基于神经网络识别的SOFC-GT混合系统高度特性研究

• 作者: 毛军逵 胡焦英 贺振宗
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 航空航天
• 关键词: SOFC-GT系统 径向基函数 高度特性 改进的量子粒子群算法
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 能源动力环境
• 页码范围: 157-165
• 页数: 9页
• 分类号: V231.1+1
• 字数: 6129字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2020.05.020

摘要

在航空方面,对以甲烷为燃料的固体氧化物燃料电池(solid oxide fuel cell,SOFC)-燃气轮机(gas turbine,GT)混合动力系统展开了相应的研究.考虑到SOFC-GT混合动力系统复杂的仿真模型,难以满足飞行器飞行过程中对混合动力系统实时控制的需要,本文提出了改进的量子粒子群算法(improved quantum behavior particle swarm optimization,IQPSO)径向基函数(radial basis function,RBF)神经网络模型来描述SOFC-GT混合动力系统在不同高度下燃油流量与效率之间的非线性特性.同时考虑到数据来源不足,本文首先建立了以甲烷为燃料的直接内部重整SOFC-GT混合动力系统的数学仿真模型,并且考虑了GT效率变化对混合动力系统效率的影响,然后基于该模型获取了IQPSO-RBF神经网络模型的训练和预测数据.结果表明:不考虑GT效率变化使得SOFC-GT混合系统效率计算结果偏高;相对于QPSO-RBF神经网络模型和PSO-RBF神经网络模型,IQPSO-RBF模型能更好地预测在不同高度下SOFC-GT系统效率在不同燃油流量下的变化规律.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛军逵	南京航空航天大学能源与动力学院	59	341	12.0	14.0
2	胡焦英	南京航空航天大学能源与动力学院	2	0	0.0	0.0
3	贺振宗	南京航空航天大学能源与动力学院	7	2	1.0	1.0