燃料电池的免疫优化小波网络动态建模仿真

摘要

直接内部重整同体氧化物燃料电池(DIR-SOFC)是一种直接以碳氢化合物作为燃料,将化学能转化为电能的发电装置.小波网络(WNN)结合了小波分解的多分辨率逼近(MRA)的优点和神经网络非线性过程学习的能力.为了避免考虑DIR-SOFC内部反应复杂、参数耦合严重的情况,采用了WNN作为辨识工具,并结合免疫算法进行优化,对DIR-SOFC的动态特性进行建模.选取入口燃料流速、空气流速和负载电流作为输入量,对燃料电池的输出电压和温度的动态响应进行预测,并与采用RBF神经网络(RBFNN)方法得到的建模结果进行比较.仿真结果表明,通过该动态模型,电压和温度的预测值与验证数据间的相对误差绝对值分别小于0.0007和0.0004,平均相对误差分别为0.0003和0.0002,能够获得较高的精度并有效地对DIR-SOFC进行动态仿真.