分会场

燃料电池与储能

摘要

质子交换膜燃料电池（Proton Exchange Membrane Fuel cell,PEMFC）是一种环保且高效的能量转换装置。燃料电池剩余使用寿命进行预测，是提高燃料电池可靠性的重要手段。基于此，提出了一种基于鲸鱼优化算法（Whale Optimization Algorithm，WOA）优化长短时记忆神经网络（Long Short-Term Memory，LSTM）的方法，用于预测质子交换膜燃料电池的剩余使用寿命，通过两个不同实验条件下的PEMFC老化数据集，验证了所提出模型的准确性。首先，对原始数据进行等间隔采样和高斯平滑方法（Savitzky-Golay filter）对数据进行重构和过滤，保留原始数据的退化趋势并对其进行简化降低模型计算时间。其次，采用主成分分析方法对原始数据降维，选择12个主成分做预测模型的输入。最后，通过WOA对LSTM模型隐含层节点数和学习率两个参数进行寻优，用优化后的LSTM进行预测。实验结果表明：当训练时长为700小时时，所提出方法对两种不同工况下的PEMFC寿命预测结果的平均绝对误差分别为0.0019、0.0025，均方根误差分别为0.0020、0.0018，模型预测准确率更高，泛化能力更强，可以更有效的预测PEMFC剩余使用寿命。

关键词

质子交换膜燃料电池;鲸鱼优化算法;LSTM神经网络;寿命预测

电子U盘全文仅限大会已缴费参会代表下载。

您还没有登录，请您先 点击这里登录