Login| Sign Up| Help| Contact|

Patent Searching and Data


Title:
METHOD FOR MONITORING THE OPERATION OF AT LEAST ONE FUEL CELL DEVICE AND FUEL CELL DEVICE
Document Type and Number:
WIPO Patent Application WO/2021/176027
Kind Code:
A1
Abstract:
The invention relates to a method for monitoring the operation of at least one fuel cell device (10), wherein in at least one method step, fuel use is determined based on a machine learning process (44) for controlling the fuel use. According to the invention, in at least one method step a convolutional neural network (14) is used for the machine learning process (44).

Inventors:
HERING MARTIN (US)
SCHAEFER FELIX (DE)
Application Number:
PCT/EP2021/055533
Publication Date:
September 10, 2021
Filing Date:
March 05, 2021
Export Citation:
Click for automatic bibliography generation   Help
Assignee:
BOSCH GMBH ROBERT (DE)
International Classes:
H01M8/04746; H01M8/04992
Foreign References:
US20180284741A12018-10-04
Other References:
CHEN JINWEI ET AL: "Study on Fuel Utilization Dynamic model of a SOFC-GT Hybrid System Based on Deep Learning Technique", E3S WEB OF CONFERENCES, vol. 113, 21 August 2019 (2019-08-21), pages 02010, XP055805021, ISSN: 2267-1242, DOI: 10.1051/e3sconf/201911302010
WU ET AL: "Predictive control of SOFC based on a GA-RBF neural network model", JOURNAL OF POWER SOURCES, ELSEVIER SA, CH, vol. 179, no. 1, 23 December 2007 (2007-12-23), pages 232 - 239, XP022512073, ISSN: 0378-7753, DOI: 10.1016/J.JPOWSOUR.2007.12.036
PENG SHURONG ET AL: "Prediction of Probability Density of Electric Vehicle Load Based on Deep Learning QRDCC Model", 2019 IEEE 3RD CONFERENCE ON ENERGY INTERNET AND ENERGY SYSTEM INTEGRATION (EI2), IEEE, 8 November 2019 (2019-11-08), pages 1225 - 1229, XP033748384, DOI: 10.1109/EI247390.2019.9061701
ANONYMOUS: "Convolutional neural network", 7 September 2013 (2013-09-07), XP002803012, Retrieved from the Internet
Download PDF:
Claims:
Ansprüche

1. Verfahren zu einer Betriebsüberwachung zumindest einer Brennstoffzellen vorrichtung (10), wobei in zumindest einem Verfahrensschritt eine Brenn stoffnutzung auf einem maschinellen Lernprozess (44) basierend ermittelt wird zu einer Regelung der Brennstoffnutzung, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt ein faltendes neuronales Netz werk (14) für den maschinellen Lernprozess (44) verwendet wird.

2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt die Brennstoffnutzung durch das faltende neurona le Netzwerk (14) in Echtzeit ermittelt wird.

3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt die Brennstoffnutzung aus einer Nernst- Spannung ermittelt wird.

4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Nernst- Spannung aus zumindest einer Zellspannung und zumindest einem Über potential ermittelt wird.

5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt zumindest ein Über potential aus thermischen Verlusten ermittelt wird.

6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt eine Anodengasre- zirkulation, ein dem System zugeführter Brenngasstrom, ein dem System zugeführter Stackstrom und/oder eine dem System zugeführte Stackspan nung basierend auf der Brennstoffnutzung geregelt wird.

7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in dem maschinellen Lernprozess (44) von dem faltenden neuronalen Netzwerk (14) auf Pooling verzichtet wird.

8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in dem maschinellen Lernprozess (44) eine kausale Fal tung von dem faltenden neuronalen Netzwerk (14) durchgeführt wird.

9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in dem maschinellen Lernprozess (44) eine erweiterte kau sale Faltung von dem faltenden neuronalen Netzwerk (14) durchgeführt wird.

10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in zumindest einem Verfahrensschritt der maschinelle Lernprozess (44) mittels eines physikalischen Modells eingelernt wird.

11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, dass in zumin dest einem Verfahrensschritt das physikalische Modell mittels Messdaten verifiziert wird.

12. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der maschinelle Lernprozess (44) durch zumindest einen Hyperparameter verifiziert wird.

13. Brennstoffzellenvorrichtung mit einer Recheneinheit (12) zu einer Durchfüh rung eines Verfahrens nach einem der Ansprüche 1 bis 12.

Description:
Beschreibung

Verfahren zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvor richtung und Brennstoffzellenvorrichtung

Stand der Technik

Es ist bereits ein Verfahren zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvorrichtung, wobei in zumindest einem Verfahrensschritt eine Brennstoffnutzung auf einem maschinellen Lernprozess basierend ermittelt wird zu einer Regelung der Brennstoffnutzung, vorgeschlagen worden.

Offenbarung der Erfindung

Die Erfindung geht aus von einem Verfahren zu einer Betriebsüberwachung zu mindest einer Brennstoffzellenvorrichtung, wobei in zumindest einem Verfah rensschritt eine Brennstoffnutzung auf einem maschinellen Lernprozess basie rend ermittelt wird zu einer Regelung der Brennstoffnutzung.

Es wird vorgeschlagen, dass in zumindest einem Verfahrensschritt ein faltendes neuronales Netzwerk für den maschinellen Lernprozess verwendet wird.

