情況或故障類型。關於正常情況或故障類型的更多說明可以參見圖3及其相關描述。
38.在一些實施例中，第一確定模塊220可以進一步用於基於電池時段特徵，通過故障模型確定故障類型，其中，故障模型為機器學習模型。關於故障模型的更多說明可以參見圖4及其相關描述。
39.在一些實施例中，故障模型還可以包括第一嵌入層，電池時段特徵通過第一嵌入層獲取。
40.在一些實施例中，第一確定模塊220可以進一步用於基於工作數據，確定多個候選解；基於多個候選解和工作數據，通過功率預測模型確定多個候選解中的每個候選解對應的電池輸出功率預測值，其中，功率預測模型為機器學習模型；基於電池輸出功率預測值，確定最終解，其中，最終解為電池輸出功率預測值滿足預設條件的對應的候選解。關於功率預測模型的更多說明可以參見圖6及其相關描述。
41.在一些實施例中，功率預測模型可以包括第二嵌入層和功率預測層，功率預測層的輸入還包括電池時段特徵。
42.在一些實施例中，功率預測層的輸入還包括故障類型。在一些實施例中，第二嵌入層與故障模型的第一嵌入層共享參數。
43.在一些實施例中，第一確定模塊220可以進一步用於基於工作數據，通過預設算
法，確定最終解。關於預設算法的更多說明可以參見圖7及其相關描述。
44.在一些實施例中，預設算法可以包括：生成多個候選組合，其中，候選組合包括燃料電池的陰極壓力值和陽極壓力值；對多個候選組合進行多輪迭代更新，確定最終解；多輪迭代中的至少一輪包括：對至少一個候選組合，基於與歷史最優組合的關係更新對應的壓力值變化幅度，基於壓力值變化幅度更新候選組合，其中，歷史最優組合基於評估算法確定。
45.在一些實施例中，多個候選組合為電池輸出功率預測值滿足設定條件的候選解，其中，設定條件包括設定閾值，設定閾值小於預設閾值，其中，預設閾值為預設條件中的閾值。
46.在一些實施例中，歷史最優組合包括與候選組合對應的獨立最優組合，以及與多個候選組合共同對應的關聯最優組合。
47.在一些實施例中，評估算法還可以包括：基於多個候選組合和工作數據，通過功率預測模型確定多個候選組合中的每個候選組合對應的電池輸出功率預測值；基於電池輸出功率預測值，確定歷史最優組合。
48.第二確定模塊230，用於基於正常情況或故障類型，確定調節模式。關於確定調節模式的更多說明可以參見圖3及其相關描述。
49.調節模塊240，用於基於調節模式，調節燃料電池的陰極壓力值至陰極壓力值解，並調節燃料電池的陽極壓力值至陽極壓力值解。關於調節壓力值至壓力值解的更多說明可以參見圖3及其相關描述。
50.應當理解，圖2所示的系統及其模塊可以利用各種方式來實現。
51.需要注意的是，以上對於燃料電池的水管理系統及其模塊的描述，僅為描述方便，並不能把本說明書限制在所舉實施例範圍之內。可以理解，對於本領域的技術人員來說，在了解該系統的原理後，可能在不背離這一原理的情況下，對各個模塊進行任意組合，或者構成子系統與其他模塊連接。在一些實施例中，圖2中披露的獲取模塊210、第一確定模塊220、第二確定模塊230和調節模塊240可以是一個系統中的不同模塊，也可以是一個模塊實現上述的兩個或兩個以上模塊的功能。例如，各個模塊可以共用一個存儲模塊，各個模塊也可以分別具有各自的存儲模塊。諸如此類的變形，均在本說明書的保護範圍之內。
52.圖3是根據本說明書一些實施例所示的燃料電池的水管理方法的示例性流程圖。在一些實施例中，流程300可以由處理器130執行。如圖3所示，流程300可以包括下述步驟：
53.步驟310，獲取燃料電池的工作數據。在一些實施例中，步驟310可以由獲取模塊210執行。
54.工作數據可以指處於運行狀態的燃料電池的相關數據。工作數據可以包括燃料電池的電壓、電流、溫度、陰極壓力值、陽極壓力值、燃料電池的自身數據(如，電解質種類、電解質濃度和質子交換膜材料等)等相關數據。例如，燃料電池的電解質種類可以為全氟磺酸型固體聚合物。工作數據可以包括多個不同時間點的燃料電池的相關數據。多個不同時間點可以是當前時間點和當前時間點的前一段時間的多個不同時間點。多個不同時間點的每個時間點均有對應的燃料電池的相關數據。
55.在一些實施例中，獲取模塊210可以通過多種方式獲取燃料電池的工作數據。例如，獲取模塊210可以通過傳感器採集獲取燃料電池的工作數據。示例性的，電壓傳感器採
集電壓數據，電流傳感器採集電流數據，溫度傳感器採集溫度數據，壓力傳感器採集陰極壓力值和陽極壓力值等。又例如，獲取模塊210可以通過存儲器120獲取燃料電池的自身數據。
56.步驟320，基於工作數據，確定燃料電池的正常情況或故障類型和最終解。在一些實施例中，步驟320可以由第一確定模塊220執行。
