基于改进的GRNN的固体氧化物燃料电池辨识模型研究.PDFVIP

能源研究与信息 and 2013 第29卷第4期 ResearchInformation V01．29NO．4 Energy 文章编号：1008—8857(2013)04—0201—04 基于改进的GRNN的固体氧化物 燃料电池辨识模型研究 吴大中，吴丽华 (南京信息工程大学江苏省气象探测与信息处理重点实验室，江苏南京210044) 摘要：固体氧化物燃料电池(SOFC)作为一种新的能源形式，日益受到重视．针对SOFC系统过于复杂，现 有的理论电压模型存在明显不足的特点，绕开了SOFC的内部复杂性，利用经过粒子群算法(PSo)优化的广 义回归神经网络(GRNN)对SOFC系统进行辨识建模．以氢气流速为神经网络辨识模型的输入量，电流／电 压为输出量，建立SOFc在不同氢气流速下的电池电