基于改进差分进化算法的质子交换膜燃料电池模型参数优化识别

徐斌

（上海工程技术大学机械与汽车工程学院，上海201620）

引 言

质子交换膜燃料电池（proton exchange membrane fuel cell, PEMFC）是一种新的绿色能源，具有工作温度低、能量密度高以及绿色环保等优点，在世界范围内得到了快速的发展和广泛的应用[1-2]。由于PEMFC 系统是一类极其复杂的非线性强耦合动态系统，如何确定系统模型参数并提高模型的准确性，对提高装置的安全性和可靠性，并延长使用寿命，具有重要的意义[3-5]。

一般来说，系统模型参数识别问题可以转化为复杂非线性多维函数最优化问题[6]，并采用优化方法进行求解，因此优化方法的搜索性能对模型精确性有至关重要的影响。近年来，随着智能优化技术的发展，为求解复杂优化问题提供了一种有效的方法和手段，并在PEMFC系统模型参数优化识别领域取得了较好的结果[7-8]，如遗传算法[6,9]、粒子群算法[10-11]、差分进化算法[12-14]、人工蜂群算法[15]、P 系统优化[16]和声搜索[17]等。

差分进化算法（differential evolution algorithm,DE）是一种新的智能优化算法[18]，具有结构简单、实现简单、鲁棒性强等特点，在化工过程优化中得到了广泛的应用[19-22]。在差分进化算法中，变异和交叉算子是两个关键的操作算子，对算法整体性能有重要的影响。因此，对变异和交叉算子的改进得到了研究人员广泛的重视，并取得了可喜的成绩[23]。如Zhang 等[24]提出了一种名为DE/current-to-pbest/1的变异策略。该策略将部分较差个体保存在一个外部存档集合中，然后基于该外部存档集合为变异操作提供更多的有利差分向量。Das 等[25]基于种群个体拓扑结构，提出一种关于局部和全局变异相结合的组合变异策略。……