基于鲸鱼优化算法与单候选优化器混合策略的质子交换膜燃料电池模型参数辨识方法

《Scientific Reports》：A robust hybrid whale optimization algorithm with single candidate optimizer for efficient parameter identification of hydrogen based PEM fuel cells

　　

摘要

近年来，氢质子交换膜燃料电池（PEMFC）作为替代化石燃料能源发电系统的工具，由于其能够高效地提供清洁电力，需求显著增加。许多研究人员投入了大量精力，利用先进且精确的建模与仿真工具来阐明这些发电器的运行机制。本文提出了一种基于鲸鱼优化算法（WOA）和单候选优化器（SCO）的新型混合优化方法，用于求解PEMFC的真实模型参数。所提出的WOA-SCO技术旨在将WOA在前景区域上的优秀搜索能力与SCO在空间中高效的种群多样性相结合。首先，利用10个常用基准函数对WOA-SCO的性能进行测试。此外，还与一些最先进的方法进行了比较，包括WOA、SCO、龙吻群优化器（SSO）、麋鹿群优化器（EHO）、带爆炸算子的杜鹃搜索（CS-EO）、混合Jaya-NM以及分数阶WOA算法。随后，利用Heliocentris-50W和Nexa 1200W PEMFC研究了该方法在估计最优参数方面的有效性。最终，所提出的WOA-SCO方法在求解复杂函数方面表现出具有竞争力的性能，在一些研究案例中该方法能够找到精确解。此外，该方法在准确定义PEMFC模型参数方面证明了其优越性，提供了更高的精度、可观的收敛速率和稳定的性能。