En el present traball, una sèrie de xarxes neuronals completament connectades (NN), i de sistemes formats per aquestes, és entrenat amb dades experimentals per a predir l’estat de càrrega (SOC) d’un tanc d’emmagatzematge d’hidrogen amb hidrurs metàl·lics, amb variables d’entrada tals com temps, pressió, temperatura i valors derivats. Diferents configuracions de xarxes neuronals, funcions de pèrdues i de variables d’entrada són emprades, i el rendiment dels sistemes resultants és evaluat emprant un conjunt de dades de validació.

En el presente trabajo, una serie de redes neuronales completamente conectadas (NN), y de sistemas formados por estas, es entrenado con datos experimentales para predecir el estado de carga (SOC) de un tanque de almacenamiento de hidrógeno con hidruros metálicos, con variables de entrada tales como tiempo, presión, temperatura y valores derivados. Diferentes configuraciones de redes neuronales, funciones de pérdidas y de variables de entrada son empleadas, y el rendimiento de los sistemas resultantes es evaluado usando un conjunto de datos de validación.

In the present work, a series of fully-connected neural networks (NN), and systems formed by these are trained with experimental data to predict the state of charge (SOC) of a metal hydride hydrogen storage tank, with input variables such as time, pressure, temperature, and derived values. Different configurations of NN, loss functions and input variables are used, and the performance of the resulting systems is evaluated using a validation dataset.