An Accurate Parameter Estimation Method of the Voltage Model for Proton Exchange Membrane Fuel Cells
Notice bibliographique
Résumé
Accurate and reliable mathematical modeling is essential for the optimal control and performance analysis of polymer electrolyte membrane fuel cell (PEMFC) systems, which are mainly implemented based on accurate parameter estimation. In this paper, a multi-strategy tuna swarm optimization (MS-TSO) is proposed to estimate the parameters of PEMFC voltage models and compare them with other optimizers such as differential evolution, the whale optimization approach, the salp swarm algorithm, particle swarm optimization, Harris hawk optimization and the slime mould algorithm. In the optimizing routine, the unidentified factors of the PEMFCs are used as the decision variables, which are optimized to minimize the sum of square errors between the estimated and measured data. The optimizers are examined based on three PEMFC datasets including BCS500W, NedStackPS6 and harizon500W as well as a set of experimental data which are measured using the Greenlight G20 platform with a 25 cm2 single cell at 353 K. It is confirmed that MS-TSO gives better performance in terms of convergence speed and accuracy than the competing algorithms. Furthermore, the results achieved by MS-TSO are compared with other reported approaches in the literature. The advantages of MS-TSO in ascertaining the optimum factors of various PEMFCs have been comprehensively demonstrated.
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 ».