57.正常情況可以指燃料電池的工作數據正常的情況。在一些實施例中，燃料電池的工作數據正常可以指電池的電壓、電流、溫度、陰極壓力值和陽極壓力值等工作數據均在正常範圍內。正常範圍可以提前預設。
58.故障類型可以指導致電池不能正常運行的故障原因的種類。例如，故障類型可以包括水淹、膜幹和其他類型。水淹可以指電池內部水含量過高。膜幹可以指電池內部水含量過低。其他類型可以包括由於長時間未充電導致電池無法充電的電池飢餓等故障類型。
59.在一些實施例中，第一確定模塊220可以基於工作數據，確定故障類型。例如，根據工作數據是否在正常範圍內來確定正常情況或故障類型。又例如，第一確定模塊220可以基於工作數據，通過機器學習模型確定正常情況或故障類型等。
60.在一些實施例中，第一確定模塊220可以基於工作數據確定電池時段特徵，並基於電池時段特徵，確定燃料電池的正常情況或故障類型。
61.電池時段特徵可以表示當前時間點的前一段時間的多個不同時間點的燃料電池的工作數據的特徵。在一些實施例中，電池時段特徵可以包括當前時間點的前一段時間的電壓最值(如電壓最大值、電壓最小值)、電流最值(如電流最大值、電流最小值)、溫度最值(如溫度最大值、溫度最小值)、最大電壓變化率、最大溫度變化率等。在一些實施例中，最大電壓變化率是指電壓變化量與完成變化所用時間的比值的最大值。最大溫度變化率是指溫度變化量與完成變化所用時間的比值的最大值。
62.在一些實施例中，電池時段特徵可以基於當前時間點的前一段時間的部分工作數據確定。例如，由電壓傳感器實時測量燃料電池的電壓，可獲得當前時間點的前一段時間的電池時段特徵中的電壓最大值和電壓最小值。
63.在一些實施例中，第一確定模塊220可以基於故障模型的第一嵌入層獲取電池時段特徵。關於故障模型和第一嵌入層的說明具體參見圖4。
64.在一些實施例中，電池正常情況或故障類型可以基於機器學習模型(如故障模型等)對時段特徵進行處理確定。關於故障模型的說明具體參見圖4。
65.本說明書一些實施例中，通過工作數據確定電池時段特徵，並通過電池時段特徵，確定燃料電池的正常情況或故障類型，可以提高確定的正常情況或故障類型的準確性，有利於後續對燃料電池的調節，提高燃料電池的性能和利用率。
66.最終解可以指使電池在當前狀況下達到最優性能狀態的一組壓力值。在一些實施例中，最終解可以包括燃料電池的陰極壓力值解和陽極壓力值解。在一些實施例中，陰極壓力值解為燃料電池的陰極對應的在滿足預設條件時的壓力值。陽極壓力值解為燃料電池的陽極對應的在滿足預設條件時的壓力值。預設條件可以指提前預設的需要滿足的條件。在一些實施例中，預設條件可以根據情況設定。在一些實施例中，預設條件可以包括電池輸出功率預測值大於和/或等於預設閾值。預設閾值可以指電池輸出功率預測值的最小值。預設閾值可以人為設定。電池輸出功率預測值可以通過功率預測模型確定。關於電池輸出功率預測值和功率預測模型的更多說明可以參見圖5和圖6的相關描述。
67.在一些實施例中，第一確定模塊220可以基於工作數據，確定最終解。例如，第一確定模塊220可以基於當前時間點和當前時間點的前一段時間的多個不同時間點的燃料電池的相關數據，確定電池達到最優性能狀態的一組陰極壓力值、陽極壓力值。第一確定模塊220可以將電池達到最優性能狀態的一組陰極壓力值、陽極壓力值確定為最終解。最優性能狀態可以指電池輸出功率預測值最大。電池輸出功率預測值可以通過功率預測模型確定。關於電池輸出功率預測值和功率預測模型的更多說明可以參見圖5和圖6的相關描述。
68.在一些實施例中，最優性能狀態隨燃料電池的狀況在不斷變動。第一確定模塊220可以實時確定最終解。
69.在一些實施例中，第一確定模塊220可以基於工作數據，通過預設算法，確定最終解。
70.在一些實施例中，第一確定模塊220可以基於工作數據，通過多種預設算法確定最終解。預設算法是預先設置用於確定最終解的算法。例如，預設算法可以包括回歸分析法、判別分析法、隨機搜索法等。
71.在一些實施例中，第一確定模塊220可以通過對多個候選組合進行迭代更新，確定最終解，關於候選組合迭代更新確定最終解的說明具體參見圖7。
72.本說明書一些實施例中，通過預設算法，結合工作數據，可以動態調整在解空間探索的方向，使得更快速確定最終解。
73.在一些實施例中，第一確定模塊220可以基於工作數據確定多個候選解，並基於多個候選解和工作數據，通過功率預測模型確定電池輸出功率預測值，進而確定最終解。關於上述內容的說明具體參見圖5。
