文献类型：期刊文章

作　　者：胡兵[1] 王小娟[2] 徐立军[3] 苏昕[3,4]

Hu Bing;Wang Xiaojuan;Xu Lijun;Su Xin(Department of Control Engineering,Xinjiang Institute of Technology,Urumqi 830023,China;Department of Mathematics and Physics,Xinjiang Institute of Technology,Urumqi 830023,China;Key Laboratory of Hydrogen Energy Utilization Technology,Xinjiang Institute of Technology,Urumqi 830023,China;School of Electrical and Mechanical Engineering,Xinjiang Agricultural University,Urumqi 830023,China)

机构地区：[1]新疆工程学院控制工程学院,乌鲁木齐830023 [2]新疆工程学院数理学院,乌鲁木齐830023 [3]新疆工程学院氢能利用技术重点实验室,乌鲁木齐830023 [4]新疆农业大学机电工程学院,乌鲁木齐830023

出　　处：《太阳能学报》

基　　金：国家自然科学基金(51967020);新疆维吾尔自治区自然科学基金(2021D01A66)(2019D01A30);自治区区域协同创新专项(科技援疆计划)(2021E02044);乌鲁木齐市优秀青年科技人才项目:新疆地区风电制氢关键技术研究。

年　　份：2022

卷　　号：43

期　　号：3

起止页码：12-19

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：质子交换膜燃料电池输出电压为燃料电池健康状态和故障诊断的重要指标,输出电压受单电池电压、工作温度、气体流量、物质流量等参数的影响难以准确预测。为此根据燃料电池实验平台采集的数据集,进行KMO(Kaiser Meyer Olkin)相关性分析,验证数据集适合主成分分析。采用主成分分析随原始数据进行降维处理,确定影响燃料电池输出电压的12个主成分,建立基于KMO测度-主成分分析(principal component analysis,PCA)-BP神经网络(back propagation,BP)的燃料电池输出电压预测模型,并与BP预测模型进行对比分析,验证算法的优越性。采用间隔1.0和0.5 h的数据集进行对比验证,验证算法的泛化能力,预测结果表明,KMO-PCA-BP预测模型能准确预测燃料电池堆的输出电压,具有预测准确率高、预测速度快、泛化能力强的优点。

关 键 词：燃料电池 质子交换膜 输出电压 预测方法  PCA  BP

分 类 号：TM911.48]