Die Brennstoffzellenvorrichtung kann insbesondere zusätzlich oder alternativ eine Elektrolyseurvorrichtung sein. Unter einer „Brennstoffzellenvorrichtung und/oder Elektrolyseurvorrichtung“ soll vorzugsweise zumindest ein Teil, insbesondere eine Unterbaugruppe, einer Brennstoffzelle, insbesondere einer, insbesondere ebenen, Festoxidbrennstoffzelle, und/oder eines Elektrolyseurs, insbesondere eines Hochtemperaturelektrolyseurs, verstanden werden, insbesondere für stati onäre oder mobile Anwendungen. Insbesondere kann die Brennstoffzellenvor- richtung und/oder Elektrolyseurvorrichtung auch die gesamte Brennstoffzelle, insbesondere die gesamte Festoxidbrennstoffzelle, den gesamten Elektrolyseur, insbesondere den gesamten Hochtemperaturelektrolyseur, einen Stack aus Brennstoffzellen und/oder Elektrolyseuren und/oder einen Verbund mehrerer Stacks aus Brennstoffzellen und/oder Elektrolyseuren umfassen. Vorzugsweise ist die Brennstoffzellenvorrichtung und/oder Elektrolyseurvorrichtung dazu vorge sehen, einen Brennstoff unter Zuführung eines Oxidans in einem, insbesondere elektrochemischen, Verbrennungsprozess zu einer elektrischen Energiegewin nung umzusetzen. Alternativ oder zusätzlich ist die Brennstoffzellenvorrichtung und/oder Elektrolyseurvorrichtung dazu vorgesehen, in einem Trennungsprozess unter Zuführung elektrischer Energie ein Fluid in zumindest zwei Bestandteile zu zerteilen. Unter „vorgesehen“ soll insbesondere speziell eingerichtet, speziell ausgelegt und/oder speziell aus-gestattet verstanden werden. Darunter, dass ein Objekt zu einer bestimmten Funktion vorgesehen ist, soll insbesondere verstan den werden, dass das Objekt diese bestimmte Funktion in zumindest einem An- wendungs- und/oder Betriebs-zustand erfüllt und/oder ausführt.

Unter einem „faltenden neuronalen Netzwerk“ soll ein Convolutional Neural Net work verstanden werden.

Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zu mindest einem Einlernschritt, ein faltendes neuronales Netzwerk für den maschi nellen Lernprozess verwendet. Vorzugsweise wird in zumindest einem Verfah rensschritt, insbesondere in zumindest einem Abfrageschritt, an das faltende neuronale Netzwerk zumindest ein Eingabeparameter, insbesondere zumindest ein Eingabevektor, übermittelt, bevorzugt zu einem Verarbeiten des zumindest einen Eingabeparameters, insbesondere des zumindest einen Eingabevektors. Vorzugsweise wird zumindest ein Verfahrensschritt, bevorzugt Einlernschritt, insbesondere der zumindest eine Einlernschritt, vor dem zumindest einen Abfra geschritt durchgeführt. Vorzugsweise wird zumindest ein Verfahrensschritt, be vorzugt zumindest der zumindest eine Abfrageschritt, insbesondere der zumin dest eine Einlernschritt, periodisch wiederholt. Vorzugsweise lernt in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Einlernschritt, ein faltendes neuronales Netzwerk einen Zusammenhang zwischen zumindest einer Nernst-Spannung und einer Brennstoffnutzung einer Brennstoffzelle, insbesonde re eines Stacks, bevorzugt an einem Zeitpunkt.

Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zu mindest einem Abfrageschritt, an das faltende neuronale Netzwerk zumindest ein Eingabevektor übermittelt, welcher Einträge umfasst für zumindest eine Strom stärke, eine Spannung, eine Lüfterdrehzahl, einen Volumenstrom, eine Volumen stromrate und/oder verschiedene Temperaturen der Brennstoffzellenvorrichtung, bevorzugt der Brennstoffzelle, insbesondere des Stacks, an zumindest einem Zeitpunkt, bevorzugt an jedem Zeitpunkt, an welchem entsprechende Werte ge messen werden können.

Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zu mindest einem Abfrageschritt, von dem faltenden neuronalen Netzwerk zumin dest ein Ausgabevektor ausgegeben, welcher Einträge umfasst für zumindest eine Brennstoffnutzung, insbesondere mehrere Brennstoffnutzungen, bevorzugt mehrere Brennstoffnutzungen als Konzentrationsgradient des Brenngases in einer Brennstoffzelle, bevorzugt in einem Brennstoffzellenstack, und/oder für zu mindest eine Nernst-Spannung, insbesondere mehrere Nernst-Spannungen, be vorzugt an jedem Zeitpunkt, an welchem entsprechende Werte gemessen wer den können. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbeson dere in zumindest einem Abfrageschritt, zumindest eine Nernst-Spannung auf einem maschinellen Lernprozess basierend ermittelt.

Durch die erfindungsgemäße Ausgestaltung des Verfahrens zu einer Betriebs überwachung zumindest einer Brennstoffzellenvorrichtung kann eine vorteilhaft genaue und gleichzeitig kostengünstige Betriebsüberwachung der Brennstoffzel lenvorrichtung erreicht werden.

Des Weiteren wird vorgeschlagen, dass in zumindest einem Verfahrensschritt die Brennstoffnutzung durch das faltende neuronale Netzwerk in Echtzeit ermittelt wird. Vorzugsweise wird in zumindest einem Abfrageschritt, insbesondere in dem zumindest einen Abfrageschritt, eine Brennstoffnutzung, insbesondere Fuel utilization, durch das faltende neuronale Netzwerk in Echtzeit ermittelt. Vorzugsweise wird in zumindest einem Abfrageschritt, insbesondere dem zumin dest einen Abfrageschritt, eine Brennstoffnutzung, insbesondere zumindest einer Brennstoffzelle, bevorzugt zumindest eines Stacks von Brennstoffzellen, insbe sondere in Echtzeit, ermittelt. Vorzugsweise wird in zumindest einem Verfahrens schritt, bevorzugt in zumindest einem Abfrageschritt, insbesondere in dem zu mindest einen Abfrageschritt, die zumindest eine Brennstoffnutzung durch das faltende neuronale Netzwerk nach zumindest einem Einlernschritt, insbesondere nach dem zumindest einen Einlernschritt, des faltenden neuronalen Netzwerks in Echtzeit ermittelt. Insbesondere soll unter Echtzeit in diesem Zusammenhang eine maximale Verzögerung von maximal 200 ms, bevorzugt von maximal 100 ms, besonders bevorzugt von maximal 50 ms und ganz besonders bevorzugt von maximal 10 ms verstanden werden. Vorzugsweise wird in zumindest einem Verfahrensschritt die zumindest eine Brennstoffnutzung durch das faltende neu ronale Netzwerk zumindest teilweise online, bevorzugt in Echtzeit, ermittelt. Vor zugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, von dem faltenden neuronalen Netzwerk zumindest ein Ausgabevektor in Echtzeit ausgegeben. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, von dem fal tenden neuronalen Netzwerk zumindest ein Ausgabevektor ausgegeben, welcher insbesondere zumindest einen Eintrag umfasst für eine Brennstoffnutzung, be vorzugt zu jedem Zeitpunkt des zumindest einen Eingabevektors. Es kann ein vorteilhaft in Echtzeit durchführbares Steuern und/oder Regeln des Betriebsver fahrens erreicht werden. Es kann eine vorteilhaft in Echtzeit steuerbare und/oder regelbare Brennstoffzellenvorrichtung erreicht werden.