74.步驟330，基於正常情況或故障類型，確定調節模式。在一些實施例中，步驟330可以由第二確定模塊230執行。
75.調節模式可以指針對電池不同的運行狀態，進行電池內部含水量調節的不同模式。調整模式可以包括正常調節模式、水淹調節模式和膜幹調節模式。正常調節模式可以指電池運行情況正常時的調節模式。水淹調節模式可以指燃料電池進入水淹故障時的調節模式。膜幹調節模式可以指燃料電池進入膜幹故障時的調節模式。
76.在一些實施例中，電池內部水含量超出含水量最大閾值或氣體擴散層水飽和度超過飽和度最大閾值時，判斷電池出現水淹故障，確定調節模式為水淹調節模式。
77.在一些實施例中，電池內部水含量低於含水量最小閾值或氣體擴散層水飽和度低於飽和度最小閾值時，判斷電池出現膜幹故障，確定調節模式為膜幹調節模式。
78.在一些實施例中，正常情況下的調節方式可以以當前採樣周期內最後一個時間點的工作數據中的溫度數據作為當前時間點的溫度，通過功率預測模型，確定當前採樣周期內的不同時間點的工作數據對應的電池輸出功率預測值，將電池輸出功率預測值最大時對應的陰極壓力值和陽極壓力值確定為最終解。當前採樣周期可以人為設定。關於功率預測模型的更多說明可以參見其他部分的相關描述。在一些實施例中，對於正常情況下的燃料電池可以每間隔一段時間對燃料電池的陰極壓力值和陽極壓力值進行調整，具體間隔時間可以人工進行設定。
79.步驟340，基於調節模式，調節燃料電池的陰極壓力值至陰極壓力值解，並調節燃料電池的陽極壓力值至陽極壓力值解。在一些實施例中，步驟340可以由調節模塊240執行。
80.陰極壓力值可以指當前時間點的電池陰極的壓力值。在一些實施例中，針對不同的故障類型進行調節，找到當前電池狀況的陰極壓力值解，並將最終解的陰極壓力值配置到陰極處。在一些實施例中，陰極壓力值可以由空壓機和節氣門調節。
81.陽極壓力值可以指當前時間點的電池陽極的壓力值。在一些實施例中，針對不同的故障類型進行調節，找到當前電池狀況的陽極壓力值解，並將最終解的陽極壓力值配置到陽極處。在一些實施例中，陽極壓力值可以由流量閥和氫氣循環泵共同確定。
82.在一些實施例中，對於水淹故障，此時內部水含量較多，停止兩極供氣，內部含水量慢慢消耗、輸出功率慢慢變大，當輸出功率開始下降時，選取拐點處的溫度作為當前時間點的溫度，基於功率預測模型等確定的最終解，調節燃料電池的壓力值至最終解。
83.在一些實施例中，對於膜幹故障，此時內部水含量較少，人工選取高壓力值配置到兩極處，內部含水量慢慢增加、輸出功率慢慢變大，當輸出功率開始下降時，選取拐點處的溫度作為當前時間點的溫度，基於功率預測模型等確定的最終解，調節燃料電池的壓力值至最終解。
84.在一些實施例中，對於正常情況，調節模塊240可以將正常情況下確定的最終解分別配置到燃料電池的陰極和陽極。
85.在本說明書一些實施例中，通過對燃料電池的內部水含量進行實時監測進而針對正常情況或不同故障類型對燃料電池及時進行調節，有助於提高電池的性能和利用率。
86.圖4是根據本說明書一些實施例所示的故障模型的示例性示意圖。
87.如圖4所示，故障模型400可以包括第一嵌入層420、故障輸出層440等。
88.故障模型可以指判斷電池故障的機器學習模型。在一些實施例中，故障模型可以是訓練好的機器學習模型。例如，故障模型可以包括循環神經網絡模型、卷積神經網絡或其他自定義的模型結構等中的任意一種或組合。
89.第一嵌入層420可以用於提取電池時段特徵。在一些實施例中，第一嵌入層420的模型類型可以包括但不限於深度神經網絡模型。在一些實施例中，第一嵌入層420的輸入可以為工作數據410，輸出可以為電池時段特徵430。
90.故障輸出層440可以用於確定正常情況或故障類型。在一些實施例中，故障輸出層440的模型類型可以包括但不限於深度神經網絡模型。在一些實施例中，故障輸出層440的輸入可以為電池時段特徵430，輸出可以為正常情況或故障類型450。
91.在一些實施例中，第一嵌入層可以基於嵌入層樣本和嵌入層標籤確定。在一些實施例中，嵌入層樣本可以包括歷史工作數據，嵌入層標籤可以包括歷史電池時段特徵。訓練過程包括：將帶有嵌入層標籤的嵌入層樣本輸入第一嵌入層，通過訓練更新第一嵌入層的參數直至滿足損失函數小於閾值、收斂，或訓練周期達到閾值等條件。
