(12)發(fā)明專利一種混合動力系統(tǒng)的輸出功率分配控制方法包括：計算預測的當前所需實際功率與采集的標之間的偏差；計算各偏差絕對值之間的加權當前實際輸出功率的差值進行供給分配，輸出21.一種混合動力系統(tǒng)的輸出功率分配控制方法，其特征在于，包括：預測負載當前所需實際功率，并采集混合動力系統(tǒng)中PEMFC的當前實際輸出功率；計算所述當前所需實際功率與所述當前實際輸出功率的偏差，所述當前實際輸出功率與前一次采集的實際輸出功率之間的偏差，以及當前采集下與前一次采集下PEMFC的壽命指標之間的偏差；并計算各偏差絕對值之間的加權和，其中各權重系數(shù)取同號；控制已訓練的自適應模糊神經(jīng)網(wǎng)絡基于所述加權和的取值，通過模糊推理對所述當前所需實際功率和所述當前實際輸出功率的差值進行供給分配，輸出PEMFC待向負載輸出的的其它動力源提供或接收，使得PEMFC向負載輸出動力系統(tǒng)滿足負載當前所需實際功率需求，完成混合動力系統(tǒng)的當前控制。2.根據(jù)權利要求1所述的輸出功率分配控制方法，其特征在于，采用已訓練的GRU預測3.根據(jù)權利要求1所述的輸出功率分配控制方法，其特征在于，各偏差具體為差值的平方和。4.根據(jù)權利要求1所述的輸出功率分配控制方法，其特征在于，所述壽命指標為剩余電化學活性表面積。5.根據(jù)權利要求1所述的輸出功率分配控制方法，其特征在于，所述壽命指標為剩余電化學活性表面積與原始電化學活性表面積的比值。6.根據(jù)權利要求1所述的輸出功率分配控制方法，其特征在于，在加權和計算時，當前采集下與前一次采集下PEMFC的壽命指標之間的偏差的權重系數(shù)取值大于其它權重系數(shù)。7.根據(jù)權利要求1所述的輸出功率分配控制方法，其特征在于，所述自適應模糊神經(jīng)網(wǎng)絡的訓練樣本采用循環(huán)工況數(shù)據(jù)。8.一種混合動力系統(tǒng)的輸出功率分配控制系統(tǒng)，其特征在于，用于執(zhí)行如權利要求1至7任一項所述的一種混合動力系統(tǒng)的輸出功率分配控制方及功率分配單元；預測單元用于預測負載當前所需實際功率；采集單元用于采集混合動力系統(tǒng)中PEMFC的當前實際輸出功率；注意力增強單元用于計算所述當前所需實際功率與所述當前實際輸出功率的偏差，所述當前實際輸出功率與前一次采集的實際輸出功率之間的偏差，以及當前采集下與前一次采集下PEMFC的壽命指標之間的偏差；并計算各偏差絕對值之間的加權和，其中各權重系數(shù)取同號；功率分配單元用于控制已訓練的自適應模糊神經(jīng)網(wǎng)絡基于所述加權和的取值，通過模糊推理，對所述當前所需實際功率和所述PEMFC當前實際輸出功率的差值進行供給分配，輸出PEMFC待向負載輸出的功率值，該功率值與所述加權和成反比，所述差值與該功率值之間衰老的功率值，同時混合動力系統(tǒng)滿足負載當前所需實際功率需求。9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序被處理器運行時控制所述存儲介質所在設備執(zhí)行如權利要求1至7任一項所述的一種混合動力系統(tǒng)的輸出功率分配控制方法。3一種混合動力系統(tǒng)的輸出功率分配控制方法技術領域[0001]本發(fā)明屬于混合動力能量分配領域，更具體地，涉及一種混合動力系統(tǒng)的輸出功率分配控制方法。背景技術[0002]從人類早期文明時期以木材等資源作為能源的開始，經(jīng)歷了工業(yè)革命時期化石燃料的爆炸式發(fā)展，到今日太陽能、風能、氫能等新一代清潔能源逐漸占領能源市場的一席之地，能源技術的更新?lián)Q代是推動世界經(jīng)濟發(fā)展的重要動力來源之一。以新型清潔能源氫能為動力的燃料電池憑借其自身環(huán)保、高效、可靠、低風險等諸多優(yōu)勢廣泛應用于交通運輸、工業(yè)生產(chǎn)、分布式儲能等領域。與其廣闊的應用前景相悖的一點是氫能燃料電池的耐久性[0003]特別是實際負載功率需求頻繁發(fā)生變化的復雜工況，例如車輛行駛工況，車用的PEMFC系統(tǒng)需要根據(jù)車輛行駛工況計算得到的實際需求功率實時地調整電能的輸出，這很有可能會導致PEMFC系統(tǒng)內部某些部件出現(xiàn)結構變化或性能衰減，例如催化層的鉑催化劑溶解或沉積導致電化學活性面積的降低或者氣體擴散層的碳腐蝕等等，這些微小的損傷很難直接觀察得到，若不加以注意，則可能會引發(fā)電堆輸出特性的大幅度下降，嚴重的情況甚能退化的預測和延緩衰老的控制策略至關重要。[0004]目前對于燃料電池的衰退機理分析已經(jīng)做了一定的工作，但是還不夠全面，例如，對車用燃料電池系統(tǒng)的建模中很少有涉及到電堆衰減的因素，對車用燃料電池剩余壽命預測存在的一些問題；由于衰退機理的復雜，目前的實驗和研究仍在探索階段，給出一個反映出燃料電池衰減的統(tǒng)一模型十分困難。在此基礎上，目前對混合動力系統(tǒng)采用的控制方法有基于下垂控制的狀態(tài)機策略的控制、基于頻率分離的能量管理策略的控制、基于支持向量機的控制、基于雙Q強化學習的能量管理的控制和基于深層神經(jīng)網(wǎng)絡的控制等，而這些控制策略少有考慮到混合動力系統(tǒng)的延壽，設計一個能夠實現(xiàn)混合動力系統(tǒng)的實時控制與延壽的方法是十分重要的。發(fā)明內容[0005]針對現(xiàn)有技術的缺陷和改進需求，本發(fā)明提供了一種混合動力系統(tǒng)的輸出功率分配控制方法，其目的在于提出一種混合動力系統(tǒng)的輸出功率分配控制方法，以在實時快速[0006]為實現(xiàn)上述目的，按照本發(fā)明的一個方面，提供了一種混合動力系統(tǒng)的輸出功率[0008]計算所述當前所需實際功率與所述當前實際輸出功率的偏差，所述當前實際輸出功率與前一次采集的實際輸出功率之間的偏差，以及當前采集下與前一次采集下PEMFC的4壽命指標之間的偏差；并計算各偏差絕對值之間的加權和，其中各權重系數(shù)取同號；[0009]控制已訓練的自適應模糊神經(jīng)網(wǎng)絡基于所述加權和的取值，通過模糊推理對所述當前所需實際功率和所述當前實際輸出功率的差值進行供給分配，輸出PEMFC待向負載輸出的功率值，該功率值與所述加權和成反比，所述差值與該功率值之間的差值部分由PEMFC以外的其它動力源提供或接收，使得PEMFC向負載輸出能夠延緩PEMFC衰老的功率值，同時混合動力系統(tǒng)滿足負載當前所需實際功率需求，完成混合動力系統(tǒng)的當前控制。[0010]進一步，采用已訓練的GRU預測神經(jīng)網(wǎng)絡，基于歷史實際工況，預測負載當前所需實際功率。[0011]進一步，各偏差具體為差值的平方和。[0012]進一步，所述壽命指標為剩余電化學活性表面積。[0013]進一步，所述壽命指標為剩余電化學活性表面積與原始電化學活性表面積的比值。[0014]進一步，在加權和計算時，當前采集下與前一次采集下PEMFC的壽命指標之間的偏差的權重系數(shù)取值大于其它權重系數(shù)。[0015]進一步，所述自適應模糊神經(jīng)網(wǎng)絡的訓練樣本采用循環(huán)工況數(shù)據(jù)。[0016]本發(fā)明提供一種混合動力系統(tǒng)的輸出功率分配控制系統(tǒng)，其特征在于，用于執(zhí)行如上所述的一種混合動力系統(tǒng)的輸出功率分配控制方法，包括：預測單元，采集單元，以及功率分配單元；[0017]預測單元用于預測負載當前所需實際功率；[0018]采集單元用于采集混合動力系統(tǒng)中PEMFC的當前實際輸出功率；[0019]注意力增強單元用于計算所述當前所需實際功率與所述當前實際輸出功率的偏差，所述當前實際輸出功率與前一次采集的實際輸出功率之間的偏差，以及當前采集下與前一次采集下PEMFC的壽命指標之間的偏差；并計算各偏差絕對值之間的加權和，其中各權重系數(shù)取同號；[0020]功率分配單元用于控制已訓練的自適應模糊神經(jīng)網(wǎng)絡基于所述加權和的取值，通過模糊推理，對所述當前所需實際功率和所述PEMFC當前實際輸出功率的差值進行供給分配，輸出PEMFC待向負載輸出的功率值，該功率值與所述加權和成反比，所述差值與該功率值之間的差值部分由PEMFC以外的其它動力源提供或接收，使得PEMFC向負載輸出能夠延緩PEMFC衰老的功率值，同時混合動力系統(tǒng)滿足負載當前所需實際功率需求。[0021]本發(fā)明還提供一種計算機可讀存儲介質，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序被處理器運行時控制所述存儲介質所在設備執(zhí)行如上所述的一種混合動力系統(tǒng)的輸出功率分配控制方法。[0023](1)本發(fā)明討論操作條件對于燃料電池壽命的影響，通過控制的手段延緩燃料電池的衰減。具體提出基于注意力增強機制的模糊自適應神經(jīng)網(wǎng)絡，注意力增強機制即為：計算當前所需實際功率與PEMFC當前實際輸出功率的偏差，PEMFC當前實際輸出功率與前一次采集的實際輸出功率之間的偏差，以及當前采集下與前一次采集下PEMFC的壽命指標之間的偏差；并計算各偏差絕對值之間的加權和，其中各權重系數(shù)取同號，將該加權和作為模糊神經(jīng)網(wǎng)絡的一個輸入，模糊神經(jīng)網(wǎng)絡通過模糊推理，對當前所需實際功率和PEMFC當前實際5輸出功率的差值進行供給分配，輸出PEMFC待向負載輸出的功率值，該功率值與所述加權和成反比，所述差值與該功率值之間的差值部分由其它動力源提供或接收，使得PEMFC向負載輸出能夠延緩PEMFC衰老的功率值。也就是，上述加權和作為模糊神經(jīng)網(wǎng)絡輸出的影響因[0024](2)在加權和計算時，當前采集下與前一次采集下PEMFC的壽命指標之間的偏差的權重系數(shù)取值大于其它權重系數(shù)，使得自適應模糊神經(jīng)網(wǎng)絡優(yōu)先對△ECSA進行優(yōu)化考慮，更好達到延壽的效果。[0025](3)本發(fā)明通過GRU預測神經(jīng)網(wǎng)絡對于包含PEMFC的混合動力系統(tǒng)的實際工況進行預測，并將預測得到的當前的負載需求功率Preg傳遞給自適應模糊神經(jīng)網(wǎng)絡，從而能夠實現(xiàn)實時的預測控制功能。附圖說明[0026]圖1為本發(fā)明實施例提供的一種混合動力系統(tǒng)的輸出功率分配控制方法框架示意[0027]圖2為本發(fā)明實施例提供的車用PEMFC系統(tǒng)結構圖；[0028]圖3為本發(fā)明實施例提供的一種混合動力系統(tǒng)的輸出功率分配控制方法流程圖；[0029]圖4為本發(fā)明實施例提供的在CLTC-P、EPA、NYCC和WLTC四種工作狀況下利用GRU預測網(wǎng)絡進行預測的結果圖；[0030]圖5為本發(fā)明實施例提供的在CLTC-P、EPA、NYCC和WLTC四種工作狀況，采用普通模糊神經(jīng)網(wǎng)絡與基于預測和注意力增強機制的模糊神經(jīng)網(wǎng)絡對混合動力系統(tǒng)進行調控得到PEMFC的ECSA隨時間變化圖；糊神經(jīng)網(wǎng)絡與基于預測和注意力增強機制的模糊神經(jīng)網(wǎng)絡對混合動力系統(tǒng)進行調控得到具體實施方式[0032]為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。