关于在运行监控和故障诊断中应用堆栈电压分布波动的实验研究：分析堆栈退化对监控精度的影响，并在80千瓦燃料电池堆中验证这一方法的有效性

《Energy》：Experimental Study on the Application of Stack Voltage Distribution Fluctuations in Operational Monitoring and Fault Diagnosis: Analyzing the Effects of Stack Degradation on Monitoring Accuracy and Validating It in an 80 kW Fuel Cell Stack

质子交换膜燃料电池堆"黑箱"问题通过电压趋势率（VTR）算法解决，基于80kW堆2000小时加速退化试验验证，发现催化剂层厚度下降（阴极32.49%，阳极42.15%）主因Pt颗粒聚集（尺寸增至6.25-6.46nm），膜厚度仅下降5.99%。算法能实时监测电压波动趋势，优化运行参数（阴极 stoichiometry升至2.0，温度75℃）并保持阈值稳定（10.4%→11.0%），为商业化提供可靠监测工具。

　　

肖晨光|卢志华|刘志恩|王川|李晨宇

中国武汉工业大学汽车零部件先进技术湖北省重点实验室，武汉 430070

摘要

为了解决商用质子交换膜燃料电池（PEMFC）堆栈运行中的“黑箱”问题，本研究提出了一种电压趋势率（VTR）算法。以80kW的PEMFC堆栈作为测试对象，在VTR监测下进行了2000小时的加速退化测试，以探索堆栈退化机制并验证VTR在整个生命周期内的性能。结果表明：堆栈性能退化主要源于活化电压损失的增加（占总电压损失增加的86.09%）；催化剂层表现出显著的厚度衰减（阴极为32.49%，阳极为42.15%），这主要是由于铂（Pt）颗粒的聚集（阳极/阴极平均尺寸从2.57/2.66纳米增加到6.25/6.46纳米）和损失所致，而碳载体的腐蚀程度较小；在膜电极组件中，元素损失率顺序为F＞Pt＞C。尽管Pt的损失率位居第二，但大量Pt迁移到了质子交换膜（PEM）中，形成了失活的Pt带；F的质量分数从43.43%下降到19.3%，但Pt带的形成限制了PEM厚度的衰减，仅达到了5.99%。此外，退化改变了堆栈的最佳运行参数：最佳阴极化学计量比从1.8上升到2.0，最佳工作温度从70°C升高到75°C，这些参数调整减轻了由于Pt活性降低和气体扩散层亲水性增加带来的不利影响。最后，VTR评估证实了其稳定性：1秒移动窗口的平均滤波能够捕捉到微小的运行条件变化，其判断阈值在2000小时内仅从10.4%上升到了11.0%，无需频繁调整。本研究支持了PEMFC堆栈的高效、稳定运行及其商业化应用。

引言

质子交换膜燃料电池（PEMFC）以其高效率和清洁运行而闻名，在从电动汽车到固定电源发电的广泛应用中展现出巨大潜力。确保其长期可靠性需要精确监测堆栈的运行状态，尤其是在加速退化的恶劣条件下[1]。宏观指标，如电池间电压均匀性（Cv），是评估堆栈健康状况的关键指标；电压不一致性的逐渐加剧会直接影响堆栈的耐用性[2]。除了这些全局参数外，通过微传感器或数据驱动的估算技术来监测局部内部条件正受到越来越多的关注，因为这种方法具有更好的诊断潜力[3]、[4]。

PEMFC故障诊断领域已经取得了显著进展，方法论通常朝着基于模型、数据驱动和混合的方向发展，整合了多种算法[5]、[6]、[7]。基于模型的方法通过分析实际系统输出与模型预测之间的差异来进行分析[5]，并分为白箱模型、黑箱模型和灰箱模型[6]。

白箱模型基于物理和电化学原理，能够提供对内部机制的深刻见解。然而，开发高精度的白箱模型在计算上要求较高且技术难度较大，因此不太适合在线诊断应用[5]。相比之下，黑箱模型可以直接从实验数据中学习输入-输出关系，无需明确的机制理解。常见的实现方法包括人工神经网络（ANNs）、模糊逻辑（FL）和支持向量机（SVMs）。例如，Mammar等人[7]开发了一种基于模糊逻辑的模型，用于诊断PEMFC中的阳极积水问题和膜干燥现象，该模型整合了水活性（作为膜相对湿度的代理指标）、气体动态特性、电压响应和阻抗光谱行为作为诊断标准。

