基于搜寻者优化算法的质子交换膜燃料电池模型优化

搜寻者优化算法(seekeroptimizationalgorithm，SOA)是模拟人的随机搜索行为的一种应用于连续空间的群体智能优化算法。根据质子交换膜燃料电池(protonexchangemembranefuelcell，PEMFC)极化曲线模型的建模原理，采用SOA算法对该模型的参数进行优化，用以得到一组模型的最优参数。通过仿真结果与实验结果的对比分析，证明SOA算法能够使仿真结果和实验测试数据之间达到很高的拟合精度，对于优化PEMFC的极化曲线模型参数具有明显的优越性。因此，SOA算法对于改善PEMFC极化曲线模型的性能将起到重要的作用，并有望成为模型优化领域的一种新的有效工具。