此外，下面所描述的本發(fā)明各個實施方式中所涉及到的技術特征只要彼此之間未構成沖突就可以相互組合。[0034]一種混合動力系統(tǒng)的輸出功率分配控制方法，如圖1所示，包括：[0035]預測負載當前所需實際功率，并采集[0036]計算當前所需實際功率與當前實際輸出功率的偏差，當前實際輸出功率與前一次采集的實際輸出功率之間的偏差，以及當前采集下與前一次采集下PEMFC的壽命指標之間的偏差；并計算各偏差絕對值之間的加權和，其中各權重系數(shù)取同號；[0037]控制已訓練的自適應模糊神經(jīng)網(wǎng)絡基于所述加權和的取值，通過模糊推理，對當6前所需實際功率和當前實際輸出功率的差值進行供給分配，輸出PEMFC待向負載輸出的功率值，該功率值與所述加權和成反比，所述差值與該功率值之間的差值部分由其它動力源負載當前所需實際功率需求，完成PEMFC/鋰電池混合動力系統(tǒng)的當前控制。[0038]本實施例選用車用質子交換膜燃料電池(ProtonExchangeMembraneFuel[0039]本實施例以車用質子交換膜燃料電池(ProtonExchangeMembraneFuelCell,PEMFC)/鋰電池混合動力系統(tǒng)的耐久性問題為出發(fā)點，從建模、預測和控制的不同角度對[0040]具體的，首先，為了簡潔明了且極具代表性地展示PEMFC的剩余壽命，本實施例選用PEMFC電堆催化層鉑的溶解和沉積造成的電化學活性面積(ECSA),可作為優(yōu)選的，利用歸一化后的ECSA作為PEMFC剩余使用壽命的指標，以方便不同型號PEMFC的壽命性能對比。[0041]其次，為了能夠實時對車用PEMFC混合動力系統(tǒng)進行控制，控制器需要更加迅速地做出響應。為了使得控制器能夠反應更加迅速的方法有兩種，一種是從硬件升級的角度出發(fā)，而另一種是從軟件編程的角度出發(fā)。但是硬件的升級相比較于軟件而言，其升級換代周期較長，這是不利于用戶的一種方法。因此，為了能夠更加貼近現(xiàn)實生活，本實施例選用從軟件的角度出發(fā)來解決這個問題，可作為優(yōu)選的，采用神經(jīng)網(wǎng)絡預測器對未來情況進行提前預測，將預測信息作為前饋信息傳遞給自適應模糊神經(jīng)網(wǎng)絡。[0042]針對本發(fā)明研究的背景，實際的交通中，存在各種各樣的隨機性問題，往往需要在很短的時間內通過少量的歷史數(shù)據(jù)來窺探未來。為了能夠做到快速高效地實時預測未來的工作狀況，本實施例提出一種輕量化的神經(jīng)網(wǎng)絡來實現(xiàn)這個功能。因此，可作為優(yōu)選的，選取GRU預測神經(jīng)網(wǎng)絡來作為預測器，基于歷史實際工況，預測負載當前所需實際功率，本方法均方誤差較低，準確度高，且由于神經(jīng)網(wǎng)絡已訓練完成，在實際運行時所需算力少，運算門和輸出門。在更新門和重置門的輔助下，GRU最終實現(xiàn)了調節(jié)輸入值、記憶值和輸出值的功能。為了能夠更好地針對實時的工作狀況進行預測，通過實踐可作為優(yōu)選的示例，其輸入層神經(jīng)元個數(shù)為1,隱藏層神經(jīng)元個數(shù)為288,輸出層神經(jīng)元個數(shù)為1。在訓練中，求解器的設置為adam,梯度閾值的設置為1。為了避免過擬合的情況出現(xiàn)，指定初始學習率為0.005,并且每500輪訓練后通過乘以因子0.2來降低學習率。