Sensitivity Analysis for Solid Oxide Fuel Cells using Artificial Neural Network Model
محل انتشار: اولین کنفرانس رویکردهای نوین در نگهداشت انرژی
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,922
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ETEC01_016
تاریخ نمایه سازی: 11 اسفند 1390
چکیده مقاله:
Parametric study is performed by sensitivity analysis (SA) for solid oxide fuel cells (SOFCs) on an artificial neural network (ANN) model of the SOFC performance. The ANN model have been used to predict the SOFC performance exactly and then the effects of cell parameters, i.e. anode supported layer thickness, porosity, electrolyte thickness, and cathode functional layer thickness, are calculated to recognize the significant factors on the power density of SOFC by using the ANN model. Therefore, this approach can be used to recognize the effects of the cell parameters of the SOFCs and increase the performance in the optimal design of SOFC.
کلیدواژه ها:
SOFC – ANN – sensitivity analysis – performance – cell parameter
نویسندگان
shahriar bozorgmehri
University of Tehran, School of Mechanical Engineering,
mohsen hamedi
Niroo Research Institute, Renewable Energy Department,
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :