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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD