《ACS Omega》:A Novel Method to Indirectly Measure Electro-osmotic Drag and Back Diffusion From Total Water Flow Experiments in PEM Fuel Cells
编辑推荐:
本文提出了一种通过总水流量实验间接测量质子交换膜(PEM)燃料电池中电渗拖曳(EOD)和反向扩散(BD)系数的新方法。该方法采用高阶多项式拟合数据,避免了传统线性拟合强制过原点而忽略其他驱动力的假设,能够更精确地量化EOD和BD随膜水合状态和电流密度的变化,为燃料电池的水热管理和系统优化提供了重要理论依据。
引言
质子交换膜(PEM)燃料电池需要精确的水管理,既要保持膜充分水合以支持质子传导和电渗拖曳(EOD),又要避免过度水合导致阴极催化剂层积水( flooding)而性能下降。膜两侧的总水流量必须严格控制,以防止膜干涸(增加欧姆损失)和阴极积水(增加热量生成、降低放电电压)。根据能斯特-普朗克(Nernst–Planck)方程,膜内流体传输主要有两种模式:电渗拖曳和反向扩散(BD)。
阳极(氢气侧)需要加湿以支持EOD,这通常通过菲克扩散将水从阴极输送到阳极来实现。通过EOD传输的水量必须得到补充。为了促进BD,阴极侧会设置加湿器对进入燃料电池的空气进行加湿。如果EOD系数高于预测值,则会有更多水穿过膜,导致阴极过度加湿和积水风险;反之,如果EOD系数低于预测值,则膜可能干涸。因此,准确量化膜水传输驱动力对于燃料电池的最佳运行至关重要。
由于流体驱动力大小存在不确定性,系统平衡(BOP)中的加湿器等组件通常被设计得比实际需要更大。通过改进模型,可以减小甚至取消某些组件,从而简化系统并优化性能。
在以往通过间接测量膜总水流量来研究EOD或BD的实验中,测量结果是所有存在的流体驱动力共同作用的结果。传统研究方法通常为至少一种驱动力选择一个现有的经验模型,并将其余部分归因于其他驱动力。例如,当假设只有EOD和BD存在时,总水流量(JTotal)被表述为JTotal= JEOD+ JBD。问题在于,现有的经验模型之间存在显著的分散性,因为它们是在不同条件下开发的,且通常隐含地假设其他驱动力可忽略不计。此外,使用线性趋势线假设间接测量的系数不随电流密度变化,这对液态水可能成立,但对水蒸气则不然。对于Nafion这样的燃料电池膜,EOD和BD系数都依赖于膜的水合状态。
理论背景
膜内的总水流量通常用能斯特-普朗克方程建模:
JTotal= nd(λ) * (j / F) - (ρ / EW) * Dλ* (dλ/dx)
其中,nd(λ)是电渗拖曳系数,是膜水含量λ的函数;j是电流密度;F是法拉第常数;Dλ是反向扩散系数;ρ是密度;EW是等效重量。
如果总水流量JTotal对电流密度j的导数,则只剩下电渗拖曳项:dJTotal/dj = nd(λ) / F。类似地,如果对浓度梯度求导,则只剩下菲克扩散系数。传统的实验数据分析通常将总水流量数据拟合为线性函数:JTotal= ao+ a1j,并常常强制趋势线通过原点(即设ao=0)。这相当于假设BD等其他驱动力可忽略不计,将所有流体传输都归因于EOD,从而导致EOD系数测量不准。如果存在其他驱动力(如热渗透、膜蒸馏),其影响会被错误地计入EOD或BD中。
实际上,除了电压梯度和浓度梯度驱动的EOD和BD之外,还存在其他流体驱动力,如温度梯度驱动的热渗透(Thermal Osmosis)和膜蒸馏(Membrane Distillation,在等温条件下有液体水存在时也称为渗透蒸馏Osmotic Distillation)。这些效应并未包含在标准的能斯特-普朗克方程中。
研究方法与创新
本研究的核心是提出一种新方法,通过将理论模型(能斯特-普朗克方程)与实验数据相结合,在不预先假设特定经验模型的情况下,从总水流量实验中间接确定每个数据点上的EOD和BD系数。
该方法的关键步骤是:
- 1.
不对总水流量数据强制使用线性拟合或强制趋势线通过原点。
- 2.
根据数据特征,使用更高阶的多项式(如二阶多项式 JTotal= ao+ a1j + a2j2)来拟合总水流量与电流密度的关系,以捕捉EOD和BD系数可能随电流密度(反映膜水合状态变化)而变化的行为。
- 3.
通过计算总水流量对电流密度的导数(dJTotal/dj),并将其与能斯特-普朗克方程的相应导数关联,从而在每個数据点上求解EOD系数:nd(λ) / F = dJTotal/dj。
- 4.
