Abstract An accurate identification of the parameters of solid oxide fuel cell (SOFC) models is the first step to provide a reliable design for an energy storage system using SOFC. Therefore, in the current work, a novel developed variant for the marine predators algorithm (MPA) is proposed based on comprehensive learning and dynamic multi-swarm approaches to extract highly accurate, precise, and efficient parameters of the SOFC model that achieve the closely matching between the actual and estimated system responses. The proposed comprehensive learning dynamic multi-swarm marine predators algorithm (CLDMMPA) is examined with two scenarios that are SOFC steady-state and dynamic state-based models under variable operating conditions. The results of the proposed algorithm are validated via an intensive comparison based on statistical metrics and non-parametric tests with other recent counterparts. Furthermore, the accuracy of identified parameters in the case of the dynamic model is evaluated with two cases of sudden power load variations, and the dynamic responses of the stack voltage and current are analyzed. The comparisons and analyses have confirmed the superiority of the proposed CLDMMPA to provide highly accurate identified parameters that exhibit the minimum deviation between the measured and estimated stack current–voltage and stack current–power curves. Moreover, the consistency of the CLDMMPA results and the smooth decaying in its convergence curves are other remarkable points superior to other counterparts.

中文翻译：

---

综合学习动态多群海洋捕食者算法静态和动态模拟固体氧化物燃料电池参数识别

摘要 准确识别固体氧化物燃料电池 (SOFC) 模型的参数是为使用 SOFC 的储能系统提供可靠设计的第一步。因此，在目前的工作中，基于综合学习和动态多群方法，提出了一种新的海洋捕食者算法（MPA）变体，以提取 SOFC 模型的高精度、精确和高效参数，实现紧密匹配。实际和估计的系统响应之间。所提出的综合学习动态多群海洋捕食者算法 (CLDMMPA) 在两种情况下进行了检查，即在可变操作条件下的 SOFC 稳态和基于动态状态的模型。所提出算法的结果通过基于统计指标和非参数测试的密集比较与其他最近的对应物进行了验证。此外，在动态模型的情况下，通过两种功率负载突然变化的情况评估了识别参数的准确性，并分析了堆电压和电流的动态响应。比较和分析证实了所提出的 CLDMMPA 的优越性，可提供高度准确的识别参数，这些参数显示出测量的和估计的堆电流 - 电压和堆电流 - 功率曲线之间的最小偏差。此外，CLDMMPA 结果的一致性及其收敛曲线的平滑衰减是优于其他同行的其他显着点。此外，在动态模型的情况下，通过两种功率负载突然变化的情况评估了识别参数的准确性，并分析了堆电压和电流的动态响应。比较和分析证实了所提出的 CLDMMPA 的优越性，可提供高度准确的识别参数，这些参数显示出测量的和估计的堆电流 - 电压和堆电流 - 功率曲线之间的最小偏差。此外，CLDMMPA 结果的一致性及其收敛曲线的平滑衰减是优于其他同行的其他显着点。此外，在动态模型的情况下，通过两种功率负载突然变化的情况评估了识别参数的准确性，并分析了堆电压和电流的动态响应。比较和分析证实了所提出的 CLDMMPA 的优越性，可提供高度准确的识别参数，这些参数显示出测量的和估计的堆电流 - 电压和堆电流 - 功率曲线之间的最小偏差。此外，CLDMMPA 结果的一致性及其收敛曲线的平滑衰减是优于其他同行的其他显着点。比较和分析证实了所提出的 CLDMMPA 的优越性，可提供高度准确的识别参数，这些参数显示出测量的和估计的堆电流 - 电压和堆电流 - 功率曲线之间的最小偏差。此外，CLDMMPA 结果的一致性及其收敛曲线的平滑衰减是优于其他同行的其他显着点。比较和分析证实了所提出的 CLDMMPA 的优越性，可提供高度准确的识别参数，这些参数显示出测量的和估计的堆电流 - 电压和堆电流 - 功率曲线之间的最小偏差。此外，CLDMMPA 结果的一致性及其收敛曲线的平滑衰减是优于其他同行的其他显着点。