基于人工智能的高效数值优化方法以及对质子交换膜燃料电池微通道流场的实验研究

《Energy Conversion and Management》：Efficient AI-based numerical optimization and experimental study of microchannel flow fields for proton exchange membrane fuel cells

质子交换膜燃料电池（PEMFC）通过优化微流道嵌入肋结构的氧传质效率，显著提升功率密度，实验与仿真验证了其有效性和多目标优化框架的可靠性。

　　

姜凯|卢国龙|普伊格·维森茨|刘振宁

吉林大学仿生工程重点实验室（教育部），长春130022，中国

摘要

在之前关于质子交换膜燃料电池（PEMFCs）中AI优化的悬浮障碍流场的研究基础上，本研究解决了由于几何障碍导致的悬浮块下方氧气不足的问题。通过将微通道嵌入到肋条中，提出了一种微通道悬浮障碍流场（MSOFF），以向供氧不足的区域供应氧化剂。采用了一种基于AI的自动快速设计系统（AAFDS）来优化微通道的几何形状，并通过高分辨率3D打印制造出最终的设计方案，并通过实验进行了验证。与传统平行流场（CPFF）和之前优化的悬浮障碍流场（OSOFF）相比，优化后的MSOFF实现了更高的净功率密度。在0.5 V、0.4 V和0.3 V的工作电压下，净功率密度分别比CPFF提高了9.82%、12.32%和21.4%，比OSOFF提高了3.41%、3.51%和5.04%。嵌入的微通道改善了氧气供应和在缺氧区域的分布均匀性，并促进了出口附近更有利的汽相传输，表明其具有更好的水管理特性。电化学阻抗谱分析和敏感性分析证实了模拟结果，并确认了稳定的运行性能。所提出的肋条嵌入式微通道策略，结合自动化的AI驱动优化，为开发高性能PEMFC流场提供了一条有效途径。

引言

国际社会日益努力转向更清洁的能源，这使得氢能技术成为许多可持续发展计划的核心考虑因素[1]、[2]。在这些技术中，质子交换膜燃料电池（PEMFCs）因能够为广泛的应用提供高效且低排放的电力而受到关注[3]、[4]。由于具有结构紧凑、动态响应迅速和高功率重量比等特点，PEMFCs被认为适用于交通运输、便携式电子产品和备用电源系统[5]、[6]、[7]。

然而，PEMFCs的实际应用仍面临限制商业规模的技术障碍[8]、[9]。其中，内部流场架构的优化仍然是一个重要的工程挑战[10]、[11]。流场决定了反应物、水和热量在电池内的传输，其设计对功率密度、系统稳定性和水管理效率有重要影响[12]、[13]。

多年来，流场研究通常沿着几个互补的方向发展，以提高反应物的利用率并减少传输损失。一个方向是引入局部几何特征，以重塑特定区域的流动重新分配和质量传递，例如优化的肋条阵列、周期性弯曲结构和挡板辅助的通道配置。Li等人[14]将点阵列阴极布局与船形肋条结合，并应用神经网络辅助的遗传算法来提高更宽工作范围内的净功率。Wang等人[15]引入了压弯周期性扩展结构，以增强多方向传输，并确定了在压力损失和性能之间提供良好平衡的中间弯曲深度。Olukayode等人[16]研究了通道横截面形状和穿孔挡板的耦合效应，表明适当的组合可以在保持可接受的压力降的同时提高电流密度。

第二个方向是通过添加受控的辅助通道和促进对流的布置来减少氧气传输阻力或加强肋条下方的传输。Chadwick等人[17]报告了通过激光加工制造的辅助通道，利用惯性效应降低了氧气传输阻力并提高了功率输出。Duc等人[18]提出了U形和L形设计，增强了肋条下方的对流，从而在低湿度和低孔隙率条件下改善了氧气分布。除了在电池级别的结构提案外，最近的研究越来越多地将流场评估置于更广泛的背景下，通过比较不同操作条件下的代表性通道设计，并从系统相关的角度考虑性能权衡，包括最近工作中的可持续性评估和温度效应[19]、[20]，以及在实际传输和压力损失考虑下的分支蛇形配置分析[21]。