通過GRU預測神經(jīng)網(wǎng)絡對于PEMFC/鋰電池混合動力系統(tǒng)的實際工況進行預測，并將預測得到的當前的負載需求功率Pre傳遞給自適應模糊神經(jīng)網(wǎng)絡，從而能夠實現(xiàn)實時的預測控制功能。[0044]另外，在控制中，為了實現(xiàn)同時滿足PEMFC混合動力系統(tǒng)為車輛的正常行駛提供充足的能量以及PEMFC的延壽，這對控制方法提出了較大的要求。而模糊神經(jīng)網(wǎng)絡控制由于具有強大的學習與推理能力。所以它能夠在復雜的環(huán)境中，根據(jù)先有經(jīng)驗、系統(tǒng)的固有屬性與系統(tǒng)本身的約束等，合理地推斷出需要如何輸出才能夠實現(xiàn)PEMFC的延壽。因而較為適合處理這類問題。[0045]模糊神經(jīng)網(wǎng)絡是將神經(jīng)網(wǎng)絡與模糊系統(tǒng)結合之后得到的產(chǎn)物，汲取了二者的優(yōu)7能力。模糊神經(jīng)網(wǎng)絡的本質是將常規(guī)的神經(jīng)網(wǎng)絡輸入模糊輸入信號和模糊權值。神經(jīng)網(wǎng)絡的輸入層是模糊系統(tǒng)的輸入信號，輸出層是模糊系統(tǒng)的輸出信號，隱藏層是隸屬函數(shù)和模糊規(guī)則。對于從環(huán)境中知識的表達、存儲、運用以及獲取方面來看，模糊神經(jīng)網(wǎng)絡具有以下一些特點：[0046](1)從知識的表達方式來看，模糊系統(tǒng)可以表達人的經(jīng)驗性知識，便于理解，而神經(jīng)網(wǎng)絡只能描述大量數(shù)據(jù)之間的復雜函數(shù)關系，難于理解。[0047](2)從知識的存儲方式來看，模糊系統(tǒng)將知識存在規(guī)則集中，神經(jīng)網(wǎng)絡將知識存在權系數(shù)中，都具有分布存儲的特點。[0048](3)從知識的運用方式來看，模糊系統(tǒng)和神經(jīng)網(wǎng)絡都具有并行處理的特點，模糊系[0049](4)從知識的獲取方式來看，模糊系統(tǒng)的規(guī)則靠專家提供或設計，難于自動獲取。而神經(jīng)網(wǎng)絡的權系數(shù)可由輸入輸出樣本中學習，無需人來設置。[0050]模糊神經(jīng)網(wǎng)絡雖然也是局部逼近網(wǎng)絡，但是它是按照模糊系統(tǒng)模型建立的，網(wǎng)絡中的各個結點及所有參數(shù)均有明顯的物理意義，因此這些參數(shù)的初值可以根據(jù)系統(tǒng)或定性的知識來加以確定(本實施例中，輸入的物理含義包括功率，輸出的物理含義為電流),然后利用上述的學習算法可以很快收斂到要求的輸入輸出關系，這是模糊神經(jīng)網(wǎng)絡比前面單純的神經(jīng)網(wǎng)絡的優(yōu)點所在。同時由于它具有神經(jīng)網(wǎng)絡的結構，因而參數(shù)的學習和調整比較容易，這是它比單純的模糊邏輯系統(tǒng)的優(yōu)點所在。[0051]另外，基于本發(fā)明研究問題的復雜程度，不僅需要一種能夠具有學且泛化能力強的控制方案來實現(xiàn)控制功能，而且需要這種控制方案能夠充分地保護被控對象，針對性地改進其性能，提出注意力增強機制的模糊自適應神經(jīng)網(wǎng)絡控制器，作為核心控[0052]注意力增強機制即為：計算當前所需實際功率與PEMFC當前實際輸出功率的偏差，PEMFC當前實際輸出功率與前一次采集的實際輸出功率之間的偏差，以及當前采集下與前一次采集下PEMFC的壽命指標之間的偏差；并計算各偏差絕對值之間的加權和，其中各權重系數(shù)取同號，將該加權和作為模糊神經(jīng)網(wǎng