1.一种基于改进海马优化算法的燃料电池参数辨识方法，其特征在于，包括收集多个时刻的固体氧化物燃料电池输出电压的实验值，并计算每个时刻的固体氧化物燃料电池输出电压的理论值；

选取塔菲尔线的斜率、阳极电流密度、阴极电流密度、离子电阻、常数因子、极限电流密度、开路电压作为决策变量构建参数的约束条件，并以输出电压的计算值与实验测量值的均方差最小为目标函数构建固体氧化物燃料电池优化模型；

将塔菲尔线的斜率、阳极电流密度、阴极电流密度、离子电阻、常数因子、极限电流密度、开路电压作为待求解变量，通过改进海马优化算法对固体氧化物燃料电池优化模型进行求解，得到优化后的塔菲尔线的斜率、优化后的阳极电流密度、优化后的阴极电流密度、优化后的离子电阻、优化后的常数因子、优化后的极限电流密度与优化后的开路电压；

其中，输出电压的理论值计算公式如下：

；

多个时刻的固体氧化物燃料电池的测量输出电压为：

， ；

其中， 为塔菲尔线的斜率， 为阳极电流密度， 为阴极电流密度， 为离子电阻，为常数因子，为极限电流密度， 为开路电压， 为固体氧化物燃料电池堆栈中的单元总数， 为负载电流密度， 为输出电压， 表示第 个时刻的固体氧化物燃料电池的测量输出电压，表示时刻的数量；

其中，目标函数基于以下公式：

；

其中， 表示最小化函数， 为固体氧化物燃料电池输出电压的理论值与实验测量值的均方差， 为塔菲尔线的斜率， 为阳极电流密度， 为阴极电流密度， 为离子电阻， 为常数因子， 为极限电流密度， 为开路电压；

其中， 计算公式如下：

；

其中： 表示第 个时刻的固体氧化物燃料电池输出电压的理论值， 表示第个时刻的固体氧化物燃料电池的实验测量输出电压，表示时刻的数量；

其中，参数的约束条件具体如下：

；

其中， =0 为开路电压的下限， =1.2 为开路电压的上限， =0 为塔菲尔线斜率的下限， =1 为塔菲尔线斜率的上限， =0 为阳极电流密度的下限， =100为阳极电流密度的上限， =0 为阴极电流密度的下限， =100为阴极电流密度的上限， =0 为常数因子的下限， =1 为常数因子的上限， =0为极限电流密度的下限， =10000 为极限电流密度的上限， =0为离子电阻的下限， =1 为离子电阻的上限；

其中，改进海马优化算法进行求解的具体过程如下：

步骤3.1、初始化海马优化算法，具体过程如下：

根据参数的约束条件设置海马的搜索空间 ，将待定的7个参数的下限逐维存入中，将待定的7个参数的上限逐维存入 中，  为海马搜索空间的下限， 为海马搜索空间的上限；

设置种群内海马的数量为 、最大迭代次数为 、行动判断因子 、捕食判断因子 、繁殖个体数 ；在海马活动区间内随机生成海马种群，并设置当前迭代次数 ；

步骤3.2、海马以两种运动行为搜索猎物，两种运动行为包括海马随海中漩涡的螺线运动与海马随海浪的布朗运动，步骤3.3、海马根据自身与最优个体的切比雪夫距离，选择不同的路线捕食猎物，具体如下：计算其余海马个体与精英个体之间的切比雪夫距离 ，判断该距离是否满足 ，若满足则海马个体按公式包围猎物；若不满足则海马捕食猎物，其中切比雪夫距离计算公式如下：；

其中， 为第 次迭代第 个个体与最优个体见的切比雪夫距离， 第 次迭代第 个海马个体所处的位置， 第 次迭代最优海马个体所处的位置；

步骤3.4、海马个体执行繁殖与变异操作，具体如下：

依据固体氧化物燃料电池优化模型中的目标函数对当前海马个体进行适应度排序，对当前海马种群进行角色分配后繁殖产生子代海马个体；

角色分配具体为定义适应度排前 的海马个体为父代海马 ，定义适应度排后的海马个体为母代海马 ，公式如下：；

第 个子代海马个体的计算公式如下：

；

其中， 为父代海马种群， 为母代海马种群， 表示第 次迭代按适应度升序排列的海马种群， 为海马种群数量，为区间 之间的随机数， 表示第 次迭代过程中的第 个子代海马个体， 表示第 次迭代过程中的第 个父代海马个体， 表示第 次迭代过程中的第 个母代海马个体；

