基于路径生成算法的质子交换膜电解池流场设计与优化

《Fuel》：Design and optimization of the flow field in a proton exchange membrane electrolysis cell based on path generation algorithm

　　贺家林|龙兴|李阳阳|段雄波|孙志强
湖南Clean和低碳能源技术工程研究中心，中南大学能源科学与工程学院，长沙410083，中国

摘要
流场设计与结构配置对质子交换膜电解池（PEMEC）的性能具有重要影响，而这些通常依赖于经验直觉。本文采用路径生成算法来优化PEMEC的几何特性。构建了一个包含28,348种不同流场配置的综合性流场库，这些配置是在7×7网格上生成的。定义了流通道的四个代表性几何属性：P1（弯曲次数）、P2（流通道长度的标准偏差）、P3（相邻通道的总和）和P4（流通道的方向偏置）。选择了四种具有不同P1-P4值的流场，分别命名为FF1、FF2、FF3和FF4，并将其与传统的平行流场（CPFF）和传统蛇形流场（CSFF）进行了对比评估。结果表明，具有较小P1值、适当P2值、较高P3值和较小P4值的流场往往表现出更优的性能。此外，提出了一种新的参数——流速-压降增长比（VPR）来评估流场性能。较高的VPR表明在保持压降在可接受范围内的同时，氧气去除能力更强。仿真结果显示，当VPR为1.52时，FF1实现了最优的综合性能。FF1的压降为8288 Pa，比CSFF高9.9%；然而，FF1阳极侧的氧气流速达到1.99 m/s，比CSFF高出15.1%。同时，FF1阳极侧的氧气体积分数降低了9%，进一步证明了其整体性能的提升。相比之下，虽然FF4的氧气流速最高（2.87 m/s），但其压降是CSFF的两倍多，导致VPR仅为0.63。本研究为PEMEC的流场设计和优化提供了宝贵的设计见解和指导。

引言
氢燃料以及通过水电解生产氢气已成为航空航天领域的关键技术推动者。在推进系统中，液态氢和液态氧因其高比冲值和零碳排放优势而成为火箭发动机的主要选择。在空间站应用中，水电解在生命支持系统中发挥着关键作用。通过电解回收的废水，可以产生氧气和氢气——氧气供宇航员呼吸使用，而氢气则用于与二氧化碳的反应以再生水，从而建立了一个闭环资源回收系统。这种方法大大减少了了对地球补给任务的依赖，并降低了相关的运输成本。这些技术的整合不仅解决了航空航天推进和长时间载人航天飞行的关键挑战，也体现了绿色航空航天发展的原则。此外，它为可重复使用的发射器和可持续的长期太空栖息地奠定了基础，推动了航空航天行业向更高的效率和环境可持续性发展。此外，全球人口的快速增长以及工业化和城市化的持续推进加速了传统化石燃料资源的消耗，加剧了能源系统脱碳的紧迫性。为了应对这些挑战，氢能越来越被视为全球可持续能源转型战略的重要组成部分[1]、[2]、[3]。根据生产过程中使用的能源类型和碳排放水平，氢可以被分为灰氢、蓝氢和绿氢。绿氢是通过完全由可再生能源驱动的水电解产生的[4]、[5]、[6]，确保整个生产过程中的近乎零碳排放。从技术上看，绿氢为未来提供了最有前景的前景，是最具环境可持续性的生产方法之一[7]、[8]、[9]。

通过水电解生产氢气通常可以分为四种主要类型：碱性水电解（AWE）、质子交换膜电解池（PEMEC）、阴离子交换膜电解池（AEMEC）和固体氧化物电解池（SOEC）[10]、[11]、[12]。相比之下，PEMEC具有更高的效率、更高的氢气浓度、更低的操作温度和更快的启动能力。它能够使可再生能源与多尺度能源需求有效结合。当可再生能源（如风能或太阳能）可用时，多余的电能可以通过PEMEC转换为氢气储存，从而有效解决风能和太阳能发电的弃电问题。由于其独特的优势和发展潜力，PEMEC在学术研究和工业应用中受到了广泛关注[13]、[14]、[15]、[16]。