Ferner wird vorgeschlagen, dass in zumindest einem Verfahrensschritt die Brennstoffnutzung aus einer Nernst-Spannung ermittelt wird. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfra geschritt, an das faltende neuronale Netzwerk zumindest ein Eingabevektor übermittelt, welcher zumindest einen Eintrag umfasst für zumindest eine Nernst- Spannung der Brennstoffzellenvorrichtung, bevorzugt der Brennstoffzelle, insbe sondere des Stacks, an zumindest einem Zeitpunkt, bevorzugt an jedem Zeit punkt, an welchem entsprechende Werte gemessen werden können. Vorzugs weise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest ei nem Abfrageschritt, von dem faltenden neuronalen Netzwerk zumindest ein Aus- gabevektor ausgegeben, welcher Einträge umfasst für eine Brennstoffnutzung, welche aus der zumindest einen Nernst-Spannung, durch das faltende neuronale Netzwerk ermittelt wurde, bevorzugt an jedem Zeitpunkt, an welchem entspre chende Werte gemessen werden können. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfrageschritt, zumindest eine Brennstoffnutzung aus zumindest einer Nernst-Spannung auf einem ma schinellen Lernprozess basierend ermittelt. Vorzugsweise wird in zumindest ei nem Verfahrensschritt die Nernst-Spannung zumindest einer Brennstoffzelle aus einer Spannung der Brennstoffzelle und einer Temperatur der Brennstoffzelle ermittelt, bevorzugt berechnet. Es kann eine vorteilhaft schnelle Abschätzung der Brennstoffnutzung erreicht werden.

Des Weiteren wird vorgeschlagen, dass die Nernst-Spannung aus zumindest einer Zellspannung und aus zumindest einem Überpotential ermittelt wird. Vor zugsweise wird in zumindest einem Verfahrensschritt, insbesondere zumindest einem Einlernschritt, die Nernst-Spannung aus zumindest einer Zellspannung und aus zumindest einem Überpotential ermittelt. Es kann eine vorteilhaft schnel le und kostengünstige Abschätzung der Brennstoffnutzung erreicht werden.

Ferner wird vorgeschlagen, dass in zumindest einem Verfahrensschritt zumindest ein Überpotential aus thermischen Verlusten ermittelt wird. Vorzugsweise wird in zumindest einem Verfahrensschritt, insbesondere zumindest einem Einlern schritt, zumindest ein Überpotential aus thermischen Verlusten, bevorzugt in der Brennstoffzellenvorrichtung, insbesondere an der Brennstoffzelle und/oder an dem Stack, ermittelt. Es kann eine vorteilhafter geringer Rechenaufwand erreicht werden.

Des Weiteren wird vorgeschlagen, dass in zumindest einem Verfahrensschritt eine Anodengasrezirkulation, ein dem System zugeführter Brenngasstrom, ein dem System zugeführter Stackstrom und/oder eine dem System zugeführte Stackspannung basierend auf der Brennstoffnutzung geregelt wird. Vorzugswei se wird in zumindest einem Verfahrensschritt, insbesondere zumindest einem Regulierschritt, eine Anodengasrezirkulation, ein dem System zugeführter Brenngasstrom, ein dem System zugeführter Stackstrom und/oder eine dem Sys tem zugeführte Stackspannung basierend auf der Brennstoffnutzung geregelt. Es kann eine vorteilhafte Brennstoffnutzung über einer Betriebsdauer der Brenn stoffzellenvorrichtung gewährleistet werden. Insbesondere kann die Brennstoff zellenvorrichtung vorteilhaft nahe an einem Effizienzoptimum betrieben werden.

Ferner wird vorgeschlagen, dass in dem maschinellen Lernprozess von dem fal tenden neuronalen Netzwerk auf Pooling verzichtet wird. Vorzugsweise werden in dem maschinellen Lernprozess von dem faltenden neuronalen Netzwerk Poo- lingschichten vermieden. Vorzugsweise wird von dem faltenden neuronalen Netzwerk ein Ausgangsvektor ausgegeben mit der gleichen Zeitdimensionalität wie der Eingangsvektor. Es kann ein vorteilhaft genaues maschinelles Lernen erreicht werden. Insbesondere kann der Zeit- und/oder Kostenaufwand für den Einlernschritt vorteilhaft von dem Abfrageschritt getrennt werden.

Des Weiteren wird vorgeschlagen, dass in dem maschinellen Lernprozess eine kausale Faltung von dem faltenden neuronalen Netzwerk durchgeführt wird. Vor zugsweise wird in dem maschinellen Lernprozess von dem faltenden neuronalen Netzwerk zwischen jeder Schicht des neuronalen Netzwerks eine, bevorzugt kausale, Faltung durchgeführt. Vorzugsweise ermittelt das faltende neuronale Netzwerk in dem maschinellen Lernprozess aus dem zumindest einen Ein gangsvektor pro kausaler Faltung, bevorzugt pro Schicht des neuronalen Netz werks, zumindest einen Zwischenvektor, welcher insbesondere unabhängig ist von zukünftigen Zwischenvektoren, und insbesondere von dem Ausgangsvektor. Vorzugsweise wird in dem maschinellen Lernprozess von dem faltenden neuro nalen Netzwerk auf Rückkopplungen der Zwischenvektoren oder des zumindest einen Ausgangsvektors verzichtet. Es kann eine vorteilhafte Einhaltung einer Modellordnung für das maschinelle Lernen erreicht werden.