)絡的一個輸入，模糊神經(jīng)網(wǎng)絡通過模糊推理，對當前所需實際功率和PEMFC當前實際輸出功率的差值進行供給分配，輸出PEMFC待向負載輸出的功率值，該功率值與所述加權和成反比，所述差值與該功率值之間的差值部分由鋰電池學習到如何調控輸出以使得最能延緩PEMFC的衰老，矯正了輸出，增強了模糊神經(jīng)網(wǎng)絡的泛化能力，因此，上述加權和作為模糊神經(jīng)網(wǎng)絡輸出的影響因子，使得分配給PEMFC的功率值與加權和成反比，通過獎懲的方式，多次反饋，使得加權和趨近于0,實現(xiàn)功率快速跟蹤(體現(xiàn)在當前所需實際功率與PEMFC當前實際輸出功率的偏差)、實現(xiàn)功當前實際輸出功率與前一次采集的實際輸出功率之間的偏差)、實現(xiàn)PEMFC的ECSA緩慢波動(體現(xiàn)在當前采集下與前一次采集下PEMFC的壽命指標之間的偏差),能夠充分保護PE[0053]也就是，本實施例提出的基于注意力增強機制的模糊自適應神經(jīng)網(wǎng)絡，與傳統(tǒng)的模糊神經(jīng)網(wǎng)絡相比，注意力增強機制將更多的要求模糊自適應神經(jīng)網(wǎng)絡夠實現(xiàn)功率快速跟8[0058]總的來說，本實施例方法通過GRU神經(jīng)網(wǎng)絡預測模塊可以對實際工況進行實時預控制與延壽。衰減影響的情況而總結的經(jīng)驗模型。膜水含量λ與質子交換膜處的氣體相對濕度又相關，于是具體的子模型搭建方法是分別在當質子交換膜處的氣體相對濕度為50%與100%的條體中，初始狀態(tài)下相對濕度RH=0.5,設定入口氣體的濕9[0067]其中，T表示在i處的溫度。假設從陰陽極入口到出口的水蒸氣分壓呈現(xiàn)出線性遞增關系，則陰陽極氣體中的水蒸氣分壓如式(3)所示：[0072]λ表示質子交換膜處的水含量，a表示質子交換膜處的相對濕度，Psat,m表示質子交換膜處的大氣壓力。[0074]描述電壓影響ECSA衰減的子模型是通過獲取不同的電壓和電壓變化率對衰減影響的情況而總結的經(jīng)驗模型。[0075]描述催化層氣體流道的子模型是對催化層物理描述數(shù)值化的經(jīng)驗模型，具體包括設定的Pt粒子總表面積、輸入到該流道的氧氣流速、輸入到該流道的氫氣流速以及可通過催化層的最大電流密度。[0076]根據(jù)經(jīng)驗公式推導得到，當水含量越小時，ECSA衰減至最小值所消耗的時間越長；動力系統(tǒng)中PEMFC的健康狀態(tài)，需要保持較低的水含量與較低的電壓及較低的電壓變化率。[0077]用剩余活性表面積S(N)與初始總活性表面積S。構建關系式，如式(6)所示：[0079]k表示影響因子，N表示循環(huán)次數(shù)，也可用時間/s代替，當濕度為50%時，通過對于實際數(shù)據(jù)的擬合，得到k=2.05×10??min?1,當濕度為100%時，通過對于實際數(shù)據(jù)的擬合，得到k=3.72×10?4min?1。設,當ECSA不斷降解時，存在一個最小的ECSA,記為導致的ECSA衰減速率因子，kdwe?1為電壓持續(xù)時間導致的ECSA衰減速率因子?？梢元毩⒌难衃0085]式中，C為常數(shù)值，取值為0.00152mV?1,UPL表示在采樣周期內電壓的局部最大值，tdwel?表示在采用周期內電壓維持在電壓局部最小值的時長。在本發(fā)明只研究相對濕度、電[0086]為了更好地說明本發(fā)明，在基于質子交換膜燃料電池系統(tǒng)實驗測試平臺上進行示[0087]在所述測試平臺上運行本實施例所提出的輸出功率分配控制方法以及基于普通仿真結果。其中，各工況數(shù)據(jù)是將各自工況的原始速度數(shù)據(jù)通過經(jīng)驗公式轉化為功率數(shù)據(jù)得到。[0089](1)實際負載需求功率的歷史信息傳入負載功率預測模塊，獲得該時刻的負載功率需求Preg[0090](2)Pre一方面與PEMFC的輸出功率P做差以得到Perror,另一方面輸入至控制器作為調控的影響因素之一。[0092](4)通過部署在自適應模糊神經(jīng)網(wǎng)絡中的控制方法，實時調節(jié)PEMFC與鋰電池的能量輸出。同時控制器還兼具延緩PEMFC性能衰減與鋰電池保護的功能，能夠使它們都在正常的工作區(qū)間內工作。[0093](5)PEMFC/鋰電池混合動力系統(tǒng)的功率輸出通過反饋的方式滿足當前時刻實際的將由鋰電池提供，而當需求功率低于PEMFC的輸出功率時，PEMFC輸出功率高于需求功率的部分將為鋰電池進行充電。[0094](6)返回步驟(1),如此反復循環(huán)，最終達到實時響應負載功率需求與延緩PEMFC性能衰退的目的。可以發(fā)現(xiàn)預測出來的負載需求功率與實際負載需求功率已經(jīng)非常吻合了。為了能夠更加清晰地呈現(xiàn)出GRU預測網(wǎng)絡的預測結果與實際結果之間的差距，本實施例采用RMSE作為其誤誤差很小，同時意味著用GRU預測網(wǎng)絡的預測值來估計未來的工作狀況這一個方法是準確且可行的。[0096]在不同工況下的GRU預測結果與實際結果之間的差距11工作狀況工作狀況，采用普通模糊神經(jīng)網(wǎng)絡與基于預測和注意力增強機制的模糊神經(jīng)網(wǎng)絡對混合動力系統(tǒng)進行調控得到PEMFC的ECSA隨時間變化的情況。本實施例所采用的改進后的模糊神經(jīng)網(wǎng)絡，即注意力增強機制的模糊自適應神經(jīng)網(wǎng)絡，相比較于普通的模糊神經(jīng)網(wǎng)絡而言，可以更好地減少PEMFC中ECSA的衰減。這說明本實施例采用的注意力增強機制對于抑制ECSA衰減產(chǎn)生了積極的作用。工作狀況下，采用普通模糊神經(jīng)網(wǎng)絡與基于預測和注意力增強機制的模糊神經(jīng)網(wǎng)絡對混合動力系統(tǒng)進行調控得到鋰電池的SOC隨時間變化減緩了SOC的變化。而減緩SOC的變化，意味著對于鋰電池來說，其壽命也得到了延長。與此同時，本實施例采用的注意力增強機制也保證了SOC處于正常的工作范圍。相比較于普通的模糊神經(jīng)網(wǎng)絡而言，本文采用的注意力增強機制的模糊神經(jīng)網(wǎng)絡更加能夠延長PEMFC混合動力系統(tǒng)的使用壽命。[0100]總的來說，本實施例給出一種對于PEMFC/鋰電池混合動力系統(tǒng)的控制方法，這種方法是基于預測和注意力增強機制的模糊自適應神經(jīng)網(wǎng)絡控制的方法，屬于混合動力能量分配領域。基于預測和注意力增強機制的模糊自適應神經(jīng)網(wǎng)絡控的方法，通過GRU神經(jīng)網(wǎng)絡預測模塊對實際工況進行實時預測并采用注意力增強機制矯正模糊神經(jīng)網(wǎng)絡控制器的動作，同時考慮了預測的當前負載需求功率、PEMFC當前的實際輸出功率和注意力增強機制的影響值，三種因素交叉耦合共同作用，更準確實時地對PEMFC/鋰電池混合動力系統(tǒng)進行了調控?；陬A測和注意力增強機制的模糊自適應神經(jīng)網(wǎng)絡控制的方法，在混合動力系統(tǒng)功案實現(xiàn)了對PEMFC混合動力系統(tǒng)的實時控制與延壽。[0102]一種混合動力系統(tǒng)的控制器，用于執(zhí)行如上所述的一種混合動力系統(tǒng)的輸出功率[0103]其中，預測單元用于預測負載當前所需實際功率；采集單元用于采集PEMFC當前實際輸出功率；注