No/VOL: 07/2022 Page no. 100
Authors: Mohamed Mankour , M’hamed Sekour , Hocine Azzeddine , Ahmed Larbaoui , Djamel-Eddine Chaouch , Mohammed Berka :
Title: Sztuczna sieć neuronowa RBF do przewidywania maksymalnego punktu mocy ogniwa paliwowego
Abstract: W tym artykule zaproponowano śledzenie maksymalnego punktu mocy (MPTT) oparte na sztucznej sieci neuronowej (ANN) dla ogniwa paliwowego z membraną do wymiany protonów (PEMFC). W tym celu wykorzystuje się sztuczną sieć neuronową Radial Basis Function (RBF ANN) do przewidywania napięcia i prądu punktu maksymalnej mocy ogniwa paliwowego w różnych warunkach pracy ogniwa paliwowego. Aby wytrenować proponowaną sztuczną sieć neuronową, przy użyciu sprawdzonego modelu elektrochemicznego ogniwa paliwowego generowany jest zestaw maksymalnych punktów mocy określonych przez odpowiadające im wartości prądu i napięcia. Aby zapewnić wiarygodność ANN, porównujemy wyniki uzyskane przez ANN z wynikami uzyskanymi przy użyciu elektrochemicznego modelu PEMFC. Wyniki pokazują, że opracowana SSN może dokładnie i szybko przewidywać prąd i napięcie ogniw paliwowych w punkcie maksymalnej mocy w dowolnych warunkach pracy.
Key words: sztuczna sieć neuronowa, ogniwo paliwowe, maksymalny punkt mocy