Ferner wird vorgeschlagen, dass in dem maschinellen Lernprozess eine erweiter te kausale Faltung von dem faltenden neuronalen Netzwerk durchgeführt wird. Vorzugsweise wird die kausale Faltung pro kausaler Faltung, bevorzugt pro Schicht des neuronalen Netzwerks, erweitert, bevorzugt um einen Faktor Zwei, insbesondere in Bezug auf die zuletzt durchgeführte kausale Faltung, insbeson dere in dem maschinellen Lernen von dem faltenden neuronalen Netzwerk. Vor zugsweise wird in dem maschinellen Lernprozess zumindest eine erweiterte kau sale Faltung von dem faltenden neuronalen Netzwerk durchgeführt zu einer Er- Weiterung eines rezeptiven Felds. Alternativ kann die kausale Faltung exponenti ell erhöht werden. Es kann eine vorteilhafte Vergrößerung des rezeptiven Felds des neuronalen Netzwerks erreicht werden, wobei insbesondere ein Rechenauf wand des faltenden neuronalen Netzwerks und/oder eine erreichbare Genauig keit durch das faltende neuronale Netzwerk zumindest im Wesentlichen gleich bleibt.

Des Weiteren wird vorgeschlagen, dass in zumindest einem Verfahrensschritt der maschinelle Lernprozess mittels eines physikalischen, insbesondere physika lisch-mathematischen, Modells eingelernt wird. Vorzugsweise wird in zumindest einem Einlernschritt, insbesondere in dem zumindest einen Einlernschritt, der maschinelle Lernprozess mittels eines physikalischen, insbesondere physika lisch-mathematischen, Modells, bevorzugt der Brennstoffzellenvorrichtung, einge lernt. Insbesondere ist das physikalische, insbesondere-physikalisch- mathematische, Modell mit Gleichungen beschreibbar. Es kann ein vorteilhaft realitätsnaher Verifizierungsstandard für das maschinelle Lernen erreicht werden.

Ferner wird vorgeschlagen, dass in zumindest einem Verfahrensschritt das phy sikalische, insbesondere physikalisch-mathematische, Modell mittels Messdaten verifiziert wird. Vorzugsweise wird in zumindest einem Verifizierschritt, insbeson dere in dem zumindest einen Verifizierschritt und/oder dem zumindest einen Ein lernschritt, das physikalische, insbesondere physikalisch-mathematische, Modell mittels Messdaten verifiziert. Vorzugsweise wird der zumindest eine Verifizier schritt periodisch wiederholt. Es kann ein vorteilhaft schnelles Einlernen des ma schinellen Lernprozesses erreicht werden. Insbesondere kann von dem faltenden neuronalen Netzwerk durch vorteilhaft wenige Schichten, insbesondere durch vorteilhaft wenige Faltungen, zumindest ein Ausgangsvektor erreicht werden, welcher vorteilhaft genau aus den Einträgen des Eingangsvektors zumindest eine Brenngasmolekülkonzentration ermittelt, bevorzugt abschätzt.

Des Weiteren wird vorgeschlagen, dass der maschinelle Lernprozess durch zu mindest einen Hyperparameter verifiziert wird. Vorzugsweise wird in dem ma schinellen Lernprozess, insbesondere in dem zumindest einen Verifizierschritt, eine bedingte Wahrscheinlichkeitsverteilung, insbesondere zu einer Maximum- Likelihood-Schätzung, verwendet. Vorzugsweise wird in dem maschinellen Lern- prozess, insbesondere in dem zumindest einen Verifizierschritt, durch den zu mindest einen Hyperparameter eine Überanpassung oder eine Unteranpassung erkannt. Vorzugsweise wird in dem maschinellen Lernprozess, insbesondere in dem zumindest einen Verifizierschritt, zumindest eine Softmax- Funktion ausge geben. Es kann ein vorteilhaft fehlerbereinigter maschineller Lernprozess erreicht werden. Es kann eine vorteilhaft frühzeitige Erkennung eines falschen, insbeson dere ungewollten, Lernmusters erreicht werden.

Darüber hinaus wird eine Brennstoffzellenvorrichtung mit einer Recheneinheit zu einer Durchführung eines erfindungsgemäßen Verfahrens vorgeschlagen.

Unter einer „Recheneinheit“ soll insbesondere eine Einheit verstanden werden, die von einer Auswerteeinheit und/oder einer Kontrolleinheit gebildet sein kann, wobei die Recheneinheit sowohl von einem Prozessor allein als auch insbeson dere von einem Prozessor und weiteren Elektronikbauteilen, wie beispielsweise einem Speichermittel, gebildet sein kann. Vorzugsweise ist die Recheneinheit zumindest als Teil, insbesondere Unterbaugruppe, eines Computers, eines Ser vers, eines Cloud-Speichers, und/oder eines Mobilgeräts, wie beispielsweise eines Smartphones oder eines Tablets, ausgebildet. Die Recheneinheit kann zumindest als Teil mehrerer Geräte ausgebildet sein. Die Recheneinheit kann als zumindest ein vollständiges Gerät, wie beispielsweise ein Computer, ausgebildet sein. Vorzugsweise ist die Recheneinheit räumlich beabstandet von dem falten den neuronalen Netzwerk angeordnet. Alternativ kann das faltende neuronale Netzwerk als Teil der Recheneinheit ausgebildet sein. Vorzugsweise ist das fal tende neuronale Netzwerk über ein Internet mit der Recheneinheit, insbesondere zu einer Datenübertragung, verbunden. Alternativ kann das faltende neuronale Netzwerk lokal mit der Recheneinheit, insbesondere zu einer Datenübertragung, verbunden sein, beispielsweise über ein Ethernet- Netzwerkkabel oder ein Glas faser-Netzwerkkabel.

