基于GA-ELM算法的燃料电池性能预测模型

摘要：

为减少燃料电池堆耐久性能试验物料成本,提升耐久性能预测效率,利用燃料电池堆稳态耐久性试验数据,基于遗传算法(GA)-极限学习机(ELM)算法结合神经网络与遗传算法,搭建燃料电池稳态耐久性能预测模型.该模型为双输入[时间和电流(或电流密度)]单输出(电压).利用试验数据对建立的模型进行训练与验证,发现该模型具有较高的预测精度.将GA-ELM模型与长短记忆网络(LSTM)模型对比,在预测精度(误差 2%左右)相当的情况下,GA-ELM模型计算时间仅为LSTM模型的 1/5.搭建的预测模型具有较好的通用性、较高的稳定性和精度.

关键词：燃料电池堆、稳态性能预测、极限学习机(ELM)神经网络

所属期刊栏目：53

分类号：TM911.4

资助基金：国家重点研发计划2021YFB4001005

在线出版日期：2023-07-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：243-247