考虑气动与?性能的燃料电池空压机多目标优化

《International Communications in Heat and Mass Transfer》：Multi-objective optimization of a fuel-cell air compressor considering aerodynamic and exergy performance

　　

摘要

两级空压机广泛应用于氢燃料电池系统中。当结构优化忽略?效率时，性能提升受到限制。本文提出了一种基于贝叶斯物理信息神经网络和灰狼优化器的两级空压机多目标优化方法，以压比、等熵效率和?效率作为优化目标。选择叶轮的五个结构参数作为设计变量，包括顶隙、叶轮出口宽度、叶轮直径、叶片数和叶片出口安装角。采用熵权法计算最优参数。优化结果表明，压比从1.39提高到1.44，等熵效率从89.55%提高到90.50%，?效率从88.63%提高到90.10%。此外，优化后的叶轮设计大大降低了由湍流耗散、粘性摩擦和壁面摩擦引起的不可逆?损失。所提出的方法实现了能量数量和质量的协同提升。

引言

随着全球能源短缺和环境退化日益严重，氢燃料电池因其高能量转换效率和近零污染物排放，作为交通领域有前景的电源而备受关注[1]。在燃料电池供气子系统中，空压机是关键辅助部件之一。其运行性能决定了电堆的氧化剂供应，从而影响电堆输出、系统发电能力和整体能量效率[2]。对于高功率燃料电池系统，通常采用两级离心式空压机，因为它们能够在保持大质量流量的同时实现较高的压比[3]、[4]。然而，当前两级空压机配置所需的寄生功率仍然相当可观，这限制了燃料电池系统净效率的进一步提升[5]。因此，改进空压机结构和气动设计已成为燃料电池系统优化中的一个关键问题。

多目标优化被越来越多地引入空压机设计中，以降低功耗并提高气动性能[6]、[7]。以前的研究主要从压比和效率方面评估空压机优化[8]。例如，Chen等人[9]分析了几何参数对氢燃料电池应用离心式空压机压比和等熵效率的影响。通过调整叶轮入口轮毂半径、入口隔套半径、出口半径、出口宽度和轴向高度，其优化设计在总压比保持约2.31几乎不变的情况下，将等熵效率从84.67%提高到85.92%。Ekradi等人[10]优化了跨声速离心式空压机叶轮的叶片角度分布。结果表明，通过优化用于定义主叶片和分流叶片在轮毂和隔套处叶片角度轮廓的28个控制点，压比从6.69提高到6.74，等熵效率从0.77提高到0.78。Yan等人[11]采用实验验证的三维计算流体力学（CFD）模型研究了入口导叶、级间扩散器叶片、叶轮叶片和分流叶片数量对两级离心式空压机性能的影响。结果表明，将每级叶轮叶片数从17片减少到15片，使多变效率从77.07%提高到79.04%。Fu等人[12]采用CFD模拟研究了两级离心式空压机。结果表明，调整入口导叶、扩散器叶片、叶轮叶片和分流叶片数量使多变效率从77.04%提高到81.43%，其中入口导叶数量设定为22片。事实上，有必要将热力学可用能损失作为优化目标。可用能量可以精确量化由复杂内部流动特征引起的不可逆能量质量退化。

