典型文献
基于KMO-PCA-BP的燃料电池堆输出电压预测方法
文献摘要：
质子交换膜燃料电池输出电压为燃料电池健康状态和故障诊断的重要指标,输出电压受单电池电压、工作温度、气体流量、物质流量等参数的影响难以准确预测.为此根据燃料电池实验平台采集的数据集,进行KMO(Kaiser Meyer Olkin)相关性分析,验证数据集适合主成分分析.采用主成分分析随原始数据进行降维处理,确定影响燃料电池输出电压的12个主成分,建立基于KMO测度-主成分分析(principal component analysis,PCA)-BP神经网络(back propagation,BP)的燃料电池输出电压预测模型,并与BP预测模型进行对比分析,验证算法的优越性.采用间隔1.0和0.5 h的数据集进行对比验证,验证算法的泛化能力,预测结果表明,KMO-PCA-BP预测模型能准确预测燃料电池堆的输出电压,具有预测准确率高、预测速度快、泛化能力强的优点.
文献关键词：
燃料电池;质子交换膜;输出电压;预测方法;PCA;BP
中图分类号：
作者姓名：
胡兵;王小娟;徐立军;苏昕
作者机构：
新疆工程学院控制工程学院,乌鲁木齐 830023;新疆工程学院数理学院,乌鲁木齐 830023;新疆工程学院氢能利用技术重点实验室,乌鲁木齐 830023;新疆农业大学机电工程学院,乌鲁木齐 830023
文献出处：
引用格式：
[1]胡兵;王小娟;徐立军;苏昕-.基于KMO-PCA-BP的燃料电池堆输出电压预测方法)[J].太阳能学报,2022(03):12-19
A类：
B类：
KMO,燃料电池堆,输出电压,电压预测,质子交换膜燃料电池,电池健康状态,单电池,工作温度,气体流量,物质流,准确预测,实验平台,Kaiser,Meyer,Olkin,原始数据,降维处理,principal,component,analysis,back,propagation,对比验证,泛化能力,预测准确率,测速
AB值：
0.265175
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
