Forscher des PLOS ONE‑Teams um Amlak Abaza, Ragab A. El‑Sehiemy, Rania M. Ghoniem, Mahana M. Elbana und Ahmed Bayoumi haben einen neuartigen Optimierungsalgorithmus vorgestellt, der die Parameterbestimmung von Festoxid‑Brennstoffzellen‑Stacks (SOFC) effizienter gestaltet. Der Puma‑Optimierungsalgorithmus (POA) soll laut den Autoren die Konvergenzgeschwindigkeit erhöhen und genauere Ergebnisse im Vergleich zu etablierten Verfahren liefern.
Hintergrund der Technologie
Festoxid‑Brennstoffzellen gelten als vielversprechende Technologie für die saubere Energieumwandlung, sowohl in mobilen Geräten als auch in stationären Kraftwerken. Die Leistungsfähigkeit einer SOFC hängt stark von einer präzisen Modellierung der Stack‑Parameter ab, weshalb Optimierungsverfahren eine zentrale Rolle spielen.
Konzept des Puma‑Optimierungsalgorithmus
Der POA orientiert sich an Räuber‑Beute‑Beziehungen in der Natur und kombiniert innovative Erkundungs‑ und Ausbeutungsstrategien, um ein breites Spektrum von Optimierungsaufgaben zu bewältigen. Durch die Integration einer Phase‑wechsel‑Hyper‑Heuristik soll das Verfahren flexibel auf unterschiedliche Problemstrukturen reagieren.
Experimentelle Validierung
Die Forscher testeten das Modell unter vier Temperaturbedingungen zwischen 923 K und 1073 K bei einem Betriebsdruck von 3 bar. Zwei dieser Bedingungen dienten der Validierung, die übrigen beiden der Modellprüfung. Die simulierten Polarisation‑Kurven (Spannung‑Strom‑ und Leistung‑Strom‑Diagramme) wurden dabei mit gemessenen Datensätzen verglichen.
Vergleich mit bestehenden Algorithmen
Der POA wurde gegenüber dem Marine Predator Algorithm (MPA), dem Moth Flame Algorithm (MFA), dem Sine Cosine Algorithm (SCA) und dem Grey Wolf Optimizer (GWO) evaluiert. Laut den Autoren zeigte der POA in allen Testfällen eine überlegene Konvergenzrate und geringere Fehlerwerte. Statistische Kennzahlen und ein ANOVA‑Test bestätigten signifikante Unterschiede zugunsten des POA.
Bedeutung fĂĽr die Praxis
Nach Angaben der Autoren ermöglicht der POA eine schnellere und robustere Bestimmung von SOFC‑Parametern, was die Entwicklung effizienterer Brennstoffzellen beschleunigen könnte. Die verbesserten Optimierungsergebnisse könnten dazu beitragen, die Wirtschaftlichkeit von SOFC‑Systemen in mobilen und stationären Anwendungen zu steigern.
Ausblick
Die
Ende der Ăśbertragung