Vorzugsweise umfasst die Brennstoffzellenvorrichtung zumindest eine Reforme reinheit. Unter einer „Reformereinheit“ soll in diesem Zusammenhang insbeson dere eine chemisch-technische Einheit zu zumindest einer Aufbereitung zumin dest eines kohlenwasserstoffhaltigen Brenngases, insbesondere eines Erdgases, insbesondere durch eine Dampfreformierung, durch eine partielle Oxidation, durch eine autotherme Reformierung und/oder durch eine Kombination einer Dampfreformierung mit einer CCh-Trockenreformierung, insbesondere zur Aufbe reitung des zumindest einen Brenngases, insbesondere Wasserstoff, und/oder zum Aufbrechen höherkettiger Alkene verstanden werden. Vorzugsweise weist das Brenngas zumindest Anteile an CH 4 -, an CO-, an CO 2 -, an H 2 -, an H 2 O- und/oder an N 2 auf, bevorzugt zumindest nach einer Reformierung, insbesondere strömungstechnisch. Vorzugsweise ist die Reformereinheit dazu vorgesehen, das Brenngas, welches bevorzugt langkettige Kohlenwasserstoffe aufweist, in ein wasserstoffreiches Gas, insbesondere Gasgemisch, umzuwandeln.

Vorzugsweise umfasst die Brennstoffzellenvorrichtung zumindest einen Wechsel richter. Unter einem „Wechselrichter“ soll in diesem Zusammenhang insbesonde re eine elektronische Einheit verstanden werden, welche zu einer Einspeisung der von der Brennstoffzelleneinheit erzeugten elektrischen Leistung in ein elektri sches Netz dazu vorgesehen ist, eine von der Brennstoffzelleneinheit bereitge stellte elektrische Gleichspannung in eine elektrische Wechselspannung zu wan deln. Unter einem „elektrischen Netz“ soll in diesem Zusammenhang insbesonde re ein Wechselspannungsnetz, beispielsweise ein Wechselspannungsnetz eines Energieversorgungsunternehmens und/oder ein Hausnetz, verstanden werden.

Vorzugsweise umfasst die Brennstoffzellenvorrichtung zumindest eine Brenn stoffzelle, insbesondere zumindest eine Festoxidbrennstoffzelle. Vorzugsweise umfasst die zumindest eine Brennstoffzellenvorrichtung eine Vielzahl von Brenn stoffzellen, bevorzugt Festoxidbrennstoffzellen, welche insbesondere in einem Brennstoffzellenstack angeordnet sind.

Vorzugsweise ist die zumindest eine Brennstoffzelle, insbesondere der Brenn stoffzellenstack, mit einer Luftversorgungsleitung verbunden. In die Luftversor gungsleitung kann eine Ventilationseinheit integriert sein, insbesondere zu einem Generieren eines definierten Luftstroms. Die Brennstoffzellenvorrichtung kann zumindest einen Lufttank umfassen. Die zumindest eine Brennstoffzelle, insbe sondere der Brennstoffzellenstack, kann über die Luftversorgungsleitung mit dem Lufttank und/oder einer Umgebungsluft verbunden sein. Vorzugsweise ist die zumindest eine Brennstoffzelle, insbesondere der Brennstoffzellenstack, mit einer Brenngasleitung verbunden. Vorzugsweise versorgt die Brenngasleitung die zu mindest eine Brennstoffzelle, insbesondere den Brennstoffzellenstack, mit Brenngas, insbesondere aus zumindest einem Brenngasreservoir. Die Brenn stoffzellenvorrichtung kann das zumindest eine Brenngasreservoir umfassen. Vorzugsweise ist die Reformereinheit in die Brenngasleitung intergiert. Vorzugs weise ist die zumindest eine Brennstoffzelle, insbesondere der Brennstoffzellen stack, mit zumindest einer, bevorzugt zumindest zwei, Abgasleitung/en verbun den, insbesondere zu einer Ableitung von Brenngas und/oder Luft. Vorzugsweise findet eine elektrochemische Umwandlung des Brenngases an der Brennstoffzel le, insbesondere an dem Stack, statt. Vorzugsweise ist die zumindest eine Brennstoffzelle, insbesondere der Brennstoffzellenstack, über die Abgasleitung und über eine Rezirkulierungsleitung mit der Brenngasleitung verbunden, insbe sondere strömungstechnisch vor der Reformereinheit, insbesondere zu einem Rezirkulieren von Brenngas. In die Abgasleitung kann eine Verbrennereinheit integriert sein, insbesondere zu einem Verbrennen von Brennstoffrückständen.

Der Wechselrichter ist vorzugsweise elektrisch mit der zumindest einen Brenn stoffzelle, bevorzugt dem Brennstoffzellenstack, verbunden. Vorzugsweise ist der Wechselrichter mit einer elektrischen Schnittstelle verbunden, insbesondere zu einem Bereitstellen von elektrischer Leistung.

Vorzugsweise ist die Recheneinheit mit dem faltenden neuronalen Netzwerk, insbesondere über das Internet, verbunden. Es kann ein vorteilhaft genaues Ein lernen des faltenden neuronalen Netzwerks und insbesondere darauf basierend ein vorteilhaft schnell und/oder genau steuerbarer und/oder regelbarer Betrieb der Brennstoffzellenvorrichtung, bevorzugt des Brennstoffzellensystems, erreicht werden.

Das erfindungsgemäße Verfahren und/oder die erfindungsgemäße Brennstoffzel lenvorrichtung soll/sollen hierbei nicht auf die oben beschriebene Anwendung und Ausführungsform beschränkt sein. Insbesondere kann/können das erfin dungsgemäße Verfahren und/oder die erfindungsgemäße Brennstoffzellenvor richtung zu einer Erfüllung einer hierin beschriebenen Funktionsweise eine von einer hierin genannten Anzahl von einzelnen Elementen, Bauteilen und Einheiten sowie Verfahrensschritten abweichende Anzahl aufweisen. Zudem sollen bei den in dieser Offenbarung angegebenen Wertebereichen auch innerhalb der genann ten Grenzen liegende Werte als offenbart und als beliebig einsetzbar gelten.

Zeichnung

Weitere Vorteile ergeben sich aus der folgenden Zeichnungsbeschreibung. In der Zeichnung ist ein Ausführungsbeispiel der Erfindung dargestellt. Die Zeichnung, die Beschreibung und die Ansprüche enthalten zahlreiche Merkmale in Kombina tion. Der Fachmann wird die Merkmale zweckmäßigerweise auch einzeln be trachten und zu sinnvollen weiteren Kombinationen zusammenfassen.

