基于改进混沌粒子群的PEMFC模型参数辨识

来源：电工电能新技术杂志2023年第1期北京时间：

作者：张领先， 谢长君， 杨扬， 刘相万， 朱文超

单位：1. 武汉理工大学自动化学院， 武汉 430070；
\r\n2. 现代汽车零部件技术湖北省重点实验室武汉理工大学， 武汉 430070

摘要：基于质子交换膜燃料电池（PEMFC）电堆的输出特性及相关电化学反应建立输出特性模型，提出改进混沌粒子群优化 (CPSO) 算法来优化PEMFC输出特性模型参数辨识问题。首先采用6种标准测试函数验证了CPSO算法的寻优性能，然后针对两种参数不同的电堆进行了输出特性模型参数辨识。结果表明，相较于遗传算法(GA)、粒子群优化(PSO)算法、受约束粒子群优化(B-PSO)算法、具有收缩系数的粒子群优化(PSO- χ)算法、引力粒子群优化(GSAPSO)算法以及差分进化算法(DE)，CPSO算法辨识精度最高且收敛速度最快。静态工况下电堆1的均方根误差为0.213，平均相对误差为2.339%；电堆2的均方根误差为0.481，平均相对误差为1.243%，充分说明CPSO算法在PEMFC输出特性模型参数辨识方面的优越性。

关键词：质子交换膜燃料电池, 输出特性模型, 改进的混沌粒子群优化, 参数辨识

基金资助：国家重点研发计划项目（2020YFB1506802）、 广东省重点领域研发计划项目（2020B0909040004）