灰箱模型结合了白箱模型的物理原理和黑箱模型的数据驱动方法，通常表现为参数识别模型、等效电路模型或观测器模型。在当前的研究趋势中，数据驱动方法尤为突出。这些方法直接从历史运行数据中提取故障特征，通过避免复杂的物理模型或深入的领域专业知识，实现了高效率。它们的工作流程通常包括三个阶段：数据采集和预处理、特征工程以及故障分类——其中故障分类是核心目标[7]。

数据驱动方法的应用范围从传统的机器学习扩展到先进的深度学习框架。例如，Shi等人[8]提出了一种结合等效电路建模和在线序列极限学习机（OS-ELM）的框架。在PEMFC运行过程中，多组电化学阻抗谱（EIS）数据被拟合到等效电路中，通过优化的模糊C均值（FCM）聚类进行分割，并用于在线更新OS-ELM模型。实验结果表明，该框架在保持在线故障特征学习能力的同时，实现了高诊断速度和准确性。

总之，尽管取得了显著进展，但仍存在诸多挑战。PEMFC的商业化仍受到耐用性和可靠性问题的阻碍。性能退化是一个涉及多种相互关联机制的多方面过程，其中催化剂层（CL）的退化是一个主要因素[9]。其退化机制从最初的Pt颗粒聚集发展到催化剂溶解和离子聚合物分解，同时伴随着碳载体的逐渐腐蚀[10]。离子聚合物的退化对质子传导和微观结构调节至关重要，会损害质子传输性能[11]、[12]。同时，质子交换膜（PEM）本身也容易发生机械故障（如裂纹）和自由基的化学侵蚀，这些都是性能下降的主要因素[13]、[14]。随着堆栈的退化，PEMFC的内部环境会持续动态变化，这对诊断模型的长期准确性提出了严峻挑战——这一方面在现有文献中尚未得到充分探讨。

此外，大多数当前的诊断研究仅限于离线分析或单一故障场景，而实际应用需要强大的实时在线诊断能力来处理耦合故障。为了解决这些不足，本文提出了一种新的电压趋势率（VTR）算法，该算法通过分析单个电池电压波动趋势的变化来诊断堆栈的运行状态。在80 kW PEMFC堆栈上的验证表明，该算法能够准确监测关键运行参数。2000小时的加速退化测试进一步证实了其在整个燃料电池生命周期内的诊断稳健性。VTR算法的实现提高了运行稳定性，促进了PEMFC技术向商业化的推进。

部分摘录

80kW PEMFC堆栈

本研究设计并制造了一个由220个单电池组成的80kW PEMFC堆栈。武汉工业大学（WHUT）提供的膜电极组件（MEA）的有效面积为300平方厘米。为了减少流场引起的压降，阳极和阴极的流场都采用了直通道，具体参数见表1。膜电极组件（MEA）的制备采用了催化剂涂层膜（CCM）工艺。

80kW燃料电池堆栈的退化机制分析

尽管质子交换膜燃料电池（PEMFC）技术取得了显著进展，但在高电流密度下的性能退化和提高耐用性仍然是实现商业化的关键前提。在高电流密度运行条件下，PEMFC堆栈面临特别突出的挑战，主要表现为电压损失增加和功率衰减加速。图5展示了PEMFC堆栈在2000小时内的电压衰减过程

结论

为了解决商用PEMFC堆栈运行中的“黑箱”问题，本文提出了一种VTR算法。该算法仅通过收集CVM数据，就能准确确定堆栈的运行状态和故障位置。为了进行实验验证，组装了一个包含220个单电池的80 kW PEMFC堆栈。在VTR算法的监测下，该堆栈在HT-ADC条件下进行了2000小时的加速退化测试。这项测试旨在实现两个目标

CRediT作者贡献声明

卢志华：资源提供。刘志恩：监督。肖晨光：写作——审稿与编辑、撰写初稿、软件开发、概念构思。李晨宇：研究。王川：形式分析

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢：

本工作得到了中国广东省关键技术研发计划（编号：2024B1111080002）的支持。