（一）燃料电池,尤其是
熔融碳酸盐燃料电池是21世纪最有希望的发电技术.在简要叙述了熔融碳酸盐
燃料电池发电系统的发电原理后,从以下方面对系统的开发进行了论述:单体元件(电极和电解质)性能
的提高,燃料的处理,余热利用,电力调节和并网,电池参数(工作压力、温度、反应气体的组成和利用率、燃料气体湿度)的控制与优化.介绍了熔融碳酸盐燃料电池发电系统的国内外研究现状,给出了天然气外部重整型和内部重整型燃料电池的循环模型.指出熔融碳酸盐燃料电池系统开发面临的主要课题:延长寿命、降低成本、系统小型化、改善电能质量等,给出一种多段熔融碳酸盐燃料电池系统模
（二）针对
直接甲醇燃料电池(DMFC)系统过于复杂，难以数学建模。应用一种改进的RBF神经网络对DMFC系统进行辨识建模。模型以甲醇的浓度和流速为神经网络辨识模型的偷入量，电池电压/电流密度为偷出量，利用1000组实验数据作为训练和测试样本，建立了不同甲醇浓度和流速下电池电压/电流密度动态响应模型。应用仿真对建模的有效性和精度进行了检验，并与BP神经网络辨识的效果进行了对比。仿真结果证明RBF神经网络比BP神经网络收敛得快，建模精度高，从而为设计DMFC实时控制系统莫定了基础。
（三）为克服传统
遗传算法退化和早熟等缺点,同时降低优化算法的复杂度,提出基于人工免疫系统(ArtificialImmuneSystem,AIS)实现无约束多目标函数的优化。使用随机权重法和自适应权重法计算种群个体的适应值,使Pareto最优解均匀分布的同时,加快算法的收敛;通过引入人工免疫系统的三个基本算子:克隆、超变异和消亡,保持种群的多样性;在进化种群外设立Pareto解集,保存历代的近似最优解。使用了两个典型的多目标检测函数验证了该算法的有效性。优化结果表明,基于AIS的多目标优化算法可使进化种群迅速收敛到Pareto前沿,并能均匀分布,是实现多目标函数优化的有效方法。