92.在一些實施例中，故障模型可以由第一嵌入層、故障輸出層聯合訓練確定。在一些實施例中，故障模型的第一訓練樣本中的每個訓練樣本可以包括歷史發生故障時，燃料電池的歷史工作數據。在一些實施例中，故障模型的第一訓練標籤中的每個訓練標籤可以包括膜幹、水淹、其他。標籤可以基於人工標註或其它可行的方式進行標註。在一些實施例中，第一訓練樣本和第一訓練標籤可以基於電池的歷史運行過程中產生的相關數據進行獲取。嵌入層樣本和嵌入層標籤與第一訓練樣本和第一訓練標籤可以為一一對應關係。例如，多個訓練樣本和標籤中的每個訓練樣本和標籤均為相同的歷史工作數據。第一嵌入層輸出的
電池時段特徵可以作為故障輸出層的輸入。聯合訓練的過程可以包括：將嵌入層樣本中的歷史工作數據作為第一嵌入層的輸入；將第一嵌入層輸出的電池時段特徵作為故障輸出層的輸入，以確定故障輸出層的輸出；將故障輸出層輸出的正常情況或故障類型與第一訓練標籤構建損失函數；基於損失函數迭代更新直至滿足損失函數小於閾值、收斂，或訓練周期達到閾值等條件，獲取訓練好的第一嵌入層和故障輸出層。
93.在一些實施例中，第一嵌入層和故障輸出層聯合訓練可以提升獲得的故障模型輸出的準確性。
94.在本說明書一些實施例中，通過故障模型確定故障類型，根據故障類型，確定調節模式，有利於確保確定的調節模式的準確性。故障模型確定的故障類型也可以作為功率預測模型的輸入，進一步有利於確保確定的最終解的準確性。
95.圖5是根據本說明書一些實施例所示的基於工作數據確定最終解的示例性流程圖。在一些實施例中，流程500可以由處理器130執行。流程500可以包括以下步驟：
96.步驟510，基於工作數據，確定多個候選解。
97.候選解可以指待選定為最終解的候選陰極壓力值解和候選陽極壓力值解的集合。候選陰極壓力值解可以指待選定為最終解的陰極壓力值解。候選陽極壓力值解可以指待選定為最終解的陽極壓力值解。在一些實施例中，候選解的數量可以為多個，每個候選解都包含一組對應的候選陰極壓力值解和候選陽極壓力值解。例如，候選解1中的候選陰極壓力值解和候選陽極壓力值解分別為0.3mpa和0.1mpa，候選解2中的候選陰極壓力值解和候選陽極壓力值解分別為0.2mpa和0.1mpa，則候選解可以包括候選解1和候選解2。
98.在一些實施例中，處理器130可以預設候選解資料庫，基於當前時間的燃料電池的工作數據和候選解資料庫確定候選解。當前時間的燃料電池的工作數據可以通過當前電池時段特徵向量進行表示。當前電池時段特徵向量可以表示當前時間的燃料電池的時段特徵。當前電池時段特徵向量中的每個元素可以表示當前時間的燃料電池的電壓值、電流值、溫度值、電壓變化率、溫度變化率等。例如，當前電池時段特徵向量為(20，5，70，5％，5％，
……
)，表示當前時間燃料電池的電壓值為20v、電流值為5a、溫度值70℃、電壓變化率為5％、溫度變化率為5％等。在一些實施例中，候選解資料庫可以包括該燃料電池的多組歷史工作數據。在一些實施例中，候選解資料庫中的每一組歷史工作數據包括不同的歷史時間點對應的歷史電壓、歷史電流、歷史溫度、歷史陰極壓力值和歷史陽極壓力值等。候選解資料庫中的每一組歷史工作數據可以通過歷史電池時段特徵向量進行表示。
99.在一些實施例中，處理器130可以通過比較當前電池時段特徵向量和候選解資料庫中的歷史電池時段特徵向量之間的相似度來確定候選解。在一些實施例中，當前電池時段特徵向量和歷史電池時段特徵向量之間的相似度可以通過向量距離表示。向量距離可以包括歐氏距離、幾何距離等。當向量距離越小，當前電池時段特徵向量和歷史電池時段特徵向量之間的相似度越高。在一些實施例中，處理器130可以選取與當前電池時段特徵向量之間的相似度高於相似度閾值的多個歷史電池時段特徵向量。處理器130可以將高於相似度閾值的每個歷史電池時段特徵向量對應的歷史陰極壓力值和歷史陽極壓力值分別作為一個候選解中的候選陰極壓力值解和候選陽極壓力值解。通過高於相似度閾值的多個歷史電池時段特徵向量確定多個候選解。相似度閾值可以通過人工設定。例如，候選解資料庫中包括歷史電池時段特徵向量a、b、c等，相似度閾值為90％，歷史電池時段特徵向量a、b、c等與
當前電池時段特徵向量a之間的相似度分別為80％、91％和98％等，則候選解包括歷史電池時段特徵向量b、c等。
100.在一些實施例中，當候選解資料庫中與當前電池時段特徵向量相似的歷史電池時段特徵向量的數量較少時，處理器130可以隨機生成多組候選解，每組候選解包括各自的候選陰極壓力值解和候選陽極壓力值解。
101.步驟520，基於多個候選解和工作數據，通過功率預測模型確定多個候選解中的每個候選解對應的電池輸出功率預測值。
102.電池輸出功率預測值可以為對每個候選解對應的電池輸出功率進行預測得到的功率值。例如，通過功率預測模型得到的與候選解m對應的電池輸出功率預測值為100w。
