基于混合多机器学习算法的燃料电池性能退化预测框架

摘要

质子交换膜燃料电池（Proton exchange membrane fuel cell, PEMFC）是当下极具发展潜力的绿色发电装置，对其性能退化状态进行精准预测有助于促进电池健康管理，优化电池成本效益。为提高预测模型拟合度与精确度，提出用鹈鹕算法（Pelicanoptimizationalgorithm,POA）优化最小二乘支持向量机（Least squares support vector machine, LSSVM）的PEMFC性能退化预测模型。采用小波阈值去噪（Wavelet threshold denoising, WTD）与轻量级梯度提升机（Light gradient boosting machine, LGBM）进行数据预处理，以摒弃噪声与小关联度输入变量对预测的干扰。通过提供不同工况下电池运行数据和设立对比实验。结果表明，本模型的精度与稳定性优于其他模型，且占用资源较少，均方根误差保持在0.1%内，平均绝对百分比误差小于0.05%，性能优秀。

关键词

电池性能退化预测 / 小波阈值去噪 / 轻量级梯度提升机 / 鹈鹕算法 / 最小二乘支持向量机

基金资助

国家自然科学基金资助项目（72273042）