申请/专利权人:南昌大学
申请日:2024-02-07
公开(公告)日:2024-03-19
公开(公告)号:CN117725446A
主分类号:G06F18/2321
分类号:G06F18/2321;G06N3/084;G06N3/126;G06N3/086
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明公开了一种基于GA‑BP的SOFC电堆性能衰减预测方法及系统,涉及电堆性能衰减预测技术领域,首先获取SOFC样机运行数据集,其中包括电压和电压影响参数,并设计BP神经网络的结构;使用SOFC样机运行数据集进行训练,使用改进的遗传算法,对BP神经网络的初始权值和阈值进行优化,得到GA‑BP固体氧化物燃料电池电压预测模型;采集最新SOFC实际运行数据,将电压影响参数输入模型,得到电压预测值;根据所述电压预测值,得到电压的变化趋势,在相同电流情况下,即为电堆性能衰减趋势。本发明将改进的遗传算法与BP神经网络相结合,找到更优参数组合,并且考虑了停机时间和停机次数,提高了预测结果的准确性。
主权项:1.一种基于GA-BP的SOFC电堆性能衰减预测方法,其特征在于,包括以下步骤:步骤1、获取从SOFC系统采集的SOFC样机运行数据,并进行数据预处理,构成SOFC样机运行数据集;所述SOFC样机运行数据中包括电压和电压影响参数;步骤2、根据所述SOFC样机运行数据集的电压和电压影响参数,设计BP神经网络的结构;步骤3、以所述SOFC样机运行数据集中的电压影响参数作为输入,以电压作为输出,进行训练,使用改进的遗传算法,对BP神经网络的初始权值和阈值进行优化,得到GA-BP固体氧化物燃料电池电压预测模型;步骤4、获取从SOFC系统采集的SOFC实际运行数据,将电压影响参数输入GA-BP固体氧化物燃料电池电压预测模型,得到电压预测值;步骤5、根据所述电压预测值,得到电压的变化趋势,在相同电流情况下,即为电堆性能衰减趋势。
全文数据:
权利要求:
百度查询: 南昌大学 基于GA-BP的SOFC电堆性能衰减预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。