Es zeigen:

Fig. 1 eine erfindungsgemäße Brennstoffzellenvorrichtung in einer schematischen Darstellung und

Fig. 2 ein erfindungsgemäßes Verfahren in einer schematischen Dar stellung.

Beschreibung des Ausführungsbeispiels

Figur 1 zeigt eine schematische Darstellung eines Brennstoffzellensystems 50. Das Brennstoffzellensystem 50 umfasst eine Brennstoffzellenvorrichtung 10. Die Brennstoffzellenvorrichtung 10a weist eine Brennstoffzelle 16, bevorzugt einen Brennstoffzellenstack 18, auf, welche insbesondere zu einem Erzeugen von elektrischer Energie vorgesehen ist. Ein Brennstoffzellenstack 18 umfasst übli cherweise eine Vielzahl an Brennstoffzellen 16. Vereinfacht wird im Folgenden jedoch auf eine Brennstoffzelle 16 eingegangen, wobei insbesondere das Funkti onsprinzip analog auf einen entsprechenden Brennstoffzellenstack 18 erweiter bar ist. Die Brennstoffzelle 16 ist insbesondere eine Festoxidbrennstoffzelle.

Das Brennstoffzellensystem 50, insbesondere die Brennstoffzellenvorrichtung 10, ist dazu vorgesehen, mit einem Brenngas, beispielsweise Erdgas, betrieben zu werden. Das Brennstoffzellensystem 50 umfasst eine Recheneinheit 12. Die Recheneinheit 12 ist als eine Computereinheit, beispielsweise an einem Steuerpult, zu einer Steuerung und/oder Regelung der Brennstoffzellevorrichtung ausgebildet. Die Recheneinheit 12 ist als Teil mehrerer Endgeräte ausgebildet. Insbesondere ist die Recheneinheit 12 teilweise als Teil eines Smartphones ausgebildet zu einer mobilen Überwachung eines Betriebs der Brennstoffzellenvorrichtung 10.

Das Brennstoffzellensystem 50 kann ein faltendes neuronales Netzwerk 14 auf weisen, insbesondere zu einem Durchführen eines maschinellen Lernprozesses 44 (vgl. Fig. 2). Das faltende neuronale Netzwerk 14 ist mit einem schematischen Wolkensymbol dargestellt. Vorzugsweise ist die Recheneinheit 12 räumlich be- abstandet von dem faltenden neuronalen Netzwerk 14 angeordnet. Alternativ kann das faltende neuronale Netzwerk 14 als Teil der Recheneinheit 12 ausge bildet sein.

Das faltende neuronale Netzwerk 14 ist über ein Internet mit der Recheneinheit 12, insbesondere zu einer Datenübertragung, verbunden. Alternativ kann das faltende neuronale Netzwerk 14 lokal mit der Recheneinheit 12, insbesondere zu einer Datenübertragung, lokal verbunden sein, beispielsweise über ein Ethernet- Netzwerkkabel und/oder ein Glasfaser- Netzwerkkabel.

Die Brennstoffzelle 16 ist mit einer Luftversorgungsleitung 22 verbunden. In die Luftversorgungsleitung 22 kann eine Ventilationseinheit 24, insbesondere Verdichtereinheit, integriert sein, insbesondere zu einem Generieren eines definierten Luftstroms, bevorzugt zu der Brennstoffzelle 16. Vor Eintritt in die Brennstoffzelle 16 kann der Luftstrom mittels eines Wärmeübertragers erwärmt werden.

Das Brennstoffzellensystem 50, insbesondere die Brennstoffzellenvorrichtung 10, kann einen Lufttank 26 umfassen. Die Brennstoffzelle 16 kann über die Luftver sorgungsleitung 22 mit dem Lufttank 26 und/oder einer Umgebungsluft verbun den sein. Die Brennstoffzelle 16 ist mit einer Brenngasleitung 28 verbunden. Die Brenngas leitung 28 versorgt die Brennstoffzelle 16, insbesondere den Brennstoffzellen stack 18, mit Brenngas, insbesondere aus zumindest einem Brenngasreservoir 30 und/oder über einen Anschluss an eine Erdgasleitung. Das Brennstoffzellen system 50, insbesondere die Brennstoffzellenvorrichtung 10, kann das Brenngas reservoir 30 umfassen. In die Brenngasleitung 28 kann eine weitere Ventilations einheit 32, insbesondere eine weitere Verdichtereinheit, integriert sein, insbeson dere zu einem Generieren eines definierten Luftstroms, bevorzugt zu der Brenn stoffzelle 16.

Die Brennstoffzellenvorrichtung 10 umfasst eine Reformereinheit 34, insbesonde re zu einer Reformierung des Brenngases. Die Reformereinheit 34 ist in die Brenngasleitung 28 intergiert.

Die Brennstoffzellenvorrichtung 10 kann eine, insbesondere der Brennstoffzelle 16 und/oder der Reformereinheit 34 strömungstechnisch vorgeschaltete Entschwefelungseinheit aufweisen. Die Entschwefelungseinheit ist dazu vorgesehen, den Brennstoff zumindest teilweise zu entschwefeln.

Die Brennstoffzelle 16 ist mit zwei Abgasleitungen 36, 38 verbunden, insbeson dere zu einer Ableitung von Brenngas und/oder Luft, insbesondere zu einer Ver brennereinheit 40, insbesondere Nachbrennereinheit.

Die Verbrennereinheit 40 ist der Brennstoffzelle 16 strömungstechnisch nachgeschaltet. Die Verbrennereinheit 40 kann jeweils teilweise in die Abgaslei tungen 36, 38 integriert sein, insbesondere zu einem Verbrennen von Brennstoffrückständen, insbesondere von nicht umgesetztem Wasserstoff. Ein Abgas der Verbrennereinheit 40 wird aus dem Brennstoffzellensystem 50 ausgeleitet.

