质子交换膜燃料电池膜电极组件温度分布的神经网络预测模型

作者：李志浩; 彭浩^*; 陈亚琴

来源：储能科学与技术, 2021, 10(06): 2053-2059.

DOI：10.19799/j.cnki.2095-4239.2021.0118

• 质子交换膜燃料电池
• 膜电极温度分布
• 人工神经网络

质子交换膜燃料电池膜电极组件表面的温度分布会影响质子交换膜燃料电池的性能、寿命和可靠性。为探究质子交换膜燃料电池传热规律,本文提出了一种基于神经网络的质子交换膜燃料电池膜电极组件温度分布的预测模型。本研究选取径向基函数神经网络(RBF)和广义回归神经网络(GRNN)两种神经网络,以电流密度、温度点的位置作为网络输入,不同位置的温度作为网络输出,对平行流道质子交换膜燃料电池、蛇形流道质子交换膜燃料电池分别建立了神经网络预测模型。结果显示,RBF神经网络预测的均方根误差平均为0.464、平均绝对百分误差为1.179%,GRNN神经网络预测的均方根误差平均为0.7155、平均绝对百分误差为2.27%;相较于GRNN神经网络,RBF神经网络精度更高;基于RBF神经网络的平行流道质子交换膜燃料电池膜电极组件温度分布预测模型预测值与96%的实验值的相对误差在5%以内。基于RBF神经网络的蛇形流道质子交换膜燃料电池膜电极组件温度分布预测模型预测值与95%的实验值的相对误差在5%以内。

• 单位
  上海海事大学