固体氧化物燃料电池电压预测方法、终端设备及存储介质技术

本发明专利技术涉及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：构建SOFC动力学模型，采集一段时间内固体氧化物燃料电池通过SOFC动力学模型的燃料流速、堆栈电流和输出电压组成训练集；S2：构建基于宽度学习系统的非线性自回归滑动平均模型作为辨识模型；S3：利用训练集，并通过优化算法对辨识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辨识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。本发明专利技术采用BLS学习网络和RBF神经网络相结合的新的算法结构，相对于BLS和RBF具有更好的精确度和有效性。

【技术实现步骤摘要】
固体氧化物燃料电池电压预测方法、终端设备及存储介质
本专利技术涉及燃料电池
，尤其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。
技术介绍
燃料电池(FuelCell，FC)是一种直接利用化学能的电化学装置。因其高效、洁净和安全利用能源等诸多优点已引起全球各国的高度重视，其中固体氧化物燃料电池(SolidOxideFuelCell，SOFC)因其工作温度高(800～1000℃)、不使用贵金属催化剂、功率密度大、能量转化效率高和对燃料的种类和质量要求较低等优点，已然成为燃料电池技术研究热点和发展方向。为了满足研究其暂态和动态特征，预测和优化其性能的需求以及由于其电堆环境的复杂性、密闭性和高温性，致使局部实验非常困难，因此建立SOFC数学模型对于燃料电池的发展至关重要。目前全球各国研究人员已经从热力学、电化学、流体力学和材料学等方面建立一些详细的模型。这些机理模型对理解和设计SOFC电堆结构非常有益，但不适用于燃料电池工业控制系统的设计。系统辨识是利用被测系统的动态输入输出数据建立数学模型的过程，但是现有技术中采用的辨识本文档来自技高网...

【技术保护点】
1.一种固体氧化物燃料电池电压预测方法，其特征在于，包括以下步骤：/nS1：构建SOFC动力学模型，采集一段时间内固体氧化物燃料电池通过SOFC动力学模型的燃料流速、堆栈电流和输出电压组成训练集；/nS2：构建基于宽度学习系统的非线性自回归滑动平均模型作为辨识模型，设定辨识模型的输入分别为燃料流速和堆栈电流，输出为电压；辨识模型的数学表达式为：/nU(k+d)＝f(U(k+d-1),…,U(k+d-n),q

【技术特征摘要】
1.一种固体氧化物燃料电池电压预测方法，其特征在于，包括以下步骤：
S1：构建SOFC动力学模型，采集一段时间内固体氧化物燃料电池通过SOFC动力学模型的燃料流速、堆栈电流和输出电压组成训练集；
S2：构建基于宽度学习系统的非线性自回归滑动平均模型作为辨识模型，设定辨识模型的输入分别为燃料流速和堆栈电流，输出为电压；辨识模型的数学表达式为：
U(k+d)＝f(U(k+d-1),…,U(k+d-n),qf(k),…,qf(k-m),I(k),…,I(k-m))
其中，k表示时刻，k＝1,…,N，N表示最大时刻，U表示辨识模型输出的电压，qf表示辨识模型输入的燃料流速，I表示辨识模型输入的堆栈电流，n和m是分别表示输入、输出的阶次，d表示输出延迟，f(.)表示宽度学习网络；
S3：利用训练集，并通过优化算法对辨识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辨识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。


2.根据权利要求1所述的固体氧化物燃料电池电压预测方法，其特征在于：参数m和n通过Lipschitzquotients准则根据输入输出数据确定。


3.根据权利要求2所述的固体氧化物燃料电池电压预测方法，其特征在于：参数m和n确定方法为：
将辨识模型的...

【专利技术属性】
技术研发人员：周海峰，靳方圆，林开荣，刘云，林仁芝，张富忠，陈虹宇，汪海志，包素钦，支远，李冰，郑聪，
申请(专利权)人：集美大学，
类型：发明
国别省市：福建;35