[发明专利]固体氧化物燃料电池电压预测方法、终端设备及存储介质

说明书

本发明涉及一种固体氧化物燃料电池电压预测方法、终端设备及存储介质，该方法中包括：S1：设计温度不变，在输入气体流速恒定的条件下，采集固体氧化物燃料电池在不同电流下对应的电压值，将采集的多组数据组成训练数据集；S2：构建RBF神经网络模型；S3：利用训练数据集，并通过人工蜂群算法对模型的参数进行训练，得到最优的模型参数，将最优的模型参数代入RBF神经网络模型中得到最终模型；S4：通过最终模型对固体氧化物燃料电池的电压进行预测。本发明通过构建RBF神经网络模型对固体氧化物燃料电池的电压进行预测，并通过人工蜂群算法对模型的参数进行训练，以提高预测精度。

技术领域

本发明涉及燃料电池技术领域，尤其涉及一种固体氧化物燃料电池电压预测的方法、终端设备及存储介质。

背景技术

目前电能来源主要来自发电厂，而发电厂通过燃烧煤炭等资源的发电方式不仅产生废气污染环境，而且效率不高。固体氧化物燃料电池(Solid Oxide Fuel Cell，SOFC)可以在几乎不生成有害气体的情况下高效利用燃料，其电解质采用耐高温(600～1000℃)的特殊固体材料，通过化学反应产生电能。SOFC已成为一种广受关注的非常重要的燃料电池技术，适用于大型发电厂以及机车和船舶动力供电，发展前景非常可观。

目前，国内外比较完善的SOFC模型侧重于电堆设计，从流体动力学、热力学和电化学等方面研究其内部反应过程。现有的对SOFC模型中电压预测的方法中有采用神经网络算法来进行预测，但由于神经网络输入系统的参数是随机的，因此预测精确度不高。

发明内容

为了解决上述问题，本发明提出了一种固体氧化物燃料电池电压预测方法、终端设备及存储介质，通过构建RBF神经网络模型对固体氧化物燃料电池的电压进行预测，并通过人工蜂群算法对模型的参数进行训练，以提高预测精度。

具体方案如下：

一种固体氧化物燃料电池电压预测方法，包括以下步骤：

S1：设计温度不变，在输入气体流速恒定的条件下，采集固体氧化物燃料电池在不同电流下对应的电压值，将采集的多组数据组成训练数据集；

S2：构建RBF神经网络模型，设定模型的输入为电池的输入气体流速q和电流I，模型的输出为电压U，设定模型的径向基函数为高斯基函数，输入层至隐含层之间的权值为高斯基函数的中心值；

模型的隐含层的输出向量r的计算公式为：

其中，c为高斯函数的中心向量，σ为高斯函数的宽度向量，x为输入层的输入，x＝(q,I)^T；

输出层的输出向量y的计算公式为：

y＝wr

其中，w为隐含层各节点至输出层的权重向量，y为输出层的输出；

S3：利用训练数据集，并通过人工蜂群算法对模型的参数进行训练，得到最优的模型参数，将最优的模型参数代入RBF神经网络模型中得到最终模型；

S4：通过最终模型对固体氧化物燃料电池的电压进行预测。

进一步的，设定模型的输入参数为12个，构成的参数向量p为：

p＝[σ₁,σ₂,σ₃,c₁₁,c₁₂,c₁₃,c₂₁,c₂₂,c₂₃,w₁,w₂,w₃]

其中，下标i＝1,2，下标j＝1,2,3。

进一步的，步骤S3具体包括以下步骤：