基于AEO-MRFO的固体氧化物燃料电池参数辨识

摘要：

提出一种基于人工生态系统优化(artificial ecosystem-based optimization,AEO)算法与蝠鲼觅食优化(manta ray foraging optimization,MRFO)算法的协调优化算法,即AEO-MRFO协调优化器(AEO-MRFO coordinating optimizer,EMCO),用于各种固体氧化物燃料电池(solid oxide fuel cell,SOFC)的参数辨识.为提高SOFC参数辨识的精确度与稳定性,EMCO舍弃MRFO气旋觅食算子中随机性过强的搜索操作,并随迭代过程动态协调AEO分解算子和经过改进的MRFO翻滚觅食算子,合理平衡局部探索(local exploitation)和全局搜索(global exploration).通过4个算例对EMCO的SOFC参数辨识性能进行研究,即荷兰能源研究中心和波兰CEREL公司各自生产的2种SOFC单体电池测试数据和蒙大拿州立大学的5kW SOFC电池堆栈在2个不同运行条件下的实验数据.此外,还研究了SOFC堆栈温度及压强变化对参数辨识精度的影响.仿真结果表明,与蚁群优化(ant colony optimization,ALO)算法、均衡优化器(equilibrium optimizer,EO)、灰狼优化(grey wolf optimization,GWO)算法、堆栅优化器(heap-based optimizer,HBO)、粒子群优化(particle swarm optimization,PSO)算法、AEO算法和MRFO算法相比,EMCO均能快速、精确、稳定地实现SOFC参数辨识.

关键词：固体氧化物燃料电池、参数辨识、人工生态系统优化算法、蝠鲼觅食优化算法、启发式算法

所属期刊栏目：46

分类号：TM911.4

资助基金：国家自然科学基金;国家自然科学基金;云南省自然科学基金;云南省重大科技专项计划

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1382-1390,中插20