为了更系统地评估能量质量的恶化，?分析和熵产生分析已被纳入空压机性能优化研究[13]。?分析也被纳入具有多个优化目标的燃料电池系统优化中。Laleh等人[14]使用灰狼优化调整了一种生物质气化与太阳能集成系统中SOFC的入口压力、燃料利用率、电流密度以及水与生物质的摩尔比。所选配置使?效率从50.64%提高到68.78%，产品成本从0.125 USD/kWh降低到0.098 USD/kWh。在组件层面，Ji等人[15]应用熵产生分析研究了顶隙对混合流泵内部流动行为和水力损失特性的影响。研究结果表明，当顶隙从0.2 mm增加到1.1 mm时，叶轮扬程损失系数变为原来的1.62倍，而总熵产生增加了142%。Tüchler等人[16]将CFD模拟与遗传算法相结合，优化了汽车径向空压机的叶片几何形状和子午线流道轮廓。进一步的熵产生分析阐明了优化配置的损失降低机制。在两种最优方案中，分流叶片长度分别缩短了约26%和33%，其周向位置也进行了调整。这些结构调整有效地减少了叶轮尾迹区后面的熵产生。Sun等人[17]将CFD模拟与?和熵产生分析相结合，研究了一种两级燃料电池空压机。结果表明，将叶片数从12片增加到20片，使低压级和高压级叶轮的?分别提高了70.77%和66.46%。Guo等人[18]开发了一种经实验验证的数值模型，并应用能量和?分析优化了用于氢储存的离子液体空压机的四个缓冲结构参数。结果表明，第一缓冲级的柱塞直径是主导参数，对能耗的贡献率为80.65%，对?效率的贡献率为79.82%。优化后的缓冲结构实现了57.55%的最大?效率，而溢流损失占总?输入的19.27%。

考虑?效率的优化设计方法需要通过CFD模拟获取影响?效率的关键因素。然而，大量的CFD模拟迭代将导致极高的计算成本。

为降低整体计算负担，人工神经网络被广泛用作替代模型以高效预测空压机性能[19]、[20]。Kim等人[21]基于RANS模拟数据构建了径向基神经网络替代模型，并将其与混合多目标进化算法集成。该方法用于优化描述离心式空压机叶轮轮毂和隔套子午线轮廓的四个设计变量。结果表明，优化后的叶轮在设计和非设计工况下均实现了总压比和等熵效率的提升。Ma等人[22]比较了基于径向基函数和深度神经网络的替代模型的预测性能，并将这些模型与混合粒子群优化-遗传算法策略相结合。该框架被应用于离心式空压机倾斜离散腔的优化，选择喘振裕度和绝热效率作为目标函数。研究发现，深度神经网络模型实现了更好的整体预测精度。优化后，腔体设计使喘振裕度相对于基线配置提高了6.41%，相对于光滑机壳空压机提高了11.32%。Tasharrofi等人[23]开发了一种结合CFD模拟、人工神经网络和遗传算法的优化程序，针对带有两个分流叶片的离心式空压机叶轮。考虑了八个设计参数，包括叶片布局、叶片数量、分流叶片在轮毂和隔套处的起始位置，以及它们相对于主叶片的周向偏移。在质量流量和总压比分别应保持在4.54 kg/s和3.88以上的约束条件下，优化后的叶轮将等熵效率从83.05%提高到84.11%。同样，Li等人[24]使用拉丁超立方抽样（LHS）构建了设计样本集，并建立了基于反向传播神经网络的替代模型来预测多变效率和压比。随后，采用遗传算法优化了描述轮毂和隔套区域叶片轮廓的16个控制点坐标。在设计工况下，优化后的叶片几何形状将多变效率从86.48%提高到87.04%，压比从1.17提高到1.20。除了空压机应用外，使用机器学习进行性能预测和使用替代模型进行优化也已在燃料电池和综合能源系统领域得到研究。Sun等人[25]结合Extra Trees和XGBoost，根据电流密度、进气温度、压力和相对湿度来预测PEMFC电压和电压波动。采用45个估计器和最大树深度9，模型在测试集上的均方误差分别为0.2254和1.48×10?4。Sun等人[26]开发了一种增强型深度神经网络，根据进气条件和电流密度预测PEMFC阻抗。采用200个基础学习器、0.02的学习率和32个隐藏神经元，模型在测试集上的均方误差为5.48×10?5，在大多数情况下相对误差低于5%。Azizi Arshad等人[27]将神经网络替代与粒子群优化相结合，调整了太阳能发电和甲烷共生系统的八个热工和运行参数。在680 W/m2条件下，优先考虑发电的配置实现了1396 kW的净功率、287.74 kg/h的甲烷产量和29.55 USD/GJ的产品成本。总之，这些研究表明，基于数据训练的替代模型可以有效地表示空压机和相关能源系统中结构或运行参数与性能指标之间的非线性关系。然而，传统神经网络替代模型主要依赖训练数据。因此，当可用的CFD样本有限或设计变量接近训练域边界时，预测可靠性可能会下降。在这些条件下，预测结果可能与基本物理或热力学定律不一致。为提高物理一致性，物理信息神经网络（PINN）将守恒方程、热力学关联和工程约束纳入模型训练过程[28]。然而，仅物理约束无法充分量化由有限CFD数据引起的认知不确定性，而简化的约束可能无法完全表征复杂的流动损失机制，如顶隙泄漏和局部不可逆损失[29]。因此，需要一种既纳入物理约束又量化不确定性的替代模型，以实现可靠的性能预测和具有物理一致性的空压机优化。