Die Brennstoffzelle 16 ist über die Abgasleitung 38 und über eine Rezirkulie- rungsleitung 42 mit der Brenngasleitung 28 verbunden, insbesondere zu einem Rezirkulieren von Brenngas, insbesondere strömungstechnisch vor die Reforme reinheit 34. Die Rezirkulierungsleitung 42 ist insbesondere dazu vorgesehen, ein Abgas, ins besondere Anodenabgas, der Brennstoffzelle 16 zumindest teilweise zur Vermischung mit dem Brenngas zurückzuführen. Innerhalb der Rezirkulierungsleitung 42 kann eine Ventilationseinheit 24, insbesondere Verdichtereinheit, angeordnet sein.

Die Brennstoffzelle 16 wird von Luft und dem Brenngas jeweils zumindest teil weise durchströmt. Die Brennstoffzelle 16 weist eine Anode und eine Kathode auf.

Der Anode wird während eines Betriebs der Brennstoffzelle 16 das Brenngas zugeführt. Der Kathode wird während eines Betriebs der Brennstoffzelle 16 Luft, insbesondere Luftsauerstoff, zugeführt.

Die Brennstoffzellenvorrichtung 10 umfasst einen Wechselrichter 20, insbesonde re zu einer Einspeisung der von der Brennstoffzelle 16 erzeugten elektrischen Leistung in ein elektrisches Netz 48 und insbesondere zu einer Umformung der erzeugten elektrischen Energie der Brennstoffzelle 16. Der Wechselrichter 20 ist elektrisch mit der Brennstoffzelle 16, bevorzugt dem Brennstoffzellenstack 18, verbunden. Vorzugsweise ist der Wechselrichter 20 mit einer elektrischen Schnittstelle des elektrischen Netzes 48 verbunden, insbesondere zu einem Be reitstellen der erzeugten elektrischen Leistung.

Die Recheneinheit 12 ist insbesondere zu einer Durchführung eines in Figur 2 gezeigten Verfahrens vorgesehen.

Figur 2 zeigt schematisch ein Verfahren zu einer Betriebsüberwachung der Brennstoffzellenvorrichtung 10.

In zumindest einem Verfahrensschritt, insbesondere einem Einlernschritt 52, wird das faltende neuronale Netzwerk 14 für den maschinellen Lernprozess 44 ver wendet. In zumindest einem Verfahrensschritt, insbesondere dem Einlernschritt 52, bevorzugt in dem maschinellen Lernprozess 44, wird zumindest eine kausale Faltung von dem faltenden neuronalen Netzwerk 14 durchgeführt. In zumindest einem Verfahrensschritt, insbesondere dem Einlernschritt 52, bevorzugt in dem maschinellen Lernprozess 44, wird der maschinelle Lernprozess 44 mittels eines physikalischen Modells eingelernt. In zumindest einem Verfahrensschritt, insbe sondere dem Einlernschritt 52, bevorzugt in dem maschinellen Lernprozess 44, wird der maschinelle Lernprozess 44 mittels eines physikalisch-mathematischen Modells eingelernt. In zumindest einem Verfahrensschritt, insbesondere dem Einlernschritt 52, bevorzugt in dem maschinellen Lernprozess 44, wird von dem faltenden neuronalen Netzwerk 14 auf Pooling verzichtet.

In zumindest einem Verfahrensschritt, insbesondere einem Verifizierschritt 54, bevorzugt in dem maschinellen Lernprozess 44, wird das physikalische, bevor zugt das physikalisch-mathematische, Modell mittels Messdaten, bevorzugt von der Brennstoffzellenvorrichtung 10, insbesondere gemessenen Überpotentiale, Stacktemperaturen, Brennstoffzelltemperaturen, Stromstärken der Brennstoffzel le 16, Flussraten und/oder Konzentrationen von Gasen des Brenngases wie bei spielsweise von CH 4 , CO, CO 2 , H 2 , H 2 O und/oder N 2 verifiziert. In zumindest ei nem Verfahrensschritt, insbesondere dem Verifizierschritt 54, insbesondere in dem maschinellen Lernprozess 44, wird der maschinelle Lernprozess 44 durch zumindest einen Hyperparameter verifiziert.

Der maschinelle Lernprozess 44 wird insbesondere von dem zumindest einen Einlernschritt 52 und dem zumindest einen Verifizierschritt 54 gebildet.

In zumindest einem Verfahrensschritt, insbesondere dem zumindest einen Ein lernschritt 52, wird zumindest ein Überpotential aus thermischen Verlusten, be vorzugt in der Brennstoffzellenvorrichtung 10, insbesondere an der Brennstoffzel le 16 und/oder an dem Stack, ermittelt. In zumindest einem Verfahrensschritt, insbesondere zumindest einem Einlernschritt 52, wird die Nernst-Spannung aus zumindest einer Zellspannung und aus zumindest einem Überpotential ermittelt.

In zumindest einem Verfahrensschritt kann die Nernst-Spannung zumindest einer Brennstoffzelle 16 aus einer Spannung der Brennstoffzelle 16 und einer Tempe ratur der Brennstoffzelle 16 ermittelt, bevorzugt berechnet, werden.

In zumindest einem Verfahrensschritt, insbesondere dem Verifizierschritt 54 und/oder dem Einlernschritt 52, insbesondere in dem maschinellen Lernprozess 44, wird das faltende neuronale Netzwerk 14 mit Eingabevektoren verschiedener Zeitpunkte eines Betriebs der Brennstoffzellenvorrichtung 10 versorgt. In zumindest einem Verfahrensschritt, insbesondere dem Verifizierschritt 54 und/oder dem Einlernschritt 52, insbesondere in dem maschinellen Lernprozess 44, lernt das faltende neuronale Netzwerk 14 einen Ausgabevektor auszugeben, welcher auf dem zumindest einen Eingabevektor basiert. Der Ausgabevektor beinhaltet zumindest einen Eintrag für eine Brennstoffnutzung einer Brennstoff zelle 16 und/oder eines Stacks. Der Eingabevektor beinhaltet zumindest einen Eintrag für eine Nernst-Spannung einer Brennstoffzelle 16 und/oder eines Stacks.

In zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfra geschritt 56, wird an das faltende neuronale Netzwerk 14 zumindest ein Einga bevektor übermittelt, welcher einen Eintrag umfasst für zumindest eine Nernst- Spannung der Brennstoffzellenvorrichtung 10, bevorzugt der Brennstoffzelle 16, insbesondere des Stacks.

In zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfra geschritt 56, wird von dem faltenden neuronalen Netzwerk 14 zumindest ein Ausgabevektor ausgegeben, welcher Einträge umfasst für eine Brennstoff nut- zung, welche aus der zumindest einen Nernst-Spannung, durch das faltende neuronale Netzwerk 14 ermittelt wurde, bevorzugt an jedem Zeitpunkt, an wel chem entsprechende Werte gemessen werden können.

In zumindest einem Verfahrensschritt, insbesondere einem Abfrageschritt 56, wird ein Eingabevektor an das faltende neuronale Netzwerk 14 übermittelt, ins besondere zu einem Verarbeiten zumindest eines Eingabeparameters des Ein gabevektors zu einer Ausgabe eines Ausgabevektors. Eingabeparameter sind insbesondere Einträge des Eingabevektors. Der zumindest eine Abfrageschritt 56 wird zu einer Betriebsüberwachung zumindest einer Brennstoffzellenvorrichtung 10 periodisch wiederholt.

In zumindest einem Verfahrensschritt, insbesondere dem Abfrageschritt 56, wird zumindest eine Brennstoffnutzung, bevorzugt die Brennstoffnutzung der Brenn stoffzellenvorrichtung 10, auf dem maschinellen Lernprozess 44 basierend ermit telt. In zumindest einem Verfahrensschritt, insbesondere in zumindest einem Abfra geschritt 56, wird zumindest eine Brennstoffnutzung aus zumindest einer Nernst- Spannung auf dem maschinellen Lernprozess 44 basierend ermittelt.

Der zumindest eine Abfrageschritt 56 wird nach zumindest einem Einlernschritt 52 und/oder nach zumindest einem Verifizierschritt 54 durchgeführt. Der zumin dest eine Abfrageschritt 56 kann von dem maschinellen Lernprozess 44 zu einer Verbesserung des maschinellen Lernprozesses 44 verarbeitet werden.

In zumindest einem Verfahrensschritt, insbesondere dem Abfrageschritt 56, wird die zumindest eine Brennstoffnutzung, bevorzugt ein Ausgabevektor, durch das faltende neuronale Netzwerk 14 in Echtzeit ermittelt, bevorzugt ausgegeben.

In zumindest einem Verfahrensschritt, insbesondere einem Regulierschritt 58, wird die Brennstoffnutzung zu einer Betriebsüberwachung verwendet, bevorzugt zu einer Steuerung und/oder Regelung der Brennstoffzellenvorrichtung 10, ins besondere des Brennstoffzellensystems 50, bevorzugt in Echtzeit.

Vorzugsweise wird der zumindest eine Regulierschritt 58 nach dem zumindest einen Abfrageschritt 56 durchgeführt.

Vorzugsweise wird der zumindest eine Abfrageschritt 56 und/oder der zumindest eine Regulierschritt 58 nach dem maschinellen Lernprozess 44, insbesondere nach dem Einlernschritt 52 und/oder nach dem Verifizierschritt 54, durchgeführt.

Der zumindest eine Regulierschritt 58 wird zu einer Betriebsüberwachung der Brennstoffzellenvorrichtung 10 periodisch wiederholt. Zumindest ein Abfrage schritt 56 wird gekoppelt mit zumindest einem Regulierschritt 58 zu einer Betrieb süberwachung der Brennstoffzellenvorrichtung 10 durchgeführt und insbesonde re periodisch wiederholt.

In zumindest einem Verfahrensschritt, insbesondere dem Regulierschritt 58, wird aus einem Ausgabevektor die Brennstoffnutzung ermittelt. In zumindest einem Verfahrensschritt, insbesondere dem Regulierschritt 58, wird aus einem Ausga- bevektor die Brennstoffnutzung an einem Messpunkt 60 in der Brennstoffzelle 16 ermittelt.

In zumindest einem Verfahrensschritt, insbesondere dem Regulierschritt 58, kann alternativ aus einem Ausgabevektor eine Brennstoffnutzung in Bezug zu einem Sauerstoff-zu-Kohlenstoff-Verhältnis gesetzt werden, insbesondere an einem Messpunkt 46 strömungstechnisch vor der Reformereinheit 34 oder an einem Messpunkt 47 nach der Reformereinheit 34 ermittelt. Der Messpunkt 46 und/oder der Messpunkt 47 sind/ist strömungstechnisch vor der Brennstoffzelle 16 ange ordnet.

In zumindest einem Verfahrensschritt, insbesondere zumindest einem Regulier schritt 58, wird eine Anodengasrezirkulation, ein dem System zugeführter Brenn gasstrom, ein dem System zugeführter Stackstrom und/oder eine dem System zugeführte Stackspannung basierend auf der, insbesondere online ermittelten, Brennstoffnutzung geregelt.

In einem Verfahrensschritt kann ein Überpotential mittels physikalischer Gesetze, beispielsweise mittels Ohm’scher Gesetze und/oder mittels einer Butler-Vollmer- Gleichung, ermittelt werden, insbesondere in Abhängigkeit eines Stroms der Brennstoffzelle, insbesondere des Stacks, bevorzugt des von der Brennstoffzelle oder des von dem Stack erzeugten Stroms. In einem Verfahrensschritt kann ein Überpotential mittels Massen und/oder Energieerhaltung ermittelt werden. In ei nem Verfahrensschritt kann die Nernst-Spannung mittels einer Nernst-Gleichung ermittelt werden. In einem Verfahrensschritt kann die Brennstoffnutzung mittels Nernst-Spannung und Temperatur der Brennstoffzelle, bevorzugt des Stacks, ermittelt werden. In einem Verfahrensschritt kann eine Spannung einer Brenn stoffzelle mittels der Nernst-Spannung und einem Überpotential, insbesondere mittels Subtraktion des Überpotentials von der Nernst-Spannung, ermittelt wer den, insbesondere für einen bestimmten Operationspunkt. Die Überpotentiale können aus den physikalischen Gesetzen in Abhängigkeit des Stackstroms, ins besondere des vom Stack erzeugten Stroms.