基于GA-ELM算法的燃料电池性能预测模型 |
| |
引用本文: | 刘智宇,郝冬,张妍懿,侯永平.基于GA-ELM算法的燃料电池性能预测模型[J].电池,2023(3):243-247. |
| |
作者姓名: | 刘智宇 郝冬 张妍懿 侯永平 |
| |
作者单位: | 1. 同济大学汽车学院;2. 中汽研新能源汽车检验中心(天津)有限公司 |
| |
基金项目: | 国家重点研发计划(2021YFB4001005); |
| |
摘 要: | 为减少燃料电池堆耐久性能试验物料成本,提升耐久性能预测效率,利用燃料电池堆稳态耐久性试验数据,基于遗传算法(GA)-极限学习机(ELM)算法结合神经网络与遗传算法,搭建燃料电池稳态耐久性能预测模型。该模型为双输入时间和电流(或电流密度)]单输出(电压)。利用试验数据对建立的模型进行训练与验证,发现该模型具有较高的预测精度。将GA-ELM模型与长短记忆网络(LSTM)模型对比,在预测精度(误差2%左右)相当的情况下,GA-ELM模型计算时间仅为LSTM模型的1/5。搭建的预测模型具有较好的通用性、较高的稳定性和精度。
|
关 键 词: | 燃料电池堆 稳态性能预测 极限学习机(ELM)神经网络 |
|