买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌大学申请的专利一种基于GA-BP的气化集成并联三电堆SOFC系统的性能预测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118657058B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411105060.X，技术领域涉及：G06F30/27；该发明授权一种基于GA-BP的气化集成并联三电堆SOFC系统的性能预测方法及系统是由吴肖龙;李柯烨;杨玉潇;梅娟;袁国豪;李豫;李曦;池波设计研发完成，并于2024-08-13向国家知识产权局提交的专利申请。

本一种基于GA-BP的气化集成并联三电堆SOFC系统的性能预测方法及系统在说明书摘要公布了：本发明公开了一种基于GA‑BP的气化集成并联三电堆SOFC系统的性能预测方法及系统，涉及系统性能预测技术领域，采用集总建模的方法对气化集成并联三电堆SOFC系统进行建模，将气化集成并联三电堆SOFC系统的数据集用于训练GA‑BP模型。根据此模型可以对气化集成并联三电堆SOFC系统中每个电堆的电效率和净电压等性能参数进行预测，进而对系统的设计参数以及操作条件进行优化。本发明通过将遗传算法与BP神经网络相结合来预测气化集成并联三电堆SOFC系统的性能参数，解决了传统的BP神经网络经常会遇到陷入局部最优的问题，有助于进行更广泛的全局搜索，找出最优参数组合，提高了模型预测的系统性能参数准确性。

本发明授权一种基于GA-BP的气化集成并联三电堆SOFC系统的性能预测方法及系统在权利要求书中公布了：1.一种基于GA-BP的气化集成并联三电堆SOFC系统的性能预测方法，其特征在于，包括： 步骤1、对气化集成并联三电堆SOFC系统进行建模，得到气化集成并联三电堆SOFC系统； 步骤2、将通过生物质气重整获取的燃料，通入气化集成并联三电堆SOFC系统，记载系统操作条件对合成气组分以及系统发电性能的影响，得到训练数据集； 步骤3、根据气化集成并联三电堆SOFC系统运行产生的训练数据集，设计BP神经网络的结构； 步骤4、以所述训练数据集中的系统操作参数作为输入，以电堆电压，电效率，电流密度作为输出，进行训练，使用遗传算法，对BP神经网络的初始权值和阈值进行优化，得到基于GA-BP的气化集成并联三电堆SOFC系统性能预测模型； 步骤5、获取从气化集成并联三电堆SOFC系统采集的实际测试数据集，将实际测试数据集中的系统操作参数作为输入参数，输入到基于GA-BP的气化集成并联三电堆SOFC系统预测模型，得到电堆电压，电效率和电流密度的预测值； 所述实际测试数据集中的系统操作参数为生物质中O，C和H的质量含量、水蒸气质量流量与生物质质量流量比、气化温度、SOFC阳极运行温度和生物质供输流速； 所述步骤4中，使用遗传算法，对BP神经网络的初始权值和阈值进行优化的步骤为： 步骤4.1、用随机法生成N个初始串作为初始群体，每个初始串称为一个个体，个体由基于BP网络的气化集成并联三电堆SOFC性能预测模型的输入层权重、输入层阈值、输出层权重和输出层阈值构成； 步骤4.2、根据适应度函数计算第i代种群每个个体的适应度值Z； 步骤4.3、选择操作：采用根据个体误差大小进行概率选择的方法，选出子种群； 步骤4.4、交叉操作：选择两个父代个体，根据交叉概率对其基因位进行交换组合，生成新的子代； 步骤4.5、变异操作：采用变异概率的变异算子，从种群中选择个体进行变异操作； 步骤4.6、判断遗传代数是否满足终止条件，若满足则停止运算，并将最优个体对应的网络初始权重和阈值赋值给BP神经网络；否则返回步骤4.2； 其中，适应度函数公式如下： ； 式中，Z为适应度值；n为训练样本数；和分别为BP神经网络第i个节点的期望输出值和实际输出值； 使用实数编码机制连接网络参数，实数编码长度计算公式为： ； 式中，y为编码长度；为BP神经网络中设置的输入层节点数；b1为隐藏层节点数；c为输出层节点数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。