近年来,质子交换膜燃料电池(PEMFC)由于其零排放、高能源效率和紧凑的系统结构而在能源应用中引起了广泛关注[1]、[2]、[3]。汽车用PEMFC堆栈通常设计有较大的活性面积,以满足高功率需求[4]、[5]、[6]。在每个单独电池的活性区域内,反应物浓度、温度和水分含量的分布显著影响反应电流的一致性。因此,探索单个电池内二维电流分布的一致性对于优化燃料电池能源系统的设计和控制策略至关重要。
在实验研究中,已经进行了大量研究,使用分段测量技术来测量局部性能分布[7]、[8]、[9]、[10]、[11]、[12]、[13]、[14]、[15]。Xia等人研究了基于25平方厘米分段PEMFC的三蛇形流场的反应物匮乏时电流分布的变化[12]。Meng和Yang等人利用印刷电路板(PCB)技术研究了50平方厘米活性面积(矩阵:4×8)的PEMFC在不同关键运行参数和各种流场设计下的性能[8]、[9]、[13]。Miao等人使用PCB分段装置将108平方厘米的PEMFC分成27段(矩阵:3×9),以分析温度分布和电流分布的一致性[10]。Peng等人研究了250平方厘米活性面积(矩阵:9×16)的PEMFC中的非均匀电流密度分布[11]。Zhou等人使用PCB技术将320平方厘米的PEMFC分成40段(矩阵:5×8),以研究电压损失分布的解耦[15]。尽管在内部电流分布测量方面取得了这些研究进展,但集成额外的仪器来监测电流分布会显著增加燃料电池系统的复杂性和成本。
目前,预测PEMFC堆栈内性能分布的方法大致可以分为两类:模型驱动方法和数据驱动方法。模型驱动方法基于燃料电池系统的物理和电化学机制开发,包括传输过程、反应动力学和内部参数相互作用。在数值研究中,基于计算流体动力学(CFD)的模型被广泛用于研究PEMFC堆栈内的性能分布[16]。Yin等人开发了一个三维多物理模型,用于分析PEMFC堆栈的内部参数,如电流、温度和相对湿度[17]。Chen等人开发了一个动态PEMFC模型,用于研究流道和多孔电极中的两相水流过程[18]。多物理CFD模型可以模拟给定PEMFC堆栈的详细内部性能,但需要大量的计算工作才能获得收敛结果,这对在线模型预测构成了巨大挑战[19]、[20]。因此,尽管模型驱动模型可以提供详细的物理洞察,但它们往往数学上复杂且计算密集,这可能限制了它们在实时系统分析和控制中的适用性。
随着人工智能和深度学习技术的快速发展,数据驱动方法近年来受到了越来越多的关注。这些方法依赖于历史实验或运行数据来学习运行条件和系统响应之间的复杂非线性关系,从而无需详细的物理建模即可实现准确预测。因此,当有高分辨率的实验数据时,数据驱动方法为预测PEMFC堆栈中的复杂内部性能分布提供了有效的替代方案[21]。Li等人利用深度信念网络(DBN)在短时间内预测了平均电流密度和最大功率;然而,预测平均电流密度的绝对误差上限为0.159 A/cm2[5]。Han等人预测并分析了纯氧PEMFC的性能,发现人工神经网络(ANN)模型在不同运行条件下的极化曲线预测性能优于支持向量机(SVM)模型[22]。Cho等人开发了一个结合模型预测控制(MPC)的ANN模型,以优化不同电流负载下的PEMFC系统运行[23]。Bicer等人提出了一种智能电网集成PEMFC的ANN方法,可以同时预测燃料电池的电压和电流[24]。Park等人提出了一个ANN模型,用于预测具有25平方厘米活性面积并分成25段的小型PEMFC的电流分布[25]。所报道的模型主要关注整体燃料电池性能预测,其中很少有模型能够预测PEMFC堆栈内部的电流分布。
上述研究使用了各种实验方法或数值模拟来研究PEMFC的内部性能。然而,只有少数已发表的研究解决了高效预测商业尺寸PEMFC堆栈内部电流分布这一关键挑战,以便潜在的在线应用。在这项工作中,提出了一种多维人工神经网络(ANN)模型,以准确高效地预测商业尺寸PEMFC堆栈的内部电流分布。本工作的贡献和创新点如下:
本研究基于对一个活性面积为406平方厘米的6电池PEMFC堆栈进行的实验研究,该堆栈被分成396段。
(1) 通过使用自建的高分辨率分段测量设备在各种运行条件下建立了一个可靠的数据集,为模型训练和验证提供了足够的数据。值得注意的是,这个自设计的汽车用PEMFC堆栈具有406平方厘米的活性面积,被分成396段以测量内部电流分布。
(2) 所提出的数据驱动模型将多个运行参数作为输入整合到ANN架构中,能够输出维度为396的多维电流分布,与高分辨率分段测量结果一致。该模型在预测方面表现出高度准确性,并且计算效率高,适用于在线故障诊断和控制策略优化。
本文的其余部分结构如下:第2节描述了自建的燃料电池测试系统和分段PEMFC设备,以及详细的实验程序。第3节介绍了所提出的多维ANN模型。第4节重点讨论了模型结构的优化、在不同运行条件下的性能预测以及相关预测误差的分析。第5节提出了主要结论并概述了未来研究的潜在方向。