基于图神经网络加速的阴离子交换膜电解槽分形流场多目标设计优化

《JOURNAL OF POWER SOURCES》：Graph neural network-accelerated multi-objective design optimization of fractal flow fields for anion exchange membrane electrolyzers

　　邓全全|陈萌 中国唐山唐山三友氯碱有限公司 摘要 阴离子交换膜电解槽是一种具有成本优势的绿色氢气生产方法，但如何优化流场几何结构仍是提升电化学性能和耐用性的关键挑战。本文提出了一种新的多目标优化框架，该框架基于仿生分形流道设计、图神经网络以及非支配排序遗传算法II，用于解决阴离子交换膜电解槽中的质量传输、压力降和电流密度均匀性问题。研究借鉴了默里分形规律来构建自然血管通道结构，并将其表示为图结构数据，以便图神经网络能够理解拓扑结构与流体动力学之间的复杂关联。经过训练的图神经网络替代模型具备极高的预测精度，与传统计算流体动力学模拟相比，计算成本可降低90%以上。通过非支配排序遗传算法II，研究人员在1200种设计方案中探索了多维帕累托前沿，找到了各目标之间的最佳平衡点。实验结果表明，与传统的蛇形和并行流场相比，优化后的分形流道可使水分分布均匀性提高34.7%，寄生压力损失减少28.3%，峰值电流密度提升19.6%。该图神经网络-非支配排序遗传算法II框架具有计算效率高、可推广性强且以数据为驱动的特点，在25平方厘米的实验室规模上已展现出显著的性能优势。引言 全球范围内对可持续能源系统的需求使得氢气生产成为清洁能源研究领域的重点。水电解技术因能够在可再生能源驱动下无需直接碳排放即可产生纯氢气，而备受科学界和工业界的关注[1]。在众多水电解技术中，阴离子交换膜电解槽因其兼具碱性电解槽和质子交换膜电解槽的优点而备受重视[2]。与需要使用昂贵铂族金属催化剂及铂基膜的质子交换膜电解槽相比，阴离子交换膜电解槽可以在碱性条件下使用储量丰富的过渡金属作为催化剂，从而大幅降低材料成本[2]。同时，与传统碱性电解槽相比，阴离子交换膜电解槽还保留了结构紧凑、电流密度高以及响应速度快的优点。尽管具有这些优势，但阴离子交换膜电解槽的商业化应用仍受到膜稳定性、电极设计以及流场优化等问题的限制[2]。流道结构是决定电解槽电化学性能和物质传输效率的关键因素。在阴离子交换膜电解槽中，流道的作用是为电极膜界面提供液体电解质，确保产生的气泡能够及时排出，并使电流密度在活性区域内均匀分布。流道设计不合理会导致物质传输受限、气泡生成、反应区域不均匀以及较高的寄生压力降，这些问题都会降低系统性能，加速膜材老化，缩短设备使用寿命[3]。虽然蛇形、并行和交错式等传统流道结构在燃料电池和质子交换膜电解槽中已被广泛研究，但直接应用于碱性两相流阴离子交换膜电解槽时效果较差。这类传统设计通常是通过经验优化得到的，无法考虑高电流密度碱性电解过程中复杂的耦合传输现象[2]。自然界早已解决了通过复杂网络高效分配流体的问题。生物的血管系统，包括肺毛细血管网络，经过数百万年的进化，能够在严格的体积和能量约束下降低传输阻力、提高流动均匀性并增加与表面的接触面积。这类系统具有自相似的分形分支结构，其形成往往遵循默里定律，即母血管与子血管的直径比例以及总水力阻力的最小化原则[4]。这类仿生分形结构在热交换器设计、微流控技术以及电化学装置等领域越来越受到重视。分形流道有望实现低压力降、更好的物质传输均匀性以及更高的气体处理性能，这些特性恰好符合阴离子交换膜电解槽的性能要求。然而，对分形流道结构进行参数化、评估和优化是一项高度复杂且计算量巨大的任务，这一直制约着其在电化学系统中的应用[2]。多重相互冲突的性能目标并非电化学装置设计所特有，而是能源和环境领域诸多工程挑战的共同特征。近年来，多参数多目标优化框架在这些领域越来越受欢迎，因为人们意识到，仅靠单一目标优化无法实现经济效益、能源消耗和环境影响之间的平衡。在组件层面，基于替代模型的非支配排序遗传算法II框架已被用于设计具有多重目标的质子交换膜水电解系统，通过优化液态水饱和度、氢气产生速率和欧姆电阻，实现了更低能耗和更高效率的电解系统[5]。在系统层面，人们也开发了多目标非线性优化模型，用于优化大规模可再生能源制氢产业链的经济性、可再生能源利用效率以及碳排放情况，涵盖了从生产到存储、传输和消费的全过程[6]。在风能、光伏、电解槽和储能系统领域，基于替代模型的进化算法，如非支配排序遗传算法II及其衍生算法，能够有效探索包含成本、可靠性、可再生能源占比和二氧化碳排放量等目标的高维帕累托空间[7]。从环境角度出发，多目标优化已被用于在技术经济和环境协同优化中同时降低电网连接型混合微电网的净现值成本和年度二氧化碳排放量，相比化石燃料基准，碳减排幅度可达27%[8]。