A carregar...
Publicação
Modelização por redes neuronais de uma pilha de combustível do tipo PEM
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 1.54 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Este trabalho centrou-se na modelização por redes neuronais de uma pilha de
combustível do tipo PEM, de forma a prever os valores de tensão e corrente à saída da
pilha, com o intuito de comprovar a previsibilidade e fiabilidade desta tecnologia.
Nesta perspectiva, após uma apresentação teórica do hidrogénio e das pilhas de
combustível, faz-se a descrição da pilha modelizada, e através da técnica estatística de
ACP, seleccionam-se 9 das 14 variáveis que traduzem o funcionamento da pilha.
Seguidamente, procedeu-se à modelização por redes neuronais da pilha de forma a
prever o desempenho desta. A ACP e as RNA são desenvolvidas através do MatLab. A
ACP permitiu a redução da dimensionalidade do conjunto de dados, facilitando o
desenvolvimento e interpretação das RNA.
A RNA foi aplicada para os dois casos, ou seja, foram criadas redes neuronais artificiais
com 14 e 9 variáveis. Verificou-se que a diferença entre o valor de tensão/corrente real e
estimado, para 14 variáveis, é de 0,0070 e 0,0267, respectivamente. Para 9 variáveis, a
diferença entre o valor de tensão/corrente real e estimado é de 0,0055 e 0,0049,
respectivamente. Para 14 variáveis a rede torna-se mais complexa e perde capacidade de
generalização, o que justifica a diferença de valores de tensão/corrente para 14 e 9
variáveis.
A modelização da rede permitiu estimar os valores de tensão e corrente à saída da pilha
com um erro reduzido, e também, evidenciar a capacidade de generalização da rede para
um domínio bem definido dentro dos parâmetros de funcionamento da pilha.
Descrição
Dissertação apresentada à Universidade Nova de
Lisboa, Faculdade de Ciências e Tecnologia, para a obtenção do grau de Mestre em Energia e Bio-energia
Palavras-chave
Redes Neuronais Artificiais (RNA) Análise de Componentes Principais (ACP) Pilha de combustível de membrana de permuta protónica (PEM) Modelização