1.质子交换膜燃料电池模型优化处理方法，其特征在于，包括以下步骤：a、以下式作为质子交换膜燃料电池模型的原型：V=n(ENernst-Vact-Vohmic-Vcon)其中，V为电池输出电压，n为电池芯个数，ENernst为电池热力势电压，Vact为活化极化电动势，Vohmic为欧姆过电势，Vcon为浓差极化过电势；

上式中：

其中，T为电池环境的绝对温度， 和 分别为氢气和氧气的分压；I为输出电流，ξ1，ξ2，ξ3和ξ4为活化极化电动势系数，l为质子膜的膜厚度，A为活化区面积，λ为欧姆电压降的外电路系数，RC为欧姆电压降的燃料电池内电阻，b为浓差极化过电势洗漱，Jn为由于燃料流动产生的电池内部电流密度，Jmax为燃料电池最大电流密度；

b、查询燃料电池技术手册得到结构参数n、l和A；

c、测量燃料电池的工作参数参数T、 I及在不同输出电流下的输出电压，并将燃料电池模型估计的输出电压与实测输出电压的误差平方和均值作为优化建模的目标函数；

d、采用多准则自适应差分进化处理方法得到参数ξ1、ξ2、ξ3、ξ4、λ、b、RC、Jn和Jmax。

2.根据权利要求1所述的质子交换膜燃料电池模型优化处理方法，其特征在于，步骤d具体包括：d1、初 始 化 参 数NP,G,α,LP,pmin, sFk，sCrk，其 中，g=0，k=1,2,3,4；

d2、初始化多准则自适应差分进化的种群 其中NP为种群大小，为第i个个体且 g表示迭代次数，这里g=0， 分别代表需要估计的9个变量ξ1,ξ2,ξ3,ξ4,λ,b,RC,Jn,Jmax,采用下式所示方式进行初始化i=1,2,...NP，j=1,2,...,9，即：其中，rand(0,1)为0和1之间的随机数，aj和bj分别为 的下界和上界；

d3、对每个个体 根据概率 从4个算子中选择一个算子ni，ni∈{1,2,...,4}，并将i加入到集合 中，其中 为算子k被选中的概率，4个算子表达式如下：

算子1：

算子2：

算子3：

算子4：

其中，i=1,2,…,NP，j=1,2,…,9， 为当前迭代采用算子ni的个体索引集合，和 分别代表当前迭代不采用第1个，第ni-1个，第ni+1个和第4个算子的个体索引集合， 为相应算子产生的试验个体 中的第j个分量，和 分别为种群中随机选择的5个个体的第j个分量并满足r1≠r2≠r3≠r4≠r5，Fi为尺度参数，Cri为交叉概率，rand(0,1)为0与1之间的随机数，jrand为0到9之间的一个整数，由随机方式确定；

d4、对每个个体 i=1,2,…,NP，分别采用下式确定参数Fi和Cri，即：其中， 代 表以 为中 心参数、0.1为 方差的 柯西分 布，代表以 为均值、0.1为方差的高斯分布， 为第ni个算子尺度参数中心， 为第ni个算子交叉概率均值，ni为步骤4中个体 选则的算子编号；

d5、对每个个体 i=1,2,…,NP，利用步骤d3中选择的算子1、算子2、算子3、算子4和步骤d4确定的参数Fi和Cri产生试验个体 然后执行如下操作，产生进入下一代种群的个体 即：如果 则将该个体采用的参数Fi和Cri分别加入到用于收集每个算子执行成功时的参数集合 和 中；

d6、对每个个体 i=1,2,…,NP，首先利用下式评价该个体采用的算子产生的归一化相对适应度改进 和归一化相对多样性贡献 即：且

且

其中， 和 分别为个体 的实际相对适应度改进和实际样性贡献；然后利用下式的多准则决策计算综合效应 即：其中，|·|为集合中元素个数，＞代表多准则决策中的支配关系， 表示 且 且 为当前迭代中不采用第ni个算子的个体的索引集合；

d7、对每个算子k，k=1,2,3,4，计算当前迭代算子k的奖励和 即：其中， 代表当前迭代中采用第k个算子的个体索引集合， 为集合 中元素的个数；

d8、对每个算子k，k=1,2,3,4，按照如下公式更新变量 即：其中， 为当前迭代中算子k的累积质量，α为衰减系数，pmin为每个算子最小的选择概率；

d9、对每个算子k，k=1,2,3,4，若集合sFk元素个数大于LP，则保留sFk中最后加入的LP个元素，否则sFk保持不变；然后更新 即：d10、对每个算子k，k=1,2,3，若集合sCrk元素个数大于LP，则保留sCrk中最后加入的LP个元素，否则sCrk保持不变；然后更新 即：d11、若满足结束条件，即如果迭代次数g=G，则输出最优解 及其目标函数值，并终止循环；否则g=g+1，并转到步骤d3。