103.功率預測模型可以用於預測候選解對應的電池輸出功率預測值。在一些實施例中，功率預測模型可以為機器學習模型，例如，深度神經網絡模型、卷積網絡模型等。
104.在一些實施例中，功率預測模型的輸入可以包括候選解和工作數據。工作數據可以包括燃料電池的溫度和燃料電池的自身數據等。關於工作數據的更多說明可以參見圖3的相關描述。功率預測模型的輸出可以包括每個候選解對應的電池輸出功率預測值。處理器130可以通過將多個候選解中的每個候選解和工作數據分別輸入功率預測模型，進而確定多個候選解中的每個候選解對應的電池輸出功率預測值。
105.在一些實施例中，功率預測模型可以通過訓練獲取。在一些實施例中，功率預測模型可以通過對初始功率預測模型訓練獲得。向初始功率預測模型輸入第二訓練樣本，得到歷史電池輸出功率預測值。訓練過程中，基於第二標籤和初始功率預測模型的輸出結果建立損失函數，並基於損失函數迭代更新初始功率預測模型的參數，直到訓練條件被滿足訓練完成，得到訓練好的功率預測模型。訓練條件可以包括損失函數收斂等。
106.在一些實施例中，對應的第二訓練樣本可以包括多組歷史工作數據和對應的歷史候選解，第二訓練樣本的第二標籤可以是對應的歷史電池輸出功率實際值。第二標籤可以人工標註。
107.在一些實施例中，功率預測模型可以包括第二嵌入層和功率預測層。通過第二嵌入層和功率預測層確定每個候選解對應的電池輸出功率預測值。關於第二嵌入層和功率預測層的詳細內容可以參見本說明書其他內容的描述，例如，圖6。
108.步驟530，基於電池輸出功率預測值，確定最終解，其中，最終解為電池輸出功率預測值滿足預設條件的對應的候選解。
109.在一些實施例中，處理器130可以將電池輸出功率預測值滿足預設條件的對應的候選解確定為最終解。例如，候選解x、y、z等對應的電池輸出功率預測值分別為90w、100w、150w等，預設閾值預設為120w，則最終解為候選解z。在一些實施例中，預設條件可以包括電池輸出功率預測值最大。處理器130可以將多個候選解中的電池輸出功率預測值最大對應的候選解確定為最終解。關於預設條件和預設閾值的更多說明可以參見圖3的相關描述。
110.在本說明書一些實施例中，基於工作數據，確定多個候選解，進而通過功率預測模型，可以預測得到與多個候選解中的每個候選解對應的較為準確的電池輸出功率預測值。基於輸出功率預測值確定最終解，可以使得確定的最終解較為準確，使得燃料電池的輸出功率較高。由於燃料電池的工作狀態不斷改變，通過對陽陰極電壓值解和陽陰極電壓值解的持續調節，可以使得燃料電池一直保持較高的輸出功率，有助於提高電池的性能和利用
率。
111.圖6是根據本說明書一些實施例所示的功率預測模型的示例性示意圖。
112.如圖6所述，功率預測模型可以包括第二嵌入層610和功率預測層640。
113.在一些實施例中，第二嵌入層610可以用於獲取電池時段特徵430。第二嵌入層610可以是機器學習模型，例如，第二嵌入層610可以包括卷積神經網絡、神經網絡等。在一些實施例中，第二嵌入層610的輸入可以包括工作數據410，輸出可以包括電池時段特徵430。關於工作數據可以參見圖3的相關描述。關於電池時段特徵可以參見圖3和圖4的相關描述。進一步地，處理器130可以基於電池輸出功率預測值650確定最終解660。關於最終解的詳細內容可以參見本說明書圖5的描述。
114.在本說明書的一些實施例中，通過第二嵌入層610獲取電池時段特徵，可以去除工作數據中冗餘數據或者其餘不相關數據。例如，可以去除工作數據中的佔字符，節約數據的儲存空間，也可以提高數據的運算效率。
115.在一些實施例中，功率預測層640可以用於獲取每個候選解對應的電池輸出功率預測值650。功率預測層640可以由例如卷積神經網絡(convolutional neural network，cnn)、神經網絡(neural network，nn)等實現。在一些實施例中，功率預測層640的輸入可以包括工作數據410和候選解620等。功率預測層640的輸出可以包括每一個候選解對應的電池輸出功率預測值650。
116.在一些實施例中，功率預測模型可以通過訓練獲取。在一些實施例中，功率預測模型可以通過對初始第二嵌入層和初始功率預測層聯合訓練獲得。向初始第二嵌入層輸入第三訓練樣本，得到歷史電池時段特徵；然後將歷史電池時段特徵、多個歷史候選解和歷史工作數據作為初始功率預測層的輸入。訓練過程中，基於第三標籤和初始功率預測層的輸出結果建立損失函數，並基於損失函數同時迭代更新初始第二嵌入層和初始功率預測層的參數，直到預設條件被滿足訓練完成。訓練完成後第二嵌入層和功率預測層的參數也可以確定，得到訓練好的功率預測模型。
117.在一些實施例中，第三訓練樣本可以包括歷史工作數據和多個歷史候選解。第三訓練樣本的第三標籤可以是對應的歷史電池輸出功率實際值。第三標籤可以人工標註。
118.通過上述訓練方式獲得第二嵌入層的參數，在一些情況下有利於解決單獨訓練第二嵌入層時難以獲得標籤的問題，還可以使第二嵌入層能較好地得到反映與功率預測值的對應關係。
119.在一些實施例中，可以將故障模型中訓練好的第一嵌入層作為功率預測模型的第二嵌入層，無需單獨訓練第二嵌入層。
120.在一些實施例中，功率預測模型的第二嵌入層可以與故障模型的第一嵌入層共享參數。
121.在一些實施例中，功率預測層的輸入還可以包括電池時段特徵430。在一些實施例中，功率預測模型的功率預測層640的輸入可以包括工作數據410、候選解620以及電池時段特徵430等，輸出可以包括每一個候選解對應的電池輸出功率預測值650。
122.在一些實施例中，對應的第四訓練樣本可以包括歷史工作數據、多個歷史候選解以及歷史電池時段特徵，第四訓練樣本的第四標籤可以是對應的歷史電池輸出功率實際預測值。第四標籤可以人工標註。
123.在本說明書的一些實施例中，通過在功率預測層的輸入中加入電池時段特徵，可以基於電池時段特徵預測電池輸出功率，使得預測得到的電池輸出功率預測值更加準確。
124.在一些實施例中，功率預測層的輸入還可以包括故障類型630。在一些實施例中，功率預測層640的輸入可以包括工作數據410、候選解620、故障類型630和/或電池時段特徵430，輸出可以包括每一個候選解對應的電池輸出功率預測值650。其中，故障類型630可以通過故障模型獲取。關於故障模型的詳細內容可以參見本說明書其他內容的描述，例如，圖4。
125.在一些實施例中，對應的第五訓練樣本可以包括歷史工作數據、歷史候選解、歷史特徵故障類型和/或歷史電池時段特徵，第五訓練樣本的第五標籤可以是對應的歷史電池輸出功率預測實際值。第五標籤可以人工標註。
126.在本說明書的一些實施例中，通過在功率預測模型的輸入中加入故障類型，對於正處於故障時刻的燃料電池，可以使得預測得到的電池輸出功率預測值更加準確。
127.本說明書一些實施例中，基於工作數據、多個候選解、故障類型和/或電池時段特徵確定電池輸出功率預測值，通過考慮多個因素對輸出功率的影響，使得對輸出功率的預測更為準確，並進一步地，通過對陽陰極電壓值解和陽陰極電壓值解的持續調節，可以使得燃料電池一直保持較高的輸出功率，進而有助於進一步提高電池的性能和利用率。
128.圖7是根據本說明書一些實施例所示的候選組合迭代更新的示例性示意圖。
129.在一些實施例中，預設算法可以用於基於工作數據，確定燃料電池的最終解。在一些實施例中，預設算法可以包括：生成多個候選組合710，其中，候選組合710可以包括燃料電池的陰極壓力值和陽極壓力值；對多個候選組合進行多輪迭代更新，確定最終解750。多輪迭代中的至少一輪包括：對至少一個候選組合，基於與歷史最優組合的關係更新對應的壓力值變化幅度，基於壓力值變化幅度更新候選組合，其中，歷史最優組合基於評估算法確定。
130.候選組合可以指用於迭代更新確定最終解的組合。如圖7所示，候選組合710可以包括候選組合1、候選組合2、候選組合i等。候選組合710可以通過向量進行表示。候選組合中可以包含每個候選組合的候選陰極壓力值和候選陽極壓力值，即xi表示第i個候選組合，x
i1
表示第i個候選組合中的候選陰極壓力值，x
i2
表示第i個候選組合中的陽極壓力值，k表示迭代更新次數。第一輪迭代更新時，k為1。
131.在一些實施例中，處理器130可以通過多種方式生成第一輪迭代更新時的多個候選組合。候選組合可以通過隨機方法生成或基於歷史數據獲取。
132.在一些實施例中，多個候選組合可以為電池輸出功率預測值滿足設定條件的候選解，其中，設定條件包括設定閾值，設定閾值小於預設閾值，其中，預設閾值為預設條件中的閾值。
133.設定條件可以指篩選候選組合時候選解對應的電池輸出功率預測值需要滿足的條件。在一些實施例中，設定條件可以包括多種，如設定閾值等。設定閾值可以指確定候選組合時候選解對應的電池輸出功率預測值的最小值。處理器130可以將電池輸出功率預測值大於設定閾值的候選解確定為候選組合。設定閾值小於預設閾值，電池輸出功率預測值大於設定閾值的候選解的數量大於或等於電池輸出功率預測值大於預設閾值的候選解的數量。關於預設條件和預設閾值的詳細內容可以參見本說明書其他內容的描述，例如，圖5。
