近些年来关于燃料电池的研究日趋热门,并被广泛看作是当前环境和能源问题的潜在解决方案,燃料电池拥有远优于传统电池的续航能力及能量转化率。本文针对质子交换膜燃料电池展开研究,主要聚焦于它的运行过程,研究静态及动态仿真模型,电压、电流等参数预测的方法,为质子交换膜燃料电池的控制和运行优化奠定基础。首先,本文建立了燃料电池的电化学反应静态机理模型,并通过优化方法拟合电化学反应中经验计算公式里面的超参数,通过研究发现该方法需要满足几个条件:燃料电池需保持特定的内部结构、运行过程中保持恒定的环境。然而研究人员设计出的燃料电池种类多样,实际环境也与实验室环境有很大区别,所以静态机理模型很难应对现实中各种复杂情况。同时研究过程发现温度变化对燃料电池有很大的影响,因此在静态机理模型的基础上结合燃料电池的热力学特性,建立质子交换膜燃料电池的动态仿真模型,仿真研究结果表明动态模型比静态机理模型更接近现实情况。其次,利用输入输出变量数据,研究了基于XGBoost的质子交换膜燃料电池参数预测方法,预测的参数主要为:电堆电压、电堆温度。运用3sigma原则和小波阈值去噪的数据预处理方法去除数据中的粗大误差和噪声,通过对比三种建模方法:极端梯度上升XGBoost、最小二乘支持向量机LSSVM、深度置信网DBN,仿真结果表明基于XGBoost建模算法可以提高电池参数预测精度,并且大幅降低模型训练时间。最后,利用变量的时间序列数据,研究了基于长短时记忆神经网络LSTM的燃料电池参数预测方法,经过算法原理分析可知LSTM进行燃料电池的参数预测精度高。通过在不同测试集仿真结果表明,该方法既适用于理论模型,同时也能够适用于实际应用场景中,可以保持良好的预测精度和较短的模型训练时间。