摘要
本发明公开了一种一种固体氧化物燃料电池电压预测方法,包括:S1,从历史实验数据中获取固体氧化物燃料电池的短期、中长期和长期电压数据;S2,对获取的电压数据中的异常值进行处理,并划分训练集和验证集;S3,构建长短期记忆与卷积神经网络模型,配置网络所需运行环境;S4,将行归一化后训练集数据输入模型中进行训练直至获得理想的训练权重和预测电压数据;S5,采集固体氧化物燃料电池的实时电压数据并进行归一化处理,将S4训练得到的权重导入模型中并输入归一化后的实时电压数据,对测试结果进行逆归一化后获得所述固体氧化物燃料电池的实时预测电压。该方法预测准确、可靠,模型的泛化能力高。
技术关键词
卷积神经网络模型
电压
训练集数据
输出特征
长短期记忆网络
深度学习服务器
配置网络
深度学习框架
燃料电池
统计学方法
可视化方法
优化器
归一化方法
工具包
系统为您推荐了相关专利信息
自动检测方法
异常信号
连续小波变换
注意力机制
卷积神经网络模型
动态门控
网络检测方法
融合特征
融合网络系统
频率
质检方法
图像采集平台
计算机视觉
输出特征
线性光源