《Electrochem》:Machine Learning-Based Modeling and Multi-Objective Optimization of Direct Urea–Hydrogen Peroxide Fuel Cell
Phan Khanh Thinh Nguyen,
Thi Thu Ha Tran and
Tamirat Redae Gebreselassie
编辑推荐:
为了解决直接尿素-过氧化氢燃料电池性能优化中存在的复杂非线性、多参数耦合及多目标权衡等难题,本研究提出一种集成机器学习与多目标优化的框架。利用多输出人工神经网络(ANN)高精度预测电池电压、功率密度(PD)及底物基能量效率(SEE),并通过Shapley加性解释与帕累托优化算法揭示了关键影响因素与最佳运行区间,为DUHPFC的理性设计与性能提升提供了高效决策工具。
随着全球对清洁能源和废物资源化利用需求的日益增长,直接尿素燃料电池(DUFC)因其能够同步发电和处理富含尿素的废水(如生活污水、工业废水)而备受关注。然而,其实际性能往往远低于理论极限。为了进一步提升性能,研究人员引入了过氧化氢(H2O2)作为酸性介质中的阴极氧化剂,从而发展出直接尿素-过氧化氢燃料电池(Direct Urea–Hydrogen Peroxide Fuel Cell, DUHPFC)。这种构型具有高达2.509 V的理论电池电压,显著高于传统氢燃料电池(1.229 V),展现出在高效、低温发电应用方面的巨大潜力。尽管如此,DUHPFC的实验性能仍受到多种不可逆损耗(如活化、欧姆和传质损耗)的严重制约,这些损耗与材料属性、结构设计及操作条件等众多高度非线性、相互耦合的因素密切相关。传统的实验研究方法成本高、耗时久,而基于物理原理的模型又需要大量简化假设,难以精确捕捉其复杂行为。因此,开发一种高效、可靠的性能预测与优化工具,对于加速DUHPFC的研发与应用至关重要。
为开展此项研究,作者团队主要采用了以下几种关键技术方法:首先,从已发表文献中收集了包含561个数据点的实验数据集,涵盖了阳极催化剂特性、电解液成分、温度、流速及电流密度等7个输入变量,以及电池电压、功率密度和底物基能量效率3个输出变量。其次,构建并优化了一个多输出人工神经网络模型,用于建立输入变量与性能指标之间的非线性映射关系。再次,利用Shapley加性解释和偏依赖图对训练好的ANN模型进行可解释性分析,以量化各输入变量的重要性及其非线性效应。最后,将优化后的ANN模型与基于帕累托搜索算法的多目标优化框架相结合,以同时最大化电池电压、功率密度和底物基能量效率这三个存在权衡关系的性能指标。
3.1. 数据集分析
通过对数据集中变量进行皮尔逊相关性分析,发现大多数输入变量之间呈现弱到中等的线性相关性,表明所选描述符之间的多重共线性较低,这有利于机器学习模型的稳健构建。
3.2. ANN架构优化与性能评估
研究系统探讨了不同隐藏层数量、神经元数量和激活函数对ANN预测性能的影响。最终确定的最优ANN架构包含7个输入神经元、1个具有15个神经元并使用双曲正切激活函数的隐藏层,以及3个使用线性传递函数的输出神经元。该模型在训练、验证和测试集上均表现出卓越的预测精度,对所有输出变量的决定系数(R2)均高于0.995,归一化均方根误差低于1.75×10?2。
3.3. 模型解释性分析
利用SHAP和PDPs对最优ANN模型进行解读。分析表明,电流密度是对DUHPFC性能影响最显著的因素,其次是温度和阳极液成分。SHAP分析量化了各变量的相对重要性,而PDPs则清晰地展示了关键变量(如电流密度、温度、尿素浓度)对电池电压、功率密度和底物基能量效率的非线性影响规律。
3.4. 多目标优化
将训练好的ANN模型与帕累托搜索算法优化相结合,对DUHPFC性能进行多目标优化。针对不同的优化侧重,研究得出了几组代表性的最优解。例如,当使用Ni0.2Co0.8/Ni泡沫阳极时,若优先追求最大功率密度,可达到45.6 mW/cm2,但此时底物基能量效率较低,仅为2.6%;若优先追求最大能量效率,则可达到15.2%,同时功率密度保持在40.9 mW/cm2的较高水平。此外,研究还识别出一个平衡的运行区间,能够同时实现43.1 mW/cm2的功率密度和13.9%的能量效率,为实际运行提供了有价值的折中方案。
本研究成功开发并验证了一个集成机器学习建模与多目标优化的框架,用于DUHPFC的性能预测与优化。所构建的多输出人工神经网络模型能够高精度地同时预测电池电压、功率密度和底物基能量效率。通过模型可解释性技术,揭示了电流密度是影响性能的最关键参数。进一步的帕累托优化指明了在不同性能目标权衡下的最佳操作条件。这项工作的重要意义在于,它提供了一种高效、数据驱动的决策支持工具,能够显著减少对昂贵、耗时实验的依赖,加速下一代尿素基燃料电池系统的理性设计与工艺优化进程,对推动可持续电化学能源技术的发展具有积极影响。相关研究成果已发表在《Electrochem》期刊上。