一种基于深度学习和黏菌算法的固体氧化物电解池工况优化方法

本发明属于固体氧化物燃料电池相关技术领域，具体涉及一种基于深度学习和黏菌算法的固体氧化物电解池工况优化方法，构建SOEC的一维多节点物理模型；确定作为神经网络输入的待优化操作参数组以及作为神经网络输出的SOEC目标性能组，基于物理模型生成训练样本集，以训练得到SOEC的神经网络模型；将待优化操作参数组作为黏菌算法的黏菌，采用黏菌算法对待优化操作参数组的取值进行寻优；寻优过程中，黏菌算法的目标函数为最大化SOEC内部产生能量与消耗能量的比值，内部产生能量与消耗能量均基于神经网络模型的输入和输出计算确定；约束条件包括SOEC电堆的最大节点温度和最大温度梯度。本发明在参数优化更能保证电堆安全运行。