← 返回列表
基于GA-BP的SOFC电堆性能衰减预测方法及系统
申请人信息
- 申请人:南昌大学
- 申请人地址:330000 江西省南昌市红谷滩新区学府大道999号
- 发明人: 南昌大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于GA-BP的SOFC电堆性能衰减预测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410173816.8 |
| 申请日 | 2024/2/7 |
| 公告号 | CN117725446A |
| 公开日 | 2024/3/19 |
| IPC主分类号 | G06F18/2321 |
| 权利人 | 南昌大学 |
| 发明人 | 吴肖龙; 李豫; 蔡仕云; 李柯烨; 杨玉潇; 胡凌燕; 曾明如 |
| 地址 | 江西省南昌市红谷滩新区学府大道999号 |
摘要文本
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。
专利主权项内容
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。