能源研究与信息
能源研究與信息
능원연구여신식
ENERGY RESEARCH AND INFORMATION
2013年
4期
201-204
,共4页
固体氧化物燃料电池%广义回归神经网络%粒子群算法%辨识建模
固體氧化物燃料電池%廣義迴歸神經網絡%粒子群算法%辨識建模
고체양화물연료전지%엄의회귀신경망락%입자군산법%변식건모
固体氧化物燃料电池(SOFC)作为一种新的能源形式,日益受到重视.针对SOFC系统过于复杂,现有的理论电压模型存在明显不足的特点,绕开了SOFC的内部复杂性,利用经过粒子群算法(PSO)优化的广义回归神经网络(GRNN)对SOFC系统进行辨识建模.以氢气流速为神经网络辨识模型的输入量,电流/电压为输出量,建立SOFC在不同氢气流速下的电池电流/电压动态响应模型.仿真结果表明所建模型能基本表示出SOFC系统的电流/电压的动态响应,说明利用GRNN建模的有效性,所建模型精度也较高.
固體氧化物燃料電池(SOFC)作為一種新的能源形式,日益受到重視.針對SOFC繫統過于複雜,現有的理論電壓模型存在明顯不足的特點,繞開瞭SOFC的內部複雜性,利用經過粒子群算法(PSO)優化的廣義迴歸神經網絡(GRNN)對SOFC繫統進行辨識建模.以氫氣流速為神經網絡辨識模型的輸入量,電流/電壓為輸齣量,建立SOFC在不同氫氣流速下的電池電流/電壓動態響應模型.倣真結果錶明所建模型能基本錶示齣SOFC繫統的電流/電壓的動態響應,說明利用GRNN建模的有效性,所建模型精度也較高.
고체양화물연료전지(SOFC)작위일충신적능원형식,일익수도중시.침대SOFC계통과우복잡,현유적이론전압모형존재명현불족적특점,요개료SOFC적내부복잡성,이용경과입자군산법(PSO)우화적엄의회귀신경망락(GRNN)대SOFC계통진행변식건모.이경기류속위신경망락변식모형적수입량,전류/전압위수출량,건립SOFC재불동경기류속하적전지전류/전압동태향응모형.방진결과표명소건모형능기본표시출SOFC계통적전류/전압적동태향응,설명이용GRNN건모적유효성,소건모형정도야교고.
