Las celdas de combustible de membrana de intercambio de protones (PEMFC) son muy valoradas por sus cero emisiones, bajo ruido y características ecológicas. Sin embargo, enfrentan dificultades sustanciales al arrancar en condiciones de baja temperatura. La calefacción asistida por refrigerante suele ser más efectiva que otros métodos debido a su rapidez, alta eficiencia en la transferencia de calor y estructura simple. Este estudio desarrolló un modelo de arranque en frío de PEMFC no isotérmico y multifásico en tres dimensiones con calefacción asistida por refrigerante. Se seleccionaron parámetros clave, incluyendo la tasa de consumo de calor, la tasa de flujo de refrigerante, la pendiente de la corriente de carga, el contenido inicial de agua en la membrana, la porosidad de la capa de catalizador y la porosidad de la capa de difusión de gas, como variables de optimización. Se empleó una Red Neuronal Convolucional-Mecanismo de Atención-Red Neuronal Bidireccional de Memoria a Corto Plazo (CAB-Net) como modelo sustituto para predecir la fracción de volumen de hielo durante el proceso de arranque en frío. El modelo CAB-Net se integró además con el Algoritmo de Optimización de Ballenas Ordenadas Lexicográficamente (LO-WOA) para identificar la combinación óptima de parámetros. La optimización tenía como objetivo minimizar la fracción máxima de volumen de hielo (MIVF) en la Capa de Catalizador del Cátodo (CCL) y reducir el consumo de energía requerido para alcanzar esta fracción. Los resultados de la optimización revelaron que, en comparación con el modelo base (MIVF = 0.4519, consumo de energía = 0.77264 J), la MIVF se redujo a 0.1471, lo que representa una disminución del 67.45%, mientras que el consumo de energía se redujo a 0.70299 J, logrando una disminución del 9.01%. Los resultados subrayan la eficacia de la estrategia propuesta para mejorar el rendimiento del arranque en frío en condiciones de baja temperatura.