燃料電池的動態(tài)建模研究

介紹了一種質(zhì)子交換膜燃料電池的優(yōu)化模型。使用該電池的是一輛電動汽車，該車裝配了電池組、直流電轉(zhuǎn)換器、電動機和電子控制單元等組件。

研究的第一階段，將該電動汽車質(zhì)子交換膜燃料電池的分析模型效率與試驗結(jié)果進行對比。分析結(jié)果顯示：該燃料電池的系統(tǒng)效率為35.4%，最大燃料電池效率為63%；在最大輸出功率條件下，該燃料電池的性能是最差的。

研究的第二階段，收集了大量有關該燃料電池的數(shù)據(jù)，如電流、相關溫度、濕度、氫氣流量、氧氣流量等，并將這些數(shù)據(jù)用于開發(fā)該燃料電池的線性、非線性回歸模型和人工神經(jīng)網(wǎng)絡模型。在該燃料電池的線性和非線性回歸模型中，濕度、氧氣流量、溫度、氫流量為輸入變量，燃料電池的電壓和效率為預測值。收集數(shù)據(jù)中的60%被隨機地分為3組，用于交叉驗證和測試相應的數(shù)據(jù)集；剩下40%的數(shù)據(jù)被隨機地分為兩組,也用于交叉驗證和測試相應的數(shù)據(jù)集。將該燃料電池模型與人工神經(jīng)網(wǎng)絡模型進行比較，尤其是在預測結(jié)果方面進行了對比。為了更好地比較并評價模型的性能，每個模型的平方誤差基于平均值計算。結(jié)果表明，該燃料電池的神經(jīng)網(wǎng)絡模型能夠改善預測結(jié)果的準確性，可提高燃料電池電動汽車系統(tǒng)的性能。

研究評估了燃料電池的線性、非線性回歸模型和神經(jīng)網(wǎng)絡模型，雖然線性回歸模型在預測中具有較好的結(jié)果，但神經(jīng)網(wǎng)絡模型的預測結(jié)果更加準確可靠，效率更高。結(jié)果表明，神經(jīng)網(wǎng)絡算法擬合驗證樣本比線性回歸算法更好。此外，使用神經(jīng)網(wǎng)絡技術非線性方差可以自適應，即不需要人為設定非線性方差，而線性回歸技術需要明確的設計方差。

刊名：International Journal of Hydrogen Energy（英）

刊期：2016年第22期

作者：Azadeh Kheirandish

編譯：楊欣