基于人工子的优化算法和进行实验室测试的质子交换膜燃料电池的参数提取
Faisal B Baz1, Ragab A El Sehiemy2, Ahmed S A Bayoumi3
1Mechanical Engineering Department, Faculty of Engineering, Kafrelsheikh University, Kafr El Sheikh, 33516, Egypt.
Scientific reports
|September 10, 2024
概括
人工子优化 (ARO) 有效地提取了质子交换膜燃料电池 (PEMFC) 模型的参数. 这种方法可以提高可再生能源系统的建模和控制精度.
科学领域:
- 可再生能源系统可再生能源系统
- 电化学工程 电化学工程
- 计算智能是一种计算智能.
背景情况:
- 精确的参数提取对于建模和控制质子交换膜燃料电池 (PEMFC) 至关重要.
- 现有的优化算法可能无法充分捕捉PEMFCs复杂的电化学动力学.
研究的目的:
- 提出和评估人工子优化 (ARO) 算法用于PEMFC参数提取.
- 通过优化参数识别来提高PEMFC电化学模型的准确性.
主要方法:
- 使用的是灵感来自子生存策略的人工子优化 (ARO) 算法.
- 参数提取被定义为一个优化问题,最大限度地减少测量和模型预测电压之间的二次误差之和.
- 来自Scribner 850e燃料电池测试系统的实验数据用于验证.
主要成果:
- ARO算法成功地确定了PEMFC电化学模型的最佳参数.
- 模拟结果表明,与灰狼优化,粒子群优化,Salp群算法和正弦共弦算法相比,ARO的性能优越.
- 实验验证证了基于ARO的参数提取的有效性.
结论:
- 拟议的ARO算法为PEMFC参数提取提供了一个强大的和高效的方法.
- ARO提高了PEMFC模型的准确性,有助于改进可再生能源系统设计和控制.
- 对于复杂的电化学系统,ARO是现有的优化技术的有希望的替代方案.