134.在本說明書的一些實施例中，通過候選解確定候選組合，在一定程度上可以確保確定的候選組合的準確性，有利於在更新迭代時，更快的收斂，減少迭代次數，提高迭代效率。通過對候選解設立設定閾值確定候選組合，並且設定閾值小於預設閾值，可以使得確定的候選組合的數量較多，可以使得後續確定的最終解更為準確。
135.在一些實施例中，多輪迭代更新中的至少一輪包括：對至少一個候選組合，基於與歷史最優組合的關係更新對應的壓力值變化幅度，基於壓力值變化幅度更新所述候選組合，其中，歷史最優組合基於評估算法確定。關於歷史最優組合和評估算法的詳細說明可以參見後文的相關內容。如圖7所示，候選組合的迭代更新可以基於以下步驟進行。
136.步驟720，更新壓力值變化幅度。
137.壓力值變化幅度是指候選組合中候選陰極壓力值和候選陽極壓力值的更新幅度。在一些實施例中，壓力值變化幅度可以包括多組。例如，壓力值變化幅度的數量和候選組合的數量相同。多組壓力值變化幅度的每一組與候選組合的每一組一一對應。
138.在一些實施例中，每一組壓力值變化幅度可以包括多個子變化幅度。每個子變化幅度代表該壓力值變化幅度對應的候選組合中壓力值(如，候選陰極壓力值或候選陽極壓力值)的更新幅度。例如，對應第i個候選組合的壓力值變化幅度可以表示為其中，v
i1
、v
i2
分別表示第i個候選組合中候選陰極壓力值和候選陽極壓力值對應的子變化幅度，k表示迭代次數。在一些實施例中，多個候選組合對應的壓力值變化幅度的初始值可以相同或不同。其中，壓力值變化幅度的初始值可以基於隨機的方式生成。
139.在一些實施例中，歷史最優組合可以用於確定壓力值變化幅度。處理器可以基於候選組合與歷史最優組合的關係，更新壓力值變化幅度。例如，如果候選組合與歷史最優組合的差值較小，則對應的壓力值變化幅度較小；反之則較大。
140.在一些實施例中，歷史最優組合可以包括與候選組合對應的獨立最優組合，以及與多個候選組合共同對應的關聯最優組合。
141.在一些實施例中，對於多個候選組合中的每一個，歷史最優組合包括每一個候選組合對應的獨立最優組合，以及與多個候選組合共同對應的關聯最優組合。其中，多個候選組合對應的關聯最優組合相同，獨立最優組合不同。在一些實施例中，歷史最優組合可以基於評估算法確定。關於評估算法的詳細說明可以參見後文的相關內容。
142.歷史最優組合是指在歷史迭代更新過程中電池輸出功率預測值最大的候選組合。關於電池輸出功率預測值的更多說明可以參見其他部分的相關描述。
143.第i個候選組合對應的獨立最優組合是指截至當前迭代更新輪，第i個候選組合對應的多個更新候選組合對應的電池輸出功率預測值最大的更新候選組合。例如，第k輪迭代時，第i個候選組合對應的獨立最優組合可以是前k-1輪迭代過程中，所有更新的第i個候選組合對應的電池輸出功率預測值最大的更新候選組合。
144.第i個候選組合對應的關聯最優組合是指截至當前迭代輪，多個候選組合對應的所有更新候選組合對應的電池輸出功率預測值最大的更新候選組合。例如，第k輪迭代時，關聯最優組合可以是所有候選組合在前k-1輪迭代過程中，電池輸出功率預測值最大的更新候選組合。
145.在一些實施例中通過結合獨立最優組合和關聯最優組合，可以使得探索過程更好地結合局部的探索和全局的情況。
146.在一些實施例中，歷史最優組合可以基於評估算法確定。在一些實施例中，評估算法可以包括：基於多個候選組合和工作數據，通過功率預測模型確定多個候選組合中的每個候選組合對應的電池輸出功率預測值；基於電池輸出功率預測值，確定歷史最優組合。關於功率預測模型的詳細內容可以參見本說明書其他內容的描述，例如，圖6。
147.在一些實施例中，評估算法可以指基於機器學習模型、預設規則等對候選組合進行評估的算法。在一些實施例中，評估算法可以包括基於候選組合通過功率預測模型預測迭代每個候選組合對應的電池輸出功率預測值，並基於電池輸出功率預測值確定歷史最優組合。具體地，基於多個候選組合中的每一個和對應的工作數據輸入到功率預測模型中，得到對應得電池輸出功率預測值，並將每個候選組合中的多輪迭代中的電池輸出功率預測值最大的為獨立最優組合，將所有候選組合中的多輪迭代中的電池輸出功率預測值最大的為關聯最優組合。
148.通過本說明書的一些實施例中，基於電池輸出功率預測值可以更準確地確定歷史最優組合，並進一步提高迭代效率。
