学术会议
质子交换膜燃料电池阳极死段的机器学习模型
王博文 杨子俊 焦魁*

分会场

燃料电池发动机

摘要

阳极死端操作(DEA)是提高质子交换膜(PEM)燃料电池燃料效率的常用方法,但同时自加湿和氮气跨膜等过程造成了电池性能是动态的。在本研究中,我们开发了一个机器学习模型来预测PEM燃料电池的瞬态行为与DEA。在此基础上,提出了两种不同输入输出拓扑的神经网络算法。算法1的输出为对应时刻的电流密度,算法2包含初始电流密度预测的线性回归模型和电流密度瞬态预测的ANN模型。结果表明:所建立的模型能够预测电流密度先增大后减小的趋势,且算法2的预测性能明显优于算法1。

关键词

质子交换膜燃料电池;瞬态特性;机器学习模型;人工神经网络

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

2024世界内燃机大会

2024 World Congress on Internal Combustion Engines
大会筹备办Preparatory Office of the Congress
caiyuchen@csice.org.cn
021-31310189
学术交流Academic Exchange
liufang@csice.org.cn
021-31310973
招商合作Investment Promotion
liping@csice.org.cn
021-31310154
微信公众号
Copyright © 2020 wice.csice.org.cn All Rights Reserved 中国内燃机学会 ©版权所有 | 沪ICP备12048031号