多尺度注意力动态网络

预测误差降近三成

同时建模退化模式与环境影响，提升PEMFC多步性能预测的准确性与鲁棒性。

Li, Mengran · Wenbin, Xing · 张荣辉

Process Safety and Environmental Protection: Transactions of the Institution of Chemical Engineers, Part B 2025

参数信息

平均绝对误差降低率

27.63 %

均方误差降低率

37.48 %

技术优势

预测误差大幅下降

模型在两类工业数据集上平均将 MAE 降低 27.63%、MSE 降低 37.48%，显著优于基线模型。

预测更鲁棒

功能贡献分析和可视化研究证实，该模型在不同运行条件下都能保持可靠的预测性能。

应用场景

• 燃料电池预测性维护：提前捕捉性能劣化趋势，变定时维护为按需维护，减少停机损失。
• 氢能系统寿命优化：依据多步性能预测优化运行策略，延长电堆服役寿命，降低全生命周期成本。
• 能源设备智能运维：作为在线预测模块嵌入运维系统，无需人工经验即可实时评估健康状态。