由于固体氧化物燃料电池系统（Solid Oxide Fuel Cell system,SOFCs）结构复杂,其性能很难得到保证,性能演变或故障可能发生在各个子系统、各个组件上,并且很多故障,例如严重的气体泄漏、电阻增大导致的健康状态退化等,都是由较小的毛病逐渐退化演变而来。在这种情况下,如何保证系统高效、稳定、长寿命的运行成为了目前SOFC应用过程中亟待解决的瓶颈问题之一。因此,本文的研究目的在于考虑SOFC性能演变的情况下,实现准确、可靠、定量的性能评估,同时提出健康管控的策略指导系统设计与控制开发。依次展开的研究内容如下:SOFC的气体泄漏程度是逐渐演变的一个过程,轻微的气体泄漏可能导致反应物供给不足并极大的加速老化行为,严重的气体泄漏可能会引发热失控。因此,针对k W级SOFC测试平台上常见的发生在电堆出口处的气体泄漏,提出了一种模型与数据驱动结合的实时故障诊断方案。根据华中科技大学燃料电池研究中心现有的电堆,基于热、电、气的动力学,建立了SOFC电堆多物理动态机理模型,并通过实验数据对模型参数进行了校准。在SOFC电堆模型的基础上,提出了自适应协方差匹配的无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）在线重建燃料和空气泄漏流量。同时,设计了自适应阈值生成器产生动态阈值来增强气体泄漏故障识别的鲁棒性。模拟和实验研究结果说明了所提出的气体泄漏故障诊断方案的有效性和实用性。复杂的退化机制,例如粗化、氧化、毒化等,导致SOFC性能的退化演变,已经成为阻碍系统长寿命运行的主要障碍。因此,针对SOFC性能退化问题,提出并验证了采用退化电阻评估SOFC健康状态的可行性。此外,为了消除直接利用测量与电特性模型计算健康状态带来的干扰问题,进一步提出了基于UKF的SOFC健康状态实时估计方法。在恒定和系统工况下利用UKF进行退化电阻在线估计的结果证明了健康状态评估方法的可行性和有效性。由于SOFC健康状态存在退化演变的情况,当这种退化演变发展到一定的程度之后便会出现SOFC发电功能失效的故障。在这种情况下,预测寿命终止时刻（End of Life,EOL）和剩余使用寿命（Remaining Useful Life,RUL）对于改善SOFC的可靠性和耐久性具有积极的作用。因此,考虑到SOFC健康状态退化演变的预测问题,从机理分析的角度开发和验证了SOFC退化过程模型,并在该模型的基础上,提出了采用粒子滤波实现的SOFC故障预报方法。在案例研究中,该方法有效地对SOFC健康状态演变趋势进行了预测,进而给出了合理的EOL和RUL预测值。由于SOFC性能退化的问题越来越不容忽视,在系统设计和控制开发时,应该尽可能的预防加剧性能退化的情况出现。因此,针对监测站的功率需求,提出了面向长寿命应用的SOFC健康管控方法,硬件层面上采用SOFC与锂电池通过单向DCDC变换器间接并联的结构,软件层面上提出了热、电、气之间的协同控制和管理,合理控制SOFC和锂电池之间的能量流的同时避免出现燃烧器温度超标和燃料亏空问题,从而减缓性能退化演变、延长系统使用寿命。仿真结果证明了所提出的混合系统可以满足监测站功率需求,所开发的热、电、气协同控制器不仅可以合理分配能量流,而且有效的保证了系统长寿命的运行。