基于NSGA-II算法的质子交换膜燃料电池性能优化研究

质子交换膜燃料电池(Proton exchange membrane fuel cell,PEMFC)拥有广阔的发展前景,然而其性能和成本之间的矛盾严重制约了其产业应用和发展速度。如何在控制成本增加较小的条件下提高PEMFC的输出性能是本领域的重要研究方向之一。根据燃料电池单体的极化特性曲线,进行基于遗传算法(Genetic algorithm,GA)和快速非支配排序遗传算法(Fast non-dominated sorting genetic algorithm,NSGA-II)的质子交换膜燃料电池电压输出性能研究,完成算法实现及收敛性分析;结合仿真和算法优化结果给出合理的质子交换膜燃料电池参数,并给出优化后的质子交换膜燃料电池性能的提升。结果表明,经过GA算法的优化,输出性能平均提高了4.07%;在NSGA-II算法的优化下,平均输出电压为0.7586 V和经济系数取0.8对应的模型参数为最优解。上述研究可为燃料电池寻找最佳工况参数和优化设计提供数据支撑和参考。