编辑推荐:
大型质子交换膜燃料电池(PEMFC)堆可能发展出内部燃料-空气窜漏,这会降低受影响电池中的氧气化学计量比,然而在没有侵入式单电池级仪表的情况下,各电池间泄漏大小的分布通常是不可观测的。本研究提出一种电堆级诊断方法,该方法通过在怠速状态下降低阴极空气质量流量并分
大型质子交换膜燃料电池(PEMFC)堆可能发展出内部燃料-空气窜漏,这会降低受影响电池中的氧气化学计量比,然而在没有侵入式单电池级仪表的情况下,各电池间泄漏大小的分布通常是不可观测的。本研究提出一种电堆级诊断方法,该方法通过在怠速状态下降低阴极空气质量流量并分析由此产生的电堆电压变化(ΔV)来估计窜漏分布,其中ΔV会优先压低泄漏较大电池的电压。研究人员采用基于物理的电堆模型,将跨连续稳态气流步长的ΔV响应映射至估计的泄漏分布,并将结果与基于优化的遗传算法(GA)方法进行比较。该方法在一台30 kW、180节电池的液冷式PEMFC模块上,于怠速运行条件下进行了验证,并使用实测的输入氢气质量流量、电堆电压、氢气排放量和出口氧气浓度作为验证信号。论文还评估了非均匀流动的影响。在所测试的气流扫描范围内,估计响应与实测的电堆电压和排气成分趋势高度吻合,这支持了该方法作为大型PEMFC堆在近怠速工况下的一种非侵入式泄漏诊断技术的潜力。
论文解读
一、研究背景与意义
质子交换膜燃料电池(PEMFC)因其低温快速响应和高功率密度等优势,被视为交通运输领域减少温室气体排放的关键技术。然而,其大规模商业化仍受限于耐久性不足和缺乏精确的故障预测手段。PEMFC的主要寿命限制机制之一是与内部燃料-空气窜漏相关的性能衰减。这种窜漏通常始于质子交换膜的化学降解,进而发展为膜上的针孔失效,导致氢气从阳极侧直接泄漏至阴极侧。大的燃料-空气窜漏不仅会造成受影响的电池内氧气化学计量比下降,引发氧饥饿,加速膜退化,还可能带来阴极排气可燃甚至爆炸的安全隐患。因此,在电堆开发和运行过程中检测此类故障至关重要。
现有文献大多聚焦于单个电池或少于十节电池的小型电堆的诊断,例如利用卡尔曼滤波、电化学阻抗谱(EIS)或机器学习等方法进行故障检测。然而,实际应用中,PEMFC以包含数百节电池的大型电堆形式运行,通常只能测量整体电堆电压和电流。因此,亟需一种能够仅利用电堆级测量值,即可有效检测并量化大型电堆中少数个别电池窜漏的非侵入式诊断技术。
二、研究内容与结论
本研究旨在开发并测试一种新颖的方法,用于量化大型PEMFC电堆中的窜漏分布。该方法的核心思想是:通过降低压缩机转速来减少阴极空气质量流量,并观察由此导致的电堆电压响应(ΔV)。由于泄漏较大的电池在空气流量降低时,其电压下降幅度会比无泄漏或泄漏较小的电池更为显著,因此可以通过分析电压响应来推断泄漏分布。该诊断测试被设计在近怠速条件下进行(负载电流约20A),以限制对电堆的不利影响。
研究人员在一个180节电池、30 kW的Ballard Power系统模块上进行了实验验证。他们首先测量了电堆在初始状态下约1 slpm的未知分布氢气窜漏,并通过一系列逐步降低阴极空气流量的稳态测试获取数据。此外,还进行了阴极氢气注入测试,以模拟更高且更均匀的单电池窜漏情况,用于检验模型的准确性。通过将实测的电压响应与基于物理的电堆模型预测进行对比,研究人员成功估计了窜漏分布。同时,他们将所提出的ΔV方法与基于优化理论的遗传算法(GA)方法进行了比较。结果表明,在整个气流扫描范围内,估计的电堆电压和排气成分(氢气排放量、出口氧气浓度)趋势与实测数据高度吻合,有力证明了该方法作为大型PEMFC堆非侵入式、近怠速泄漏诊断技术的潜力。
三、关键技术方法
- 1.
