公开(公告)号：CN111200141B

公开(公告)日：2022-10-28

申请号：CN202010034654.1

申请日：2020-01-14

Applicant: 东北电力大学

Inventor： 杨悦 ,  徐博识 ,  李洪伟 ,  杜长河 ,  洪文鹏

IPC: H01M8/04298 ,  H01M8/04992

Abstract: 本发明提供一种基于深度信念网络的质子交换膜燃料电池性能预测与寻优方法，其特点是，包括：训练数据的收集与预处理、构建深度信念网络模型并进行训练、电池性能预测并与传统预测方法比较和应用深度信念网络模型搜寻最大功率密度与最优工况等步骤，其科学合理，预测准确性高；并且仅通过相对少的数据训练网络就能够完成很大工况范围内的最大功率密度搜寻并获取最佳运行工况，相比于花费昂贵的实验与耗时较长的模拟，能够极大提高燃料电池系统的设计与优化效率。

公开(公告)号：CN111200141A

公开(公告)日：2020-05-26

申请号：CN202010034654.1

申请日：2020-01-14

Applicant: 东北电力大学

Inventor： 杨悦 ,  徐博识 ,  李洪伟 ,  杜长河 ,  洪文鹏

IPC: H01M8/04298 ,  H01M8/04992

Abstract: 本发明提供一种基于深度信念网络的质子交换膜燃料电池性能预测与寻优方法，其特点是，包括：训练数据的收集与预处理、构建深度信念网络模型并进行训练、电池性能预测并与传统预测方法比较和应用深度信念网络模型搜寻最大功率密度与最优工况等步骤，其科学合理，预测准确性高；并且仅通过相对少的数据训练网络就能够完成很大工况范围内的最大功率密度搜寻并获取最佳运行工况，相比于花费昂贵的实验与耗时较长的模拟，能够极大提高燃料电池系统的设计与优化效率。