迈向可扩展的氢能存储技术在移动系统中的应用：金属氢化物、多尺度建模与可持续性评估的综合综述

《Journal of Power Sources》：Toward scalable hydrogen storage in mobility systems: An integrated review of metal hydrides, multiscale modeling, and sustainability assessment

氢能作为交通脱碳的核心载体，金属氢化物因其高密度、安全性成为重点研究方向，但面临动力学慢、成本高等挑战。本文提出通过AI驱动材料设计、多尺度建模优化系统性能，结合生命周期评估验证环境经济可行性，为规模化应用提供路线图。

　　

Omaima Bourzgui|Abdechafik El harrak|El Houcine Lahrar|Othman El Kssiri|Imane Nadi|Abdessamad Faik

摩洛哥本盖里尔穆罕默德六世理工学院（UM6P）化学科学与工程学院（CCSE），可持续能源技术无机材料实验室（LIMSET），邮编43150

摘要

氢气越来越被认为是实现交通运输领域脱碳（包括燃油和电动出行）以及推动燃料电池汽车发展的关键。然而，氢能出行系统的规模化应用仍受到存储效率、安全性、成本和系统集成等方面挑战的制约。在氢的固态存储选项中，金属氢化物因其高体积密度、良好的安全性能以及潜在的系统级紧凑性而脱颖而出。然而，要将这些材料从实验室规模推向实际应用，需要一个综合性的视角，涵盖从基础材料发现、性能验证、系统创新到全系统集成和生命周期可持续性的整个过程。本文对用于出行系统的金属氢化物存储技术进行了全面分析，重点介绍了基于人工智能的材料设计、多尺度建模和仿真等最新进展，以加速系统设计并优化系统性能，并通过实验方法和技术加以验证。文章强调了热力学、动力学和系统级模型在动态运行条件下准确模拟存储行为的能力。同时，通过生命周期评估和技术经济分析，评估了其在安全性、成本、效率和可靠性方面的环境和经济可行性。通过整合这些视角，本文指出了关键的知识空白，并提出了一个实现金属氢化物存储系统规模化、高效化和可持续应用的路线图，以适应下一代出行需求。

引言

交通运输部门是气候变化的主要驱动力。1995年至2022年间，欧洲的交通需求显著增长：客运量增加了24.9%，航空运输增加了142.5%，私家车使用量增加了24.8%，货运运输增加了44.6% [1]。这种增长源于人口扩张和对可靠出行的需求，导致能源消耗和温室气体（GHG）排放量大幅上升。仅2022年，全球交通运输部门的温室气体排放量就超过了8吉吨二氧化碳（Gt CO₂），比2021年增加了2.5亿吨以上，具体分布见图1。自1990年以来，该行业的排放量年均增长率为1.7%，与工业增长速度相当，并超过了大多数其他经济部门 [2]。在欧盟范围内，交通运输占总排放量的近25%，使其成为实现2050年气候中和目标的关键领域。为应对这些挑战，纯电动汽车（BEVs）和燃料电池汽车（FCEVs）成为主要的脱碳选择。纯电动汽车具有更长的续航里程，但依赖于锂和钴等关键矿产，这些矿产的开采能耗高且对环境有害。电池需求的预期增长也引发了供应链可持续性的担忧 [3,4]。燃料电池汽车利用氢的高能量密度作为替代方案；然而，氢的产业链在电解、压缩、运输和转换过程中存在41%至49%的能量损失。目前的质子交换膜（PEM）燃料电池效率约为60%，与纯电动汽车的驱动系统相当（59–62%）[5]。成本因素进一步增加了纯电动汽车的普及难度。锂离子电池的成本为每千瓦时100至400美元 [6]，而氢储存罐和燃料电池的成本分别为每千瓦时15美元和每千瓦100美元 [7]。氢的价格根据生产方式不同，范围在每千克1.38美元至10.40美元之间 [8]。氢的独特性质（如低点火能量、高扩散性和宽燃爆范围）带来了安全挑战 [5]。尽管存在这些障碍，只要燃料电池的成本和存储性能得到提升，氢仍然是一种有前景的能源载体，有助于减少对化石燃料的依赖并增强能源安全。

在氢的存储选项中，基于吸收或吸附的固态方法因具有高重量密度、安全性和紧凑性而特别适用于出行领域。这些方法通过化学键合（吸收）或表面相互作用（吸附）将氢储存在材料中，为先进的存储系统提供了创新潜力。已经探索了多种材料，包括金属氢化物、金属有机框架（MOFs）、碳有机框架（COFs）、AB型金属间合金以及碳/硅基纳米材料 [9]。Chanchetti等人 [10] 的科学计量学综述报告了超过10,000篇关于固态氢存储的出版物，反映了研究人员对固态存储解决方案的重视，这些解决方案有助于解决许多行业和应用中的能源问题，包括出行领域。然而，现有文献往往将氢存储视为次要问题，而更多关注燃料电池或基础设施。大多数研究单独分析材料或系统，缺乏结合材料创新、多尺度建模和生命周期可持续性的综合视角。这种碎片化限制了评估实际可行性的能力。