149.在一些實施例中，處理器更新多個候選組合對應的壓力值變化幅度可以指對每個壓力值變化幅度的子變化幅度基於以下公式確定：更新後的子變化幅度＝權重1*原候選組合子變化幅度+權重2*第一差值+權重3*第二差值。其中，更新後的子變化幅度可以為下一輪更新迭代時對應的候選組合中的候選陰極壓力值或候選陽極壓力值對應的子變化幅度。原候選組合子變化幅度可以為當前輪更新迭代時對應的候選組合中的候選陰極壓力值或候選陽極壓力值對應的子變化幅度。第一差值對應於候選組合與獨立最優組合的差值；第二差值對應於候選組合與關聯最優組合的差值。權重1、權重2、權重3可以預設，也可以通過其他方式確定，例如，基於回歸分析等算法確定。
150.步驟730，更新候選組合。
151.第1輪迭代時，多個候選組合包括多個初始組合。如圖7所示，多個初始組合包括初始組合1、初始組合2、初始組合i等。
152.處理器對候選組合的迭代更新包括，基於與每個候選組合對應的子變化幅度迭代更新每個候選組合。例如，可以將子變化幅度與原來的候選組合相加，得到更新後的候選組合，即更新後的候選組合可以表示為其中，可以表示為
153.通過以上方法，可以基於多組不同的候選組合，以不同的方向在解空間進行探索。根據與歷史最優組合的比較，可以動態調整探索的方向和變化幅度的大小，使得探索更有針對性，更快地去接近最終解。
154.步驟740，迭代是否滿足終止條件。
155.在一些實施例中，在迭代候選組合時，當迭代符合預設的終止條件時，迭代更新結束。其中，終止條件可以是迭代次數達到迭代次數閾值、候選組合對應的電池輸出功率預測值達到預設值等則停止迭代。例如，設置迭代次數閾值為100次，當迭代次數達到100次時則停止迭代。設置預設值，當電池輸出功率預測值達到預設值時，則停止迭代。
156.在一些實施例中，當每輪迭代更新完成後，對多組候選組合的至少一組判斷其是否滿足迭代終止條件。若迭代滿足迭代終止條件則迭代結束，將歷史最優組合確定為最終
解750。若迭代不滿足終止條件則繼續進行下一輪迭代，直至滿足迭代終止條件。
157.在本說明書一些實施例中，基於多個候選組合，以不同的方向在解空間進行探索。根據多個候選組合與歷史最優組合的比較，可以動態調整探索的方向和壓力值變化幅度的大小，使得探索更有針對性，更快地去接近最終解。通過迭代的方式對多個候選組合不斷進行更新，不斷優化候選組合。從而確定出具有最大燃料電池輸出功率的最終解，在節約能源的同時，進一步提高了燃料電池的性能和利用率。
158.應當注意的是，上述有關流程的描述僅僅是為了示例和說明，而不限定本說明書的適用範圍。對於本領域技術人員來說，在本說明書的指導下可以對流程進行各種修正和改變。然而，這些修正和改變仍在本說明書的範圍之內。
159.上文已對基本概念做了描述，顯然，對於本領域技術人員來說，上述詳細披露僅僅作為示例，而並不構成對本說明書的限定。雖然此處並沒有明確說明，本領域技術人員可能會對本說明書進行各種修改、改進和修正。該類修改、改進和修正在本說明書中被建議，所以該類修改、改進、修正仍屬於本說明書示範實施例的精神和範圍。
160.同時，本說明書使用了特定詞語來描述本說明書的實施例。如「一個實施例」、「一實施例」、和/或「一些實施例」意指與本說明書至少一個實施例相關的某一特徵、結構或特點。因此，應強調並注意的是，本說明書中在不同位置兩次或多次提及的「一實施例」或「一個實施例」或「一個替代性實施例」並不一定是指同一實施例。此外，本說明書的一個或多個實施例中的某些特徵、結構或特點可以進行適當的組合。
161.同理，應當注意的是，為了簡化本說明書披露的表述，從而幫助對一個或多個發明實施例的理解，前文對本說明書實施例的描述中，有時會將多種特徵歸併至一個實施例、附圖或對其的描述中。但是，這種披露方法並不意味著本說明書對象所需要的特徵比權利要求中提及的特徵多。實際上，實施例的特徵要少於上述披露的單個實施例的全部特徵。
162.一些實施例中使用了描述成分、屬性數量的數字，應當理解的是，此類用於實施例描述的數字，在一些示例中使用了修飾詞「大約」、「近似」或「大體上」來修飾。除非另外說明，「大約」、「近似」或「大體上」表明所述數字允許有
±
20％的變化。相應地，在一些實施例中，說明書和權利要求中使用的數值參數均為近似值，該近似值根據個別實施例所需特點可以發生改變。在一些實施例中，數值參數應考慮規定的有效數位並採用一般位數保留的方法。儘管本說明書一些實施例中用於確認其範圍廣度的數值域和參數為近似值，在具體實施例中，此類數值的設定在可行範圍內儘可能精確。
163.最後，應當理解的是，本說明書中所述實施例僅用以說明本說明書實施例的原則。其他的變形也可能屬於本說明書的範圍。因此，作為示例而非限制，本說明書實施例的替代配置可視為與本說明書的教導一致。相應地，本說明書的實施例不僅限於本說明書明確介紹和描述的實施例。