SOFC的支持向量机(SVM)辨识建模

被引：12

作者：

霍海娥 ^{[1
]}

霍海波 ^{[2
]}

杨长生 ^{[1
]}

机构：

[1] 成都航空职业技术学院建筑工程系

[2] 上海海洋大学电气工程系

来源：

系统仿真学报 | 2010年 / 22卷 / 06期

关键词：

固体氧化物燃料电池(SOFC); 支持向量机(SVM); BP神经网络(BPNN); 建模;

D O I：

10.16182/j.cnki.joss.2010.06.011

中图分类号：

TM911.4 [燃料电池]; N945.13 [系统仿真];

学科分类号：

071102 [系统分析与集成]; 080811 [新能源发电与电能存储];

摘要：

为了便于固体氧化物燃料电池(SOFC)的性能预测和控制方案设计,提出一种基于支持向量机(SVM)的建模方法,用具有RBF核函数的SVM建立了SOFC电池堆的非线性模型。应用仿真对所建SVM模型的有效性和精度进行了检验,并与BPNN模型的辨识效果进行了比较。仿真结果证明与BPNN模型相比,SVM模型具有较高的建模精度。该SVM辨识模型的建立,对SOFC系统的控制策略研究具有一定的实用价值。

引用

页码：1557 / 1560

页数：4

共 9 条

[1]

关于统计学习理论与支持向量机 [J].

张学工 .

自动化学报, 2000, (01)

[2]

Support vector machine-based models for hourly reservoir inflow forecasting during typhoon-warning periods.[J].Gwo-Fong Lin;Guo-Rong Chen;Pei-Yu Huang;Yang-Ching Chou.Journal of Hydrology.2009, 1

[3]

Using support vector machine regression to model the retention of peptides in immobilized metal-affinity chromatography [J].

Kermani, B. G. ;

Kozlov, I. ;

Melnyk, P. ;

Zhao, C. ;

Hadimann, J. ;

Barker, D. ;

Lebl, M. .

SENSORS AND ACTUATORS B-CHEMICAL, 2007, 125 (01) :149-157

[4]

Comparison of two IT DIR-SOFC models: Impact of variable thermodynamic, physical, and flow properties. Steady-state and dynamic analysis [J].

Iora, P ;

Aguiar, P ;

Adjiman, CS ;

Brandon, NP .

CHEMICAL ENGINEERING SCIENCE, 2005, 60 (11) :2963-2975

[5]

Electrochemical model of the integrated planar solid oxide fuel cell (IP-SOFC) [J].

Costamagna, P ;

Selimovic, A ;

Del Borghi, M ;

Agnew, G .

CHEMICAL ENGINEERING JOURNAL, 2004, 102 (01) :61-69

[6]

Anode-supported intermediate temperature direct internal reforming solid oxide fuel cell. I: model-based steady-state performance.[J].P. Aguiar;C.S. Adjiman;N.P. Brandon.Journal of Power Sources.2004, 1

[7]

Artificial neural network simulator for SOFC performance prediction [J].