《Energy and AI》：Data-driven degradation analysis of proton exchange membrane electrolyzer stacks under dynamic load operation
编辑推荐：
质子交换膜（PEM）电解槽的动态负载运行通过快速调整其产氢速率以响应低电价，为降低绿色氢气成本提供了重要机遇。然而，与稳态运行相比，这种运行模式对PEM电解槽堆的降解速率产生不同影响。本研究旨在分析动态负载运行参数对PEM电解槽堆降解速率的影响，并提供缓解其部
质子交换膜（PEM）电解槽的动态负载运行通过快速调整其产氢速率以响应低电价，为降低绿色氢气成本提供了重要机遇。然而，与稳态运行相比，这种运行模式对PEM电解槽堆的降解速率产生不同影响。本研究旨在分析动态负载运行参数对PEM电解槽堆降解速率的影响，并提供缓解其部分负面影响的建议。研究人员利用两个50 kW PEM堆（每个运行1134小时）的实验数据，开发了一个前馈深度神经网络模型。该模型能够评估不同运行条件下的PEM堆降解情况。研究发现，部分负载运行可使PEM电解槽堆的降解速率降低高达69%。此外，在电流密度变化率为0.3 A/(cm2·s)且负载循环时间较短的情况下，降解速率比稳态运行时高266%。尽管动态负载运行相比稳态运行增加了降解速率，但优化运行参数可以限制这种降解速率的增加。
**论文解读：基于数据驱动的质子交换膜电解槽堆动态负载降解分析**
**研究背景与问题**
降低绿色氢气的平准化成本（levelized cost of hydrogen，LCOH）是推动能源部门脱碳和提高绿色氢项目盈利性的关键。电力成本占总LCOH的80%以上，因此通过动态负载运行（即根据低电价快速调整产氢速率）可显著降低LCOH，此前研究表明降幅可达42%。然而，动态运行模式会改变质子交换膜（proton exchange membrane，PEM）电解槽堆的降解速率，而每增加1 μV/hr的平均电池电压降解速率，LCOH将上升2.2%。现有文献多聚焦于单个参数（如电流密度、负载循环时间或电流密度变化率（rate of change in current density，RCCD））对降解的影响，但缺乏对三者相互作用的综合理解，导致无法有效优化系统性能并缓解降解。因此，本研究旨在通过实验与建模，系统分析动态负载运行参数（电流密度水平、RCCD和负载循环时间）及其交互作用对PEM电解槽堆降解速率的影响，以填补这一空白。该论文发表在《Energy and AI》。
**主要技术方法**
研究人员利用位于Jülich研究中心IET-4研究所的100 kW PEM电解槽系统（包含两个并行运行的50 kW堆，每个堆27个电池，活性面积300 cm
2，操作温度60–80°C，压力0–50 bar）进行实验。从公开数据集[32]中提取了1134小时内测得的945068个数据点，开发了一个前馈深度神经网络（deep neural network，DNN）模型。模型包含一个归一化输入层、六个隐藏层（每层32个神经元，采用mish和swish激活函数）以及一个输出层，输入参数包括13个操作变量（如电流密度、温度、压力等），并添加了堆标签以区分两个堆的电压预测差异。模型采用8:1:1比例随机划分训练、校准和测试数据集，通过分裂共形预测和自举残差方法进行不确定性分析，训练时设早停条件（验证精度连续三个迭代未改善则停止）。模型用于预测不同操作条件下的平均电池电压，并根据公式计算平均降解速率。
**研究结果**
**3.1 模型验证（Model validation）**
通过训练和测试数据集评估DNN模型精度。训练数据集的决定系数（R
2）为0.9989，均方根误差（RMSE）为0.00322 V；测试数据集的R
