技术特征：
1.一种质子交换膜燃料电池的参数优化方法，其特征在于：包括以下步骤：步骤1、建立质子交换膜燃料电池物理模型；步骤2、在不同操作电压和参数下，运行质子交换膜燃料电池物理模型得到数据集，用数据集训练神经网络，以训练好的神经网络替代质子交换膜燃料电池物理模型；步骤3：使用nsga-ii进行多目标优化，并采用topsis方法选择pareto前沿最优解，得到质子交换膜燃料电池的参数最优组合。2.根据权利要求1所述的质子交换膜燃料电池的参数优化方法，其特征在于：所述质子交换膜燃料电池物理模型为三维数学模型、直流道数学模型或两相流等温模型；所述质子交换膜燃料电池物理模型包括质量守恒方程，动量守恒方程，组份守恒方程，液态水守恒方程，膜中水守恒方程，电子势守恒方程和离子势守恒方程。3.根据权利要求2所述的质子交换膜燃料电池的参数优化方法，其特征在于：所述质子交换膜燃料电池物理模型的质量守恒方程如下:动量守恒方程如下：组份守恒方程如下：流道内液态水守恒方程如下：多孔电极中液态水守恒方程如下：p
c
＝p
g-p
l
；；膜中水守恒方程如下：电子势守恒方程如下：
离子势守恒方程如下：其中：ε是孔隙率；s表示液态水的饱和度；s表示源项；ρ表示密度；u表示反应物速度；p表示压力；j表示leverett-j函数；μ表示动力粘度；y表示气体组份的质量分数；d表示气体组份的扩散速率；κ表示电导率；k表示本构渗透率；θ表示接触角；σ表示表面张力；k表示相对渗透率；j
ion
表示示离子电流密度；ω表示电解质体积分数；n
d
表示电渗拖拽系数；表示电子电势；表示离子电势；λ表示膜中离子水浓度；d
λ
表示离子水的扩散速度；f表示阿伏伽德罗常数；ew表示膜的当量质量；其中下标：g表示气体；i表示气体组份；l表示液体；c表示毛细；mem表示质子膜；e表示电子；ion表示离子；mw表示膜水；d表示拖拽；其中上标：eff表示有效的。4.根据权利要求1所述的质子交换膜燃料电池的参数优化方法，其特征在于：所述的参数是气体扩散层孔隙率，电解质体积分数和催化层孔隙率。5.根据权利要求4所述的质子交换膜燃料电池的参数优化方法，其特征在于：所述神经网络的输入层的四个神经元分别代表工作电压、催化层孔隙率、电解质体积分数和气体扩散层孔隙率；所述神经网络的隐藏层有100个神经元；所述输出层中的神经元代表平均电流密度；所述神经网络设置有前馈网络；所述神经网络使用levenberg-marquardt算法调整权重和偏差使输出与计算输出之间的误差均方最小；所述数据集划分为训练集、验证集和测试集，分别占70％、15％和15％；训练好的神经网络构建了输入数据和对应的输出数据之间的关系：i＝s(u，ω
cl
，ε
cl
，ε
gbl
)；其中：i是平均电流密度和神经网络模型的输出，u是点烟，ε
gdl
是气体扩散层的孔隙率，ε
cl
是催化层的孔隙率，ω
cl
是催化层的电解质体积分数，s是工作电压和多孔层参数的函数；输出功率密度表示为：p＝ui；式中p为功率密度。6.根据权利要求4所述的质子交换膜燃料电池的参数优化方法，其特征在于：步骤3中，所述多目标优化的目标函数的构建过程如下：多目标优化的一般函数表示为：min[f1(x)，f2(x)，
…
，f
m
(x)]
式中：f
i
(x)(i＝1，2，
…
；m)为目标函数，x代表变量，lb和ub为x的上下限，aeq*x＝beq和a*x≤b是x线性等式约束和线性不等式约束；在目标函数输入变量中加入约束条件，以剔除不满足约束条件的个体；加入约束条件后目标函数用下式表示：后目标函数用下式表示：设置目标函数的最小值，选择输出功率密度和电解质体积分数的负值作为目标函数：min[-f1，f2]s.t.0.4≤u≤0.90.1≤ω
cl
≤0.50.1≤ε
cl
≤0.450.4≤ε
gdl
≤0.7。
技术总结
本发明公开了一种质子交换膜燃料电池的参数优化方法，包括以下步骤：步骤1、建立质子交换膜燃料电池物理模型；步骤2、在不同操作电压和参数下，运行质子交换膜燃料电池物理模型得到数据集，用数据集训练神经网络，以训练好的神经网络替代质子交换膜燃料电池物理模型；步骤3：使用NSGA-II进行多目标优化，并采用TOPSIS方法选择Pareto前沿最优解，得到质子交换膜燃料电池的参数最优组合。本发明优化得到的参数具有精度高的优点，可以提升质子交换膜燃料电池的性能。燃料电池的性能。
技术研发人员：玄东吉 刘胜南 陈聪 陈建龙 卢陈雷 谈佳淇 胡浩钦
受保护的技术使用者：温州大学
技术研发日：2022.02.10
技术公布日：2022/5/6