基于物理的电堆模型:该模型扩展自Vijayaraghavan等人和Ebrahimi等人的单电池模型,考虑了多个泄漏电池在电堆中的串联效应。模型输入包括电堆尺寸(ncells)、负载电流(I)、总供气摩尔流量(?C-Total、?A-Total)、阴阳极压力设定点(PC、PA)、入口氧气浓度(χO2,Cin)、氢气浓度(χH2,Ain)及冷却液温度(Tcool),用于计算电堆电压(Vstack = ΣVi)。
- 2.
ΔV诊断法:通过在不同阴极空气流量稳态下,比较实测电堆电压响应与模型预测电压响应,来逆向估计电堆中各电池的泄漏分布。该方法利用了降低空气流量对不同泄漏程度电池电压影响差异显著的原理。
- 3.
遗传算法(GA)对比:作为一种替代的优化方法,GA被用于从相同的电压响应数据中估计泄漏分布,以便与ΔV方法进行对比和验证。
四、研究结果
1. 引言
本节阐述了PEMFC在交通领域的应用前景及其面临的耐久性挑战,特别是由膜降解引起的燃料-空气窜漏问题。指出现有诊断方法多局限于单电池或小型电堆,而大型电堆缺乏有效的非侵入式泄漏诊断技术。因此,本研究的目的是开发并验证一种通过降低阴极空气流量并观测电堆电压变化(ΔV)来量化大型电堆窜漏分布的新方法。
2. 电堆级模型
2.1 数学模型
2.1.1 建模背景:介绍了正常运行时氢气的电化学反应过程,以及发生窜漏时氢气直接与阴极氧气反应消耗氧气,严重时可导致电池电压坍塌至负值,此时泄漏电池会被驱动成为“氢气泵”,成为阴极氢气排放的主要来源。
2.1.2 模拟电堆响应:详细描述了电堆模型如何计算电堆电压。模型假设阳极压力(PA)高于阴极压力(PC),泄漏方向为阳极到阴极。对于第i个电池,给定入口流量(?A-i0、?C-i0)和泄漏率(?leak-i),模型可计算出各电池电压。为了维持阳极压力恒定,压力调节器会增加氢气供应,但本研究假设所有电池获得均匀的氢气流量分配。
3. ΔV泄漏检测方法
本节基于上述模型,开发了利用电压降(ΔV)来估计电堆泄漏分布的方法论。该方法通过比较不同空气流量下电堆电压响应的变化,反向推算出各电池的等效泄漏率。
4. 实验验证
在180节电池的30 kW商业级PEMFC模块上进行实验。验证分为两部分:一是针对电堆初始存在的未知分布窜漏进行气流扫描测试;二是通过阴极注入氢气模拟已知的、更均匀的窜漏情况进行模型检验。实验结果与模型预测的电压和排气成分(H?排放、O?浓度)趋势进行了对比,同时也与GA方法的估计结果进行了比较。此外,还评估了非均匀流动对估计结果的影响。
五、讨论与结论
讨论部分总结了ΔV方法与传统GA方法相比的优势与权衡。ΔV方法在已知泄漏电池数量时表现良好,但在未知情况下,GA方法可能提供互补信息。研究还讨论了非均匀流动对泄漏估计值可能产生的偏差影响,指出这是未来研究需要考虑的因素。微小的、低于检测阈值的泄漏无法通过当前的气流扫描方法分辨。
研究结论如下:
- 1.
本文提出了一种电堆级的ΔV诊断方法,该方法仅通过控制阴极空气流量降低和监测电堆电压响应,即可估计内部燃料-空气窜漏的大小分布。
- 2.
该方法在具有噪声的实验条件下,于一个商业规模的多电池PEMFC模块上成功演示了泄漏分布估计,无需使用单电池电压抽头。
- 3.
通过独立的排气测量值(氢气排放浓度和出口氧气浓度),验证了预测趋势的准确性。
- 4.
将所提方法与基于遗传算法的模型进行了比较,突显了在泄漏电池数量未知情况下的实际权衡。
- 5.
该方法旨在作为近怠速工况下的诊断工具;临界泄漏-流量关系中的系数可能随运行条件变化;气流分布不均可能使估计的泄漏幅度产生偏差;低于可检测阈值的微小泄漏无法通过当前的气流扫描解决。