在获得EOD部分的水通量(JEOD= nd(λ) * (j / F))后,从总水通量中减去JEOD即可得到BD部分的水通量(JBD)。
这种方法允许EOD和BD系数随操作条件(如电流密度、相对湿度)变化,从而更准确地分解总水流量中的各个组分。
结果与讨论
研究将新方法应用于Ye和Wang发表的实验数据进行了重新分析。这些原始实验使用氢泵测量总水流量来确定EOD系数,并假设BD可忽略(通过强制线性趋势线过原点实现)。
案例1:Gore-Select膜(200 μm)
- •
对40%、65%和95%相对湿度(RH)下的数据分别进行多项式拟合,而不是将所有数据混合或强制线性拟合过原点。
- •
结果显示,EOD系数并非常数,而是随电流密度变化。例如,在40% RH下,EOD系数从1.10降至1.03;在65% RH下,从0.92降至0.74;在95% RH下,从1.58显著降至0.3,表现出强烈的非线性。
- •
BD部分占总水流的比例被量化出来:在40% RH下为1.1%至10%;65% RH下为1.3%至18.7%;95% RH下为1.7%至25.3%。这表明BD并非可忽略不计。
- •
与原始研究(报告恒定EOD系数为1.07)相比,新方法显示EOD系数是变化的,并且由于分离了BD的影响,计算出的EOD值与原始值存在差异。在某些情况下,新模型预测的EOD水传输量高于原模型,可能导致阴极更易积水;在另一些情况下则相反。
案例2:Nafion膜(250 μm)
- •
同样应用二阶多项式拟合。在40% RH下,EOD系数从2.05开始甚至变为负值;65% RH下从1.18增至1.34;95% RH下在低电流密度约为0.56,在高电流密度下变为-0.66,表明水流方向从阳极到阴极变为阴极到阳极。
- •
BD的贡献更为显著:40% RH下高达90%;65%和95% RH下可达20%。这进一步证实BD在实验中起着重要作用,将其忽略会扭曲EOD的测量结果。
- •
特别地,在95% RH和高电流密度下观察到的总水流量下降,被归因于两相流(液态水出现)引发的渗透蒸馏(Osmotic Distillation)效应,该效应驱动水从液态侧(阴极)流向气相侧(阳极),与EOD方向相反。将数据分为单相区和两相区分别分析,可以更清晰地揭示这一现象。
案例3:薄膜(Gore-Select, 25 μm)
- •
对于95% RH的数据,在电流密度约1500 mA/cm2处观察到总水流量从增加到减少的转折点。将数据以此点为界分为单相区和两相区进行分析。
- •
在单相区(<1500 mA/cm2),EOD系数相对恒定;在两相区(>1500 mA/cm2),EOD系数变为负值,再次证实渗透蒸馏等机制开始主导水的传输方向。
- •
BD的贡献在30% RH下为11.85%至31.5%;55% RH下为1%至14.5%;95% RH下单相区为2.2%至8.3%,两相区高达59.8%至65%。
通过对这些数据的重新分析,本研究清晰地表明:
- 1.
EOD系数并非常数,它随膜水合状态(受电流密度和相对湿度影响)而变化。
- 2.
BD在大多数情况下不可忽略,其方向通常与EOD相反。强制趋势线过原点会将BD的影响错误地计入EOD中。
- 3.
在高相对湿度条件下,可能出现两相流和渗透蒸馏等附加机制,导致总水流量呈现非线性行为,甚至改变净水流方向。
结论与意义
本研究提出的方法能够从总水流量实验数据中提取更准确的、随条件变化的EOD和BD系数,克服了传统方法因简化假设(如线性、BD可忽略)带来的局限性。
对燃料电池设计和运行的意义重大:
- •
水热管理:准确的EOD和BD模型对于防止膜干涸和阴极积水至关重要。如果根据不准确的模型设计阴极加湿器,可能导致过度加湿( flooding)或加湿不足(膜干涸)。
- •
系统平衡(BOP)优化:阳极侧的化学计量比、氢气循环 ejector/injector 的设计以及阴极加湿器的 sizing 都依赖于对膜水传输的准确预测。更精确的模型有助于优化这些组件,可能实现部件小型化或简化,提高系统效率。
- •
模型验证:该方法为验证现有的EOD和BD经验模型提供了更可靠的基准。
总之,这项研究通过改进数据分析方法,深化了对PEM燃料电池中复杂水传输机制的理解,为提升燃料电池的性能和可靠性提供了重要的理论和实践工具。未来的研究需要结合更多的实验测量(如膜两侧温度和蒸汽压)来进一步量化热渗透和渗透蒸馏等次要但可能重要的驱动力。