动态工况下基于WOA-BiGRU的PEMFC性能退化预测

摘要

质子交换膜燃料电池(proton exchange membrane fuel cell, PEMFC)是重要的现代可持续能源发电装置，准确估计其性能退化对实际应用至关重要。传统的数据驱动方法缺少对老化机制的考虑，因此对性能退化过程中的电压恢复现象的处理欠佳。通过分析PEMFC运行数据中的多种特征信息，提出一种动态工况下的PEMFC性能退化预测方法，更好地处理电压恢复现象。首先使用随机森林算法进行数据特征分析，确定模型训练使用的特征量。然后建立双向门控循环单元模型(bidirectional gated recurrent units, BiGRU),并使用鲸鱼优化算法(whale optimization algorithm, WOA)进行参数优化。最后，使用经过优化的BiGRU模型进行PEMFC性能退化预测，并进行预测效果评估。在PEMFC动态数据集上的实验结果表明，预测效果较GRU提高了28.1%～33.7%,较BiGRU提高了25.5%～31.2%。

关键词

质子交换膜燃料电池 / 性能退化预测 / 电压恢复现象 / 双向机制 / 鲸鱼优化算法

基金资助

湖北省教育厅科学技术研究计划青年人才项目(16G333);; 湖北省自然科学基金青年基金项目(2023AFB561)