优化的流场结构设计可以显著提高氢气生产的效率[17]。历史上，流场设计研究主要集中在质子交换膜燃料电池（PEMFC）上，而PEMEC的研究相对较少。尽管PEMFC和用于氢生产的PEMEC在结构上具有相似性，但针对PEMFC的流场设计研究不能直接完全应用于PEMEC。此外，PEMEC的研究工作主要集中在数值建模[18]、[19]、[20]上。目前，关于PEMEC流场设计的研究主要集中在传统的平行流场（CPFF）[21]、[22]、[23]、[24]、传统的蛇形流场（CSFF）[21]、[22]、[25]以及基于这些类型设计的新变体流场[26]、[27]、[28]上。这些研究主要旨在降低压降、提高质量和热传递效率、增强电解性能和延长膜的寿命。Toghyani等人[22]建立了三维（3D）数值模拟，比较了平行流场与四种不同蛇形配置的性能。研究结果表明，尽管平行设计实现了最低的压降，但由于气体扩散层（GDL）中的反应物流通受限，氢气生成效率较低。相比之下，蛇形流场表现出更好的电解性能，但压降显著更高。Nie等人[23]对具有三个歧管和二十三个通道的平行流场阳极侧进行了三维两相流模拟。分析显示，在这种配置中，流速在进出口区域达到峰值，然后向中心通道逐渐减小，导致电解效率降低。此外，观察到氧气体积分数分布不均匀，中间部分的浓度较高。Zhang等人[24]使用三维（3D）数值模型研究了PEMEC中多平行流通道的优化。他们的结果表明，在2.0 V电压下，1 cm2的反应面积产生的电流密度比25 cm2的配置高出约300 mA/cm2。此外，他们证明通过协调气体扩散层接触角与入口流速可以有效提高内部分布的均匀性。这种参数控制的进步对于确保在高功率密度条件下的稳定运行至关重要。Liu等人[25]对指状流场进行了建模和分析，证明其在电解效率和电压损失降低方面具有优势，整体欧姆电阻降低了4.8%，氢气生成率提高了9.1%。Li等人[26]提出了一种梯度流场设计，并研究了其对氧气气泡动力学的影响。通过评估PEMEC的性能，他们证明了梯度配置比平行和蛇形流场设计更有效地增强了氧气气泡的去除和减少了气泡积聚。Sun等人[27]修改了传统蛇形流通道的肋条宽度，发现新的流场在电流密度上比传统蛇形流场提高了60%。此外，结果还表明，所应用的流速和肋条下的水力阻力会影响改进流场的有效性。Zhang等人[28]在蛇形流通道的弯曲处引入了圆形弧形支柱，证明改进的流场设计有助于更有效地从阳极通道中去除氧气，从而提高了氢气生成性能。Zuo等人[29]为PEMC设计了多种创新的蛇形流场，观察到了随着通道弯曲次数的增加，电流密度有所提高。值得注意的是，新型流场的压降小于CSFF，这归因于流路的长度缩短。Yuan等人[30]利用拓扑优化开发了PEFC流场设计，旨在提高热传递性能并减少与流体扩散相关的能耗。他们的研究结果表明，与CSFF相比，拓扑优化设计实现了水分布均匀性的30.8%提高和温度分布均匀性的59.4%改进。Mi等人[31]评估了仿生图案（如叶脉和鱼骨结构）在调节内部条件方面的有效性。他们的研究表明，尽管这些仿生设计对宏观极化特性的影响可以忽略不计，但在热分布和产品排放方面提供了显著的优势。具体来说，与传统平行通道的3.51 K温度梯度相比，叶脉和鱼骨变体的温度分布更加均匀，最大温度差异分别限制在2.14 K和2.16 K。

