Adaptive Parameter Identification of a Fuel Cell System for Health-Conscious Energy Management Applications
Notice bibliographique
Résumé
Since a proton exchange membrane (PEM) fuel cell (FC) has time-varying characteristics, its online characteristics estimation (voltage, power, internal resistance, etc.) is becoming a key step in designing an energy management strategy (EMS) for hybrid FC vehicles. In this respect, this paper proposes a new method based on Lyapunov adaptation law to estimate the linear and nonlinear parameters of a renowned PEMFC model in the literature. Unlike most of similar estimators, the suggested approach determines the maximum current, which is a nonlinear parameter, online while guaranteeing the system closed-loop stability. This parameter is normally assumed to be constant while it changes through time owing to degradation and operating conditions variation. This alteration makes the model imprecise while extracting some important characteristics, such as maximum power and polarization curve. Therefore, it needs to be regularly updated along with other parameters. To demonstrate the capability of the suggested method, a detailed comparison is provided with the well-known extended Kalman filter (EKF) as an attested nonlinear estimator. Moreover, to highlight the effectiveness of the nonlinearity consideration, a comparison with KF is performed where the nonlinear parameter is considered constant. The performed experiments on a 500-W PEMFC show that the proposed method can be over twice as accurate as EKF and KF concerning the estimation of maximum power and current while its runtime is nearly half of them.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».