基于GA-ELM算法的燃料电池性能预测模型
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.19535/j.1001-1579.2023.03.002

基于GA-ELM算法的燃料电池性能预测模型

引用
为减少燃料电池堆耐久性能试验物料成本,提升耐久性能预测效率,利用燃料电池堆稳态耐久性试验数据,基于遗传算法(GA)-极限学习机(ELM)算法结合神经网络与遗传算法,搭建燃料电池稳态耐久性能预测模型.该模型为双输入[时间和电流(或电流密度)]单输出(电压).利用试验数据对建立的模型进行训练与验证,发现该模型具有较高的预测精度.将GA-ELM模型与长短记忆网络(LSTM)模型对比,在预测精度(误差 2%左右)相当的情况下,GA-ELM模型计算时间仅为LSTM模型的 1/5.搭建的预测模型具有较好的通用性、较高的稳定性和精度.

燃料电池堆、稳态性能预测、极限学习机(ELM)神经网络

53

TM911.4

国家重点研发计划2021YFB4001005

2023-07-20(万方平台首次上网日期,不代表论文的发表时间)

共5页

243-247

相关文献
评论
暂无封面信息
查看本期封面目录

电池

1001-1579

43-1129/TM

53

2023,53(3)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn