夏世远, 苏建徽, 杜 燕, 汪海宁, 施 永

(合肥工业大学 电气与自动化工程学院,安徽 合肥 230009)

0 引 言

质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)是一种直接利用H2中化学能发电的电源装置,具有能量密度高、运行温度低、结构简单、无污染等优点,在分散型电站、移动式电源、备用电源等领域有着广阔的应用前景[1]。

PEMFC电堆是一个多变量耦合的复杂系统,具有很强的非线性特点,精确的电堆模型是PEMFC系统优化、控制的基础。目前,PEMFC电堆建模方法主要分为基于机理建模和基于智能算法建模。前者能从内部原理上反映各变量对电堆运行状态的影响,但其包含大量的复杂方程、简化和假设条件,导致模型的通用性受限[2-4]。人工神经网络所特有的非线性信息处理能力,为PEMFC电堆这类复杂非线性系统建模提供了重要方法[5-6]。

文献[7]基于BP(back propagation)神经网络建立PEMFC电堆模型,实现对电池行为的模拟,但传统的BP神经网络模型存在训练过度的问题,神经网络对新鲜样本的泛化能力变差,出现高训练精度、低预测精度的情况[8-9]。

本文提出一种利用贝叶斯正则化优化算法,对BP神经网络进行改进,并给出多变量PEMFC电堆模型的建模方法。仿真结果表明,基于贝叶斯正则化BP神经网络建立的PEMFC电堆模型具有一定的有效性和优越性,具有实际应用价值。

1 PEMFC电堆BP神经网络模型

1.1 PEMFC原理

PEMFC的原理是水电解的逆过程,氢气和氧气(或空气)分别流入阳极和阴极,氢气在催化剂作用下生成电子和氢离子(H+),H+经过质子交换膜到达阴极与氧气反应生成水,电子通过外电路经由负载到达阴极[10],如图1所示。……