基于改进SSA-DBN的质子交换膜燃料电池水故障智能分类方法

作     者：刘昕宇 韩莹 陈维荣 李奇 杨哲昊 LIUXinyu;HANYing;CHENWeirong;LIQi;YANGZhehao

作者机构：西南交通大学电气工程学院四川成都611756 

出 版 物：《电力自动化设备》 (Electric Power Automation Equipment)

年 卷 期：2024年第44卷第4期

页      面：18-24页

核心收录：

学科分类：0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金资助项目(52007157,52077180) 四川省自然科学基金资助项目(2022NSFSC0269) 

主　　题：质子交换膜燃料电池 故障分类 深度置信网络 麻雀搜索算法 核主成分分析 柯西-高斯变异策略 

摘      要：为了实现质子交换膜燃料电池(PEMFC)系统水故障的高效快速分类,提出了基于改进麻雀搜索算法(SSA)优化深度置信网络(DBN)的PEMFC故障分类方法。采用归一化处理消除故障数据参数之间量纲不同的影响,使用核主成分分析对数据进行故障特征提取,有效地缩减了原始数据维度,降低了运算复杂度,并避免低贡献度数据对故障分类造成干扰。引入柯西-高斯变异策略改进SSA,并利用SSA对DBN进行参数寻优,确定网络结构,通过优化后的DBN实现对PEMFC水故障的快速分类。对3 000组PEMFC水故障数据进行测试,结果表明:所提方法可以快速准确地识别PEMFC的正常状态、膜干故障、水淹故障3种健康状态;总体的分类准确率为98.67%,运算时间为0.89 s,相比支持向量机、概率神经网络方法,所提方法的故障分类精度分别提升了4%、3.34%,运算时间分别减少了15.35、0.35 s。