基于人工神经网络的固体氧化物燃料电池性能预测模型开发

• 作者: 宋昌熙 车硕源 郑春花
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 固体氧化物燃料电池 性能预测模型 人工神经网络 微观结构
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 专题:新能源汽车与智能网联汽车Ⅱ
• 页码范围: 27-33
• 页数: 7页
• 分类号: TG156
• 语种: 中文
• DOI: 10.12146/j.issn.2095-3135.20200514001

摘要

固体氧化物燃料电池(Solid-Oxide Fuel Cell,SOFC)因其能量转换效率高而备受关注,但其相关技术非常复杂,技术成熟度比质子交换膜燃料电池、直接甲醇燃料电池等其他类型的燃料电池低.SOFC的微观结构是影响其性能的因素之一,为加速SOFC的商业化应用,需要对其复杂微观结构进行有效优化.同时,SOFC性能测试实验耗时长、费用高,而高可靠性的SOFC计算机模型可用来缩短SOFC微观结构优化时间和降低研发成本.该研究根据阳极支撑SOFC结构变化对应的性能实验数据,开发了一种基于人工神经网络的、根据结构特性来预测其性能的SOFC计算机模型.实验过程利用部分数据对该人工神经网络进行训练,并利用另一部分数据对其进行验证.结果 显示,所开发的SOFC模型能够准确地根据微观结构的变化呈现其性能变化,适合用于SOFC微观结构的优化.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑春花	中国科学院深圳先进技术研究院	8	39	2.0	6.0
2	宋昌熙	中国科学院深圳先进技术研究院	1	0	0.0	0.0
3	车硕源	中国科学院深圳先进技术研究院	1	0	0.0	0.0