繁殖过程完成后重新计算海马种群的适应度，基于变尺度变异策略对适应度较优的个体进行位置突变模拟天敌的猎杀，变尺度变异策略更新公式如下：；

其中， 为第 次迭代过程中更新后的第 个海马个体，为最大迭代次数，为满足数学期望 ，方差为 的正态分布随机数，其中数学期望 恒等于零，方差 初始设置为1，之后历史最优解每变化一次则令 ，步骤3.5：重复步骤3.2—步骤3.4，直至 大于 ，并输出优化后的开路电压，优化后的塔菲尔线斜率，优化后的阳极电流密度，优化后的阴极电流密度，优化后的常数因子，优化后的极限电流密度，优化后的离子电阻。

2.根据权利要求1所述的基于改进海马优化算法的燃料电池参数辨识方法，其特征在于，步骤3.1中，初始化海马种群的定义如下：；

且满足： ；

其中，  表示第 次迭代过程中第 个海马个体， 表示第 次迭代过程中第 个个体解向量的开路电压， 表示第 次迭代过程中第 个个体解向量的塔菲尔线斜率， 表示第 次迭代过程中第 个个体解向量的阳极电流密度， 表示第 次迭代过程中第 个个体解向量的阴极电流密度， 表示第 次迭代过程中第 个个体解向量的常数因子， 表示第 次迭代过程中第 个个体解向量的极限电流密度， 表示第 次迭代过程中第 个个体解向量的离子电阻， 表示第 次迭代过程中第 个海马个体的第 维向量，为解的维度， 表示海马活动区间中第 维解向量参数的下限， 表示海马活动区间中第 维解向量参数的上限，行动判断因子 与捕食判断因子 均为区间 之间的常数。

3.根据权利要求1所述的基于改进海马优化算法的燃料电池参数辨识方法，其特征在于，步骤3.2中，根据固体氧化物燃料电池优化模型的目标函数计算种群内所有海马个体的适应度，根据适应度的大小对海马个体进行排序并选出第 次迭代过程中的精英个体；

对每个海马个体设置行动因子 ，并判断行动因子 是否满足 ，若满足则当前海马个体随海中漩涡做新型螺线运动，若不满足则当前海马个体随海浪做布朗运动，所述海马个体随海中漩涡做新型螺线运动的更新公式如下：；

参数 为第一形状调节因子，参数 为第二形状调节因子，参数 为第三形状调节因子，具体计算公式分别如下：；

海马个体随海浪做布朗运动的具体更新公式如下：

；

其中， 为第 次迭代过程中更新后的第 个海马个体， 为第 次迭代过程中更新前的第 个海马个体， 为服从数学期望为 、方差为 的高斯分布的放缩因子， 为第 次迭代过程中的最优个体， 为四舍五入函数， 为步长调节因子，为 之间的随机数，为迭代次数； 为第 次迭代过程中更新后的第 个海马个体， 为第 次迭代过程中更新前的第 个海马个体， 为区间 之间的随机数，为常数系数，为服从正态分布的布朗运动随机游走系数， 为第 次迭代中螺线运动后的最优个体。

4.根据权利要求1所述的基于改进海马优化算法的燃料电池参数辨识方法，其特征在于，海马个体包围猎物的位置更新公式具体如下：；

海马个体捕食猎物的位置更新公式具体如下：

；

其中，为最大迭代次数，为迭代次数， 为第 次迭代过程中的精英个体，为区间 之间的随机数，为迭代次数。

5.一种适用于权利要求1所述基于改进海马优化算法的燃料电池参数辨识方法的系统，其特征在于，包括第一模块：被配置为用于收集多个时刻的固体氧化物燃料电池输出电压的实验值，并计算每个时刻的固体氧化物燃料电池输出电压的理论值；

第二模块：被配置为用于选取塔菲尔线的斜率、阳极电流密度、阴极电流密度、离子电阻、常数因子、极限电流密度、开路电压作为决策变量构建参数的约束条件，并以输出电压的计算值与实验测量值的均方差最小为目标函数构建固体氧化物燃料电池优化模型；

第三模块：被配置为用于将塔菲尔线的斜率、阳极电流密度、阴极电流密度、离子电阻、常数因子、极限电流密度、开路电压作为待求解变量，通过改进海马优化算法对固体氧化物燃料电池优化模型进行求解，得到优化后的塔菲尔线的斜率、优化后的阳极电流密度、优化后的阴极电流密度、优化后的离子电阻、优化后的常数因子、优化后的极限电流密度与优化后的开路电压。