在环境设计优化中，数据驱动的替代模型应用越来越广泛，多目标优化框架结合了神经网络替代模型和非支配排序遗传算法II，被用于建筑和基础设施领域，以解决能耗、碳排放和热舒适度等多重目标问题[9]。近期也有相关研究总结了这些进展：一项关于2015年至2025年智能城市应用中多目标优化的系统性综述指出，将深度学习与进化搜索相结合的混合框架，比独立的群体搜索方法更适用于复杂的高维度能源和环境优化问题；另一项关于电气设备多目标优化中替代模型应用的综述则认为，这类模型是实现多物理场耦合设计空间中可行帕累托解的关键工具[8]。在水电解领域，最近基于机器学习的多目标优化研究也表明，当将经济目标和环境目标结合在同一个帕累托框架中，例如膜厚度、操作温度和阴极压力等参数，所得到的设计方案质量优于依次进行单一目标调整的结果[10]。综上所述，这些研究成果使得基于替代模型加速的多目标优化成为解决具有高维度设计空间、计算成本高昂且目标相互冲突的能源和环境工程问题的标准方法，而这正是阴离子交换膜电解槽分形流道设计所面临的问题。该方法已与其他领域的应用相结合，如空气动力学设计、热交换器优化以及燃料电池流场优化[11]，但目前尚未见有将其应用于阴离子交换膜电解槽流场优化的报道，尤其是与分形几何结构和图神经网络替代模型结合的应用。尽管在阴离子交换膜技术、仿生流场结构、基于图神经网络的替代模型以及多目标优化方面取得了不少进展，但文献中仍有三个紧密相关的研究空白尚未得到解决。首先，虽然基于默里定律的分形流道设计已被证明能够提升质子交换膜燃料电池和碱性电解槽的性能，但尚未有研究针对阴离子交换膜相关的碱性两相流条件，对其开展系统的参数设计和优化。其次，虽然图神经网络已被成功用于用图结构建模物理系统，但尚未有研究将分形参数用于表征流道拓扑结构的阴离子交换膜流场，并通过图神经网络对其进行建模。第三，阴离子交换膜流场的多目标优化目前仅限于结构简单、参数明确的几何形状以及标量替代模型，尚未对分形设计结构的高维帕累托空间进行探索。本研究提出了一种集成优化框架，该框架将仿生分形阴离子交换膜流道编码为带属性的图结构，利用高精度计算流体动力学模拟数据训练图神经网络替代模型，用以预测压力降、电流密度均匀性和水分配效率，再通过非支配排序遗传算法II在包含5个参数的1200种分形设计组合中寻找帕累托最优设计。与传统直接计算流体动力学模拟相比，该框架将每次评估的计算成本降低了99%以上，同时保持了较高的物理真实性，使得原本因计算成本过高而无法研究的复杂分形设计方案得以系统分析。研究结果提供了基于生物血管设计理念的定量设计指南，为下一代阴离子交换膜流场工程提供了一种具有物理可解释性和创新方法论的解决方案，对于实现大规模、低成本绿色氢气生产具有重要意义。章节节选 阴离子交换膜电解槽 在过去十年中，阴离子交换膜电解槽作为一种兼具碱性电解槽和质子交换膜电解槽优点的过渡技术，受到了大量研究关注。阴离子交换膜电解槽的工作原理是基于氢氧根离子通过阴离子导电聚合物膜，这使得在阳极和阴极中使用镍、钴、铁基等非贵金属催化剂成为可能[12]集成优化框架概述 所提出的方法包括四个依次相连的阶段，如图1所示：（i）分形流道参数化设计及几何结构编码；（ii）高精度计算流体动力学和电化学模拟，用于生成训练数据；（iii）图神经网络替代模型的训练与验证；（iv）利用训练好的图神经网络替代模型作为适应度评估函数，通过非支配排序遗传算法II进行多目标优化。该框架旨在克服计算上的难题。图神经网络替代模型的性能与验证 对于在模型训练和验证过程中未被使用的180种分形流道结构，研究人员对其进行了严格的测试，以评估图神经网络替代模型的性能。在该模型中，标准化压力降、电流密度均匀性指数和水分配效率这三项指标的均方绝对百分比误差分别仅为1.83%、2.11%和2.47%。这些优异的预测精度表明该模型具有很高的实用性。结论 本文提出了一种全新的、计算效率高且符合物理原理的多目标优化模型，用于设计阴离子交换膜电解槽中的仿生分形流道。该框架通过基于规律的分形流道参数化、图神经网络替代模型以及非支配排序遗传算法II，成功地在包含5个参数的1200种独特分形流道设计组成的高维空间中进行了搜索，最终找到了47种最优设计。政策建议 本文的研究结果对全球绿色氢气发展的能源政策、产业战略以及研究资金投入方向具有重大意义。为此，本文为政府机构、国家研究委员会、清洁能源监管部门以及电解槽制造行业的相关方提出了以下基于证据的政策建议。作者贡献声明 邓全全：概念构思、方法设计、资源协调、结果可视化、论文撰写与修改。陈萌：理论分析、项目管理、总体监督、结果验证。利益冲突声明 作者声明不存在任何可能影响本研究结果的已知财务利益或个人关系。