在本研究中，为空压机开发了一种多目标优化框架。基于LHS和全流道CFD模拟，构建了包含热力学约束的贝叶斯物理信息神经网络（B-PINN）替代模型。然后采用多目标灰狼优化器（MOGWO）联合优化几个关键结构变量，包括顶隙、叶片数和出口安装角。压比、等熵效率和?效率被选为优化目标。通过这种方法，可以同时实现能量数量和能量质量的提升。

分节摘要

实验装置

图1展示了本研究中开发的燃料电池两级空压机实验测试平台。该平台采用模块化集成配置，主要包括空气预处理段、温度和压力测量设备、空压机组件、管道网络、冷却子系统和控制子系统。在空气预处理段，安装了一个空气过滤器以确保进口空气的清洁度。温度和压力传感器是……（原文在此处截断）

多目标优化问题的定义

本研究专注于现有两级燃料电池空压机配置中高压级叶轮的限制优化。在80,000 rpm和0.12 kg/s质量流量下的组件级?分析表明，高压级叶轮占4942.68 W总?破坏中的1695.34 W，是所研究组件中贡献最大的。进一步的?分解确定了可避免的内源……（原文在此处截断）

叶轮参数优化

图8展示了优化前后叶轮的结构性差异。优化后，顶隙从0.40 mm调整到0.44 mm，叶轮出口宽度从4.00 mm增加到4.06 mm，叶轮直径从74.00 mm变为74.37 mm，叶片数从16片增加到20片，叶片出口安装角从55.00°修改为74.86°。

在几何变化特性方面，叶片数量的增加会增强导引。结论：本文提出了多目标优化设计方法以提高空气压缩机的效率。基准CFD模型与实验数据进行了验证，代理模型与CFD样本进行了评估，优化后的叶轮通过额外的CFD仿真进行了评估。以顶隙、叶轮出口宽度、叶轮直径、叶片数量和叶片出口安装角作为设计变量。建立了B-PINN性能预测模型。CRediT作者贡献声明：孙秀秀：撰写–审阅与编辑，验证，软件，方法学，调查研究，形式分析。诸葛云承：撰写–审阅与编辑，软件。孟奇：撰写–审阅与编辑，调查研究。梁永勤：调查研究。张倩：撰写–审阅与编辑。利益冲突声明：作者声明，他们不存在任何可能影响本研究工作的已知竞争经济利益或个人关系。致谢：本工作得到国家自然科学基金（编号52305257，编号52505098）、西藏自治区科技计划项目（XZ202501YD0010）和河北省自然科学基金（E2026202236）的资助。符号说明：— 热力学指数，(γ?1)/γ；cp 定压比热容，J·kg?1·K?1；?D ?损耗率，W；?in 入口?流率，W；?out 出口?流率，W；W 比?损耗，J·kg?1；F(X) 优化目标向量；ht1 入口总比焓，J·kg?1；ht2 出口总比焓，J·kg?1；i 比不可逆性，T?Δs，J·kg?1；L 总B-PINN训练损失；Ldata 与CFD结果对比的监督损失；Lphys 热力学一致性损失；Llineq 工程约束罚函数；Lreg 正则化损失。孙秀秀 | 诸葛云承 | 孟奇 | 梁永勤 | 张倩