基于广义回归神经网络的SOFC电压模型研究靠

摘要

首先介绍并分析了固体氧化物燃料电池(SOFC)的工作原理和理论电压模型.然后,针对SOFC系统过于复杂,理论电压模型存在明显不足的特点,试图绕开SOFC的内部复杂性,利用广义回归神经网络(GRNN)对SOFC系统进行辨识建模.模型以电池工作温度为神经网络辨识模型的输入量,电池电压/电流密度为输出量,利用750组实验数据作为训练样本,建立了SOFC在不同工作温度下的电池电压/电流密度动态响应模型.仿真结果表明了该方法的有效性,所建模型精度也较高.