目前，机器学习与CFD和优化算法被广泛用于提高PEMEC和PEMFC的性能。Yang等人[32]实现了深度操作符网络（DeepONet）来将阳极多孔传输层（APTL）的空间变化孔隙分布映射到实际物理场分布，并采用全连接神经网络（FCNN）来模拟异质APTL孔隙度与关键性能指标之间的相关性。这一深度学习框架成功地实现了电流密度、温度、氧气摩尔分数分布以及整体电池性能指标的高精度预测。Zhao等人[33]提出了一种数据驱动的方法来分析高温质子交换膜电解池（HT-PEMEC）的动态特性，结合了多物理场仿真和非线性系统识别。这种方法减少了对于昂贵实验设置的依赖，并避免了繁琐的全尺寸多物理场计算。与模糊逻辑控制相比，基于神经网络的预测控制策略在功率输出性能上提高了92%。Wang等人[34]应用神经网络与遗传算法对PEMC中的仿生叶脉启发式流场进行了多目标优化，他们发现优化流场的压降降低了14.85%，同时提高了电流密度和温度分布的均匀性。Chen等人[35]研究了一种具有30个小腔室的PEMC，并使用四种不同算法分析了各种几何参数对压力均匀性的影响。他们确定神经网络（NN）和多元自适应回归样条（MARS）是预测燃料电池压力分布均匀性最有效的方法。Wan等人[36]认为传统流场的设计是基于试错和有限的人类直觉，这使得优化过程变得困难。因此，他们结合机器学习和实验开发了一种新的流场生成算法，在9×9网格上生成了11,564个哈密顿路径流场。他们还提出了五个影响流场性能的指标，并使用卷积神经网络系统地探索了几何形状对流场性能的影响，从而将极限电流密度提高了22%，能量效率提高了11%。Zhou等人[37]使用深度优先算法构建了包含多种配置的流场库，然后选择了480个流场进行仿真，并将其作为机器学习的数据集。多层感知器（MLP）算法用于预测PEMC性能，并识别出最佳流场配置，其电流密度比传统蛇形设计高了10.37%。

尽管上述研究为流场设计提供了有价值的优化策略，但仍存在某些局限性。一些方法严重依赖于经验设计直觉，仅重新配置流场的空间布局而没有深入研究其潜在的几何特性。其他研究主要集中在氧化还原液流电池（RFB）或PEMFC上，这些结论可能无法直接应用于PEMEC。此外，关于几何特性对PEMEC（一种电化学电池）中流动行为影响的研究仍然有限。为了填补这一知识空白，本研究采用路径生成算法对流场结构设计和优化如何影响PEMEC性能进行了系统的分析，如图1所示。利用该算法，在7×7网格上构建了一个包含28,348种独特几何配置的多样化的流场库。这一庞大的数据集使得对几何特性的全面表征成为可能。研究从中提取并正式定义了四种代表性的几何特征，以评估它们对流动性能的影响。从该库中选取了几种代表性的流场设计，与CSFF和CPFF进行对比分析，性能评估指标包括压降、阳极侧氧气速度和阳极侧氧气体积分数。主要目标是保持压降在可接受范围内，显著提高阳极侧氧气速度以促进氧气气泡的有效去除，提高氢气生产效率，并优化氧气分布的均匀性。这项工作对于提高PEMEC的氢气生产效率和降低相关能耗具有重要意义。

**流场路径库生成算法**
开发了一种基于深度优先搜索（DFS）的新算法，用于系统地研究流场配置对PEMEC中压降、流速和气体分布的影响，从而构建了一个全面的流场库。该算法初始化一个7×7网格，并执行深度优先搜索算法来生成路径。路径从坐标(0.5, 0.5)开始，结束于(6.5, 6.5)。

**结果与讨论**
如图11所示，模拟了四种具有不同P1-P4值的流场（分别称为FF1、FF2、FF3、FF4），以研究所定义的几何特性对流动性能的影响，并将其性能与CPFF和CSFF进行比较。在本研究中，模拟了氧气生成过程以反映实际运行条件。假设氧气生成发生在MEA（膜电极组件）表面，液态水流量保持恒定为60 mL/min。

**结论**
在本研究中，使用路径生成算法构建了一个包含28,348种不同流场配置的流场库，并提取并正式定义了代表流场几何特性的四类参数：转弯次数（P1）、直通道长度的标准差（P2）、相邻直通道的总和（P3）以及方向偏差（P4）。流场FF1-FF4在改善这些几何特性方面表现出色。

**作者贡献声明**
何家琳：撰写——原始草稿、验证、软件开发、方法论、数据整理。龙星：正式分析、数据整理。李洋洋：数据整理。段雄波：撰写——审稿与编辑、可视化、验证、项目管理、方法论、数据整理、资金筹集、概念化。孙志强：撰写——审稿