本文通过提供基于金属氢化物的出行应用氢存储的全面跨学科分析，填补了这些空白。它系统地探讨了以下内容：

•

金属氢化物的基本原理和分类。

•

合成、纳米结构和杂化策略的进展。

•

人工智能和机器学习在加速材料发现中的作用。

•

热力学、动力学和系统集成的多尺度建模框架。

通过生命周期评估评估的环境和经济效益。

通过整合这些维度，本文为克服当前障碍、实现可扩展、安全和高效的氢存储技术提供了路线图，以符合全球脱碳目标 [11,12]。

汽车行业对氢的需求

氢在出行领域的应用是推动交通运输领域脱碳的关键因素 [13]。与传统内燃机汽车（ICEVs）相比，燃料电池汽车（FCEVs）具有更高的驱动系统效率，并且尾气排放为零，当氢来自低碳来源时，可以大幅减少温室气体排放。例如，纯电动汽车行驶约483公里需要大约1450兆焦耳的能量（约46升柴油），而燃料电池汽车则

氢存储技术的文献综述

正如Chanchetti等人 [10] 所报道的，关于固态氢存储的出版物超过10,000篇，这凸显了其在出行应用中的关键作用。这种研究强度反映了氢作为向零排放技术转型过程中关键能源载体的日益认可。当氢来自可再生能源时，它提供了一种清洁的替代方案，具有高能量密度，使其成为可持续能源系统的理想选择。

在各种应用中，

分类与化学

金属氢化物是由与氢结合的元素形成的化合物。A是一种容易形成金属氢化物的元素，而B是非氢化物元素，形成金属（如铁）。氢可以与周期表中的大多数元素形成化学键，但少数元素除外（氦、氖、氩、氪、镨、锇、铱、氡、钫和镭）。与氢气存储相比，金属氢化物的存储密度约为每立方厘米6.5个氢原子（MgH₂），对于钛合金可达到1.9重量%

材料掺杂与功能化

由于金属氢化物具有高体积氢密度、可调的热力学性质以及相对于气态或液态氢系统的固有安全性，长期以来一直被视为固态氢存储的有希望的候选材料 [[98], [99], [100]]。然而，它们的广泛应用仍受到几个关键限制的阻碍，包括氢的吸收和脱附动力学缓慢、脱附温度较高、体积变化较大等

机器学习与人工智能

材料科学的最新进展正从试错或纯粹的从头算方法转向基于人工智能的逆向设计工作流程，在这种流程中，机器学习模型从所需属性直接映射到候选晶体结构，从而将数十年的经验探索压缩为迭代的数据中心循环 [141]。关键技术进展基于图神经网络（GNN）替代品（例如CGCNN [142]、MEGNet [143]、ALIGNN [144]），这些模型可以处理晶体图（原子类型、分数坐标

氢存储系统的多尺度建模

为了提高氢存储能力，采用了多种方法，包括先进的计算技术，如密度泛函理论（DFT）、分子动力学（MD）和蒙特卡洛（MC）模拟。除了这些微观方法外，系统级的改进措施，如计算流体动力学（CFD）计算、数字孪生技术和创新的热管理策略也被越来越多地用于进一步提高固态氢存储系统的性能和效率。图7总结了各种方法。

生命周期评估与可持续性考虑

随着对清洁氢技术需求的持续增长，越来越明显的是，金属氢化物（MH）基氢存储系统的环境和经济可持续性不能脱离其内在材料属性来单独评估。生命周期评估（LCA）提供了一个结构化的框架来量化从摇篮到坟墓的影响，但其结果在很大程度上取决于材料级别的特性，特别是热力学焓和氢的吸附能力

研究空白与未来方向

尽管在金属氢化物用于氢存储的研究方面取得了显著进展，但仍存在几个关键挑战，为未来的探索指明了明确的方向。首先，迫切需要更深入地整合人工智能和基于物理的建模，以加速材料发现和优化。虽然机器学习在预测热力学性质方面显示出潜力，但其与第一性原理计算和机制建模的协同作用仍需进一步发展。弥合数据驱动

结论

本文全面概述了用于出行应用的基于金属氢化物的氢存储系统，强调了氢在轻型/重型和越野出行中应用的存储挑战，以及当前用于解决存储限制的材料策略、设计考虑、建模工具和可持续性指标，以实现氢作为能源的可持续应用

CRediT作者贡献声明

Omaima Bourzgui：撰写——审稿与编辑，撰写——初稿，验证，方法论，调查，概念化。Abdechafik El harrak：撰写——审稿与编辑，撰写——初稿。El Houcine Lahrar：撰写——审稿与编辑，撰写——初稿。Othman El Kssiri：撰写——审稿与编辑，撰写——初稿。Imane Nadi：验证。Abdessamad Faik：验证，监督，项目管理，方法论。

遵守伦理标准

利益冲突作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

伦理批准与参与同意

不适用；本研究未涉及人员或动物。

出版同意

所有作者同意本文的内容并同意其出版。

手稿准备过程中生成式人工智能和人工智能辅助技术的声明

在准备这项工作时，作者使用了ChatGPT来提高某些段落的可读性和表达效果。使用该工具后，作者根据需要对内容进行了审查和编辑，并对出版物的内容负全责。

资金来源的格式化

本研究未获得公共、商业或非营利部门的任何特定资助。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

作者衷心感谢Capgemini摩洛哥分公司和UM6P在联系电话2401下的财政支持。