Sensores virtuales 

Uso de técnicas de análisis de datos y aprendizaje automático (machine learning) para la obtención indirecta de una magnitud a partir de las medidas obtenidas de otras magnitudes relacionadas o bien que contienen errores o gaps de datos.  

En el caso del H2, se pueden aplicar para predecir los caudales H2, la composición, la pureza, la temperatura o la presión en función de variables de entrada como las características de la materia prima, las condiciones del proceso y las entradas de energía. También para estimar el estado y el rendimiento de los sistemas de almacenamiento de H2. Para las pilas de combustible, los sensores virtuales pueden estimar el rendimiento y la salud de los sistemas de pilas de combustible, predecir parámetros como la tasa de consumo de H2, el voltaje de la celda, la temperatura, la humedad o la salida de energía en función de entradas como el caudal H2, el suministro de aire, las condiciones de funcionamiento y las características de la celda.