基于神经网络的航空SOFC-GT混合动力系统功率匹配多目标优化研究

针对航空固体氧化物燃料电池(SOFC)和涡轮发动机(GT)混合动力系统的功率匹配问题,提出1种基于神经网络的多目标优化方法。通过数值仿真,分析了不同SOFC与GT功率分配对系统性能(系统总质量、系统热效率、系统发电效率、燃油消耗率、CO2排放率等)的影响。采用BP神经网络代理模型,对不同功率匹配方案进行了性能预测,并结合多目标遗传算法与TOPSIS决策方法,优化得出了最佳功率匹配方案(SOFC输出功率为133.092 kW,GT输出功率为66.908 kW)。研究结果表明,优化后的功率匹配方案系统总质量为117.124 kg、燃油消耗率为0.196 kg/s、系统热效率为73.21%。相较于SOFC和GT功率输出相等的方案,优化后的方案系统总质量降低了27.7%。该方法为航空混合动力系统的功率匹配优化设计提供了1种新的思路。