为了克服这些限制，人们越来越有兴趣将人工智能（AI）和自动化设计方法整合到PEMFC研究中[22]、[23]、[24]。常用的方法是构建数据驱动的替代模型[25]，如人工神经网络（ANNs）[26]、高斯过程回归器或支持向量机[27]。当与优化算法结合使用时，这些模型可以通过减少与穷举模拟相关的计算负担来显著加速最佳流场配置的识别[28]、[29]。Kuo等人[30]进行了基于CFD的六种流场配置的比较评估，并通过ANN驱动的性能预测进行了支持。F型布局展示了出色的流动均匀性和低压力损失下的水去除能力，强调了设计平衡的重要性，而不仅仅是峰值功率。Xiao等人[31]开发了一种受叶脉启发的仿生流场，并使用克里金辅助优化和遗传及粒子群算法进行了两相模型优化，特别是在高电流密度下实现了更高的功率输出和水处理能力。Siddiqa等人[32]引入了一种深度迁移学习方法，使用有限的CFD数据预测高温蛇形流场的行为，证明了一维卷积神经网络可以准确捕捉热和质量传输特性，同时减少了计算需求。Park等人[33]采用了一种结合MLP和NSGA-II的替代辅助优化框架来改进孔型阴极流场。结果表明，定制通道几何形状可以改善水管理和性能稳定性，在不增加过多压力损失的情况下实现了电压和流动均匀性的显著提升。尽管如此，这些方法仍然严重依赖于预先组装的数据集，无论是实验性的还是计算性的，并且受到静态预测准确性和在新设计中泛化能力差的限制[34]、[35]。

为了应对这一需求，开发了基于AI的自动快速设计系统（AAFDS）作为一个与多物理场模拟相结合的自动化优化框架[22]、[36]、[37]。该框架实现了一个闭环程序，其中几何参数得到更新，执行模拟，并以一致和可重复的方式评估性能指标，从而减少了迭代设计研究期间的人工干预。在我们之前的工作中，这种方法被应用于悬浮障碍流场（SOFF）的设计，通过数值和实验研究验证了性能的提升[37]。

在SOFF研究之后，我们更详细地检查了局部传输特性。分析显示，障碍物下游侧仍然可能发生氧气不足，而在高负载运行下，肋条-障碍物排列下方的区域仍然是一个限制区。

在这项工作中，提出了一种微通道悬浮障碍流场（MSOFF）作为改进的配置。通过将微通道嵌入到肋条中并引导它们位于每个障碍物的上游，该设计向供氧不足的区域提供了额外的氧化剂供应，并加强了局部对流传输。关键的区别在于，微通道是在双极板肋条内部雕刻而成的封闭内部通道，因此增加的传输路径是在肋条体积内创建的，而不是通过在主通道区域添加辅助通道或重塑主要流动路径来实现的。因此，氧化剂是从肋条内部局部引入到障碍物附近的缺氧区域的，而不是依赖于全局通道模式的变化来间接增强肋条下方的传输。微通道的几何形状使用AAFDS框架进行了系统优化，以实现压力降和反应物分布之间的适当平衡。最终配置通过高分辨率3D打印制造出来，并在实际操作条件下进行了实验验证。因此，本研究提出了一种肋条嵌入式微通道策略，以减轻PEMFC中的局部传输限制，并进一步证明了将完全自动化的AI驱动优化与实验验证相结合作为高性能流场设计的可扩展途径的有效性。

章节摘录

模型

在之前的研究中，使用AAFDS开发并优化了一种悬浮块流场，得到了整体性能改进的配置。然而，后续分析揭示了悬浮块下方区域持续存在的局部燃料匮乏问题。这种现象归因于块体造成的几何障碍，它限制了有效流动通道并阻碍了反应物向下游区域的传输。因此，浓度

AAFDS优化结果分析

优化使用了三个决策变量，$C2$, $D2$, 和 $W2$, 它们定义了肋条内的微通道出口配置。同时考虑了三个目标：最大化功率密度、最小化压力降和最大化EMTC。所有目标值都是从指定操作条件下的多物理场模拟中获得的，通过进化算法生成的Pareto集来处理权衡。

讨论

虽然本工作专注于单电池评估，但在将OMSOFF扩展到堆栈应用时需要考虑几个问题。在多电池堆栈中，进出口集管可能会导致流动分布不均，多个电池之间的累积压力损失可能会放大局部反应物供应的差异，从而影响电池间的性能均匀性。因此，需要结合堆栈集管设计来评估OMSOFF的压力降特性

结论

在这项研究中，开发了一种新的OMSOFF配置，以解决之前优化流场设计中观察到的悬浮障碍物下方的局部氧气匮乏问题。嵌入在肋条中并朝向障碍物上游面的微通道构成了核心结构创新，使得能够在供氧不足的区域进行有针对性的氧气补充。独立地，采用了完全自主的AAFDS框架作为方法论贡献，实现了高效和

CRediT作者贡献声明

姜凯：撰写——原始草稿、验证、软件、资源、方法论、调查、资金获取、正式分析、数据管理、概念化。卢国龙：调查。普伊格·维森茨：撰写——审阅与编辑、资源。刘振宁：撰写——审阅与编辑、资源、项目管理、资金获取。

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。

致谢

这项工作得到了国家自然科学基金（52575330）、国家重点研发计划（2022YFE0138500）、中国 Scholarship Council（CSC）（202506170065）、吉林大学研究生创新基金（2025CX179）以及吉林省关键科学技术研发项目（2020C023-3）的支持。