2为0.9988，RMSE为0.00332 V。残差分布中心约为0.00127 V，标准差为0.00288 V，偏度为-1.089。训练与测试集性能相近、训练数据与可训练参数比例高（105:1）及早停策略表明模型未过拟合。残差随时间分布显示模型能准确预测电池电压。
**3.2 降解速率（Degradation rate）**
应用DNN模型分析两个PEM堆在运行时间内的降解速率变化。堆在最初100小时出现性能改善（初始降解率降低），但至运行末期，平均累积降解速率为11.7 μV/hr。
**3.3 不确定性分析（Uncertainty analysis）**
采用分裂共形预测和自举残差方法量化模型不确定性。分裂共形预测在95%置信水平下的共形分位数为5.87 mV，对应对称不确定性预测区间±5.87 mV（总宽度11.74 mV），测试集经验覆盖率达95.02%，由此计算1134小时运行后的降解速率不确定性为±7.32 μV/hr。自举残差法得到经验覆盖率94.82%，平均总预测区间宽度10.86 mV。两种方法结果一致，验证了不确定性估计的稳健性。
**3.4 动态负载运行参数（Dynamic load operation parameters）**
通过模型研究电流密度、RCCD和负载循环时间对降解速率的影响，并将降解速率变化归一化为稳态运行和额定电流密度下的值。结果表明：部分负载运行可降低降解速率，在5%额定电流密度（0.15 A/cm
2）时降解速率比3 A/cm
2时低69%；负载循环时间缩短会提高降解速率，1小时循环时间比8小时循环时间高64%；RCCD增加导致降解速率陡升，0.3 A/(cm
2·s)时比稳态运行高183%。组合效应显示，降解速率范围为稳态运行时的0.3至3.66倍，最大值出现在高电流密度、高RCCD和短负载循环时间条件下。与文献对比：Bahr等和Su等的电流密度影响结果与本研究一致（降解速率比分别为71%和48%）；Rakousky等的负载循环时间影响趋势相同，但本研究因考虑RCCD差异而得到更宽的降解速率增幅（121%至450%）；Yung等和He等的高RCCD研究也验证了相同趋势。基于此，研究人员利用芬兰2024年小时电价及高/低资本成本假设（2350 �/kWp和550 �/kWp）进行LCOH计算示例：当动态负载运行恒定增加降解速率50%时，LCOH在高成本边界下降0.67%，低成本边界下降21.8%；而当降解速率随参数动态变化（循环时间1 h，RCCD分别为0.003、0.03、0.3 A/(cm
2·s)）时，高成本边界下LCOH分别变动为7.31、7.93和9.55 �/kg，其中高RCCD使LCOH高于稳态运行；低成本边界下LCOH均低于稳态，降幅达31.3%至15%。这表明考虑降解速率对动态参数的依赖性可提高技术经济分析精度。
**总结与结论**
讨论部分指出：操作策略需兼顾系统技术要求和电解槽堆寿命。若需高RCCD（如参与频率恢复储备市场），应优先采用长负载循环时间；若需短循环时间与高RCCD，部分负载可限制降解速率增加，但经济上需降本与增资平衡。结论部分翻译如下：PEM电解槽的动态负载运行通过利用低电价和参与电力储备市场可降低LCOH，但这取决于电解槽堆的降解速率。当动态运行与稳态运行降解速率之比上升时，因堆更换成本增加导致绿色氢气成本上升。因此，需确定操作策略以限制降解速率增加。PEM电解槽堆的降解速率可表征为运行电流密度水平、负载循环时间和RCCD的函数。部分负载延长堆寿命，因此即使在稳态运行中，额定电流密度未必最优；技术经济分析应考虑不同电流密度水平下的降解速率。比较稳态与动态运行降解速率时，平均电流密度应保持恒定。RCCD和负载循环时间对降解影响重大：最小化RCCD可限制降解增加，这对参与电力储备市场至关重要（不同市场响应时间要求不同）；增加负载循环时间降低降解速率，因此在动态运行中高RCCD应配合高循环时间，否则可考虑部分负载。总体上，DNN模型能快速准确预测PEM堆降解，其特性使电解槽操作策略优化可无缝嵌入电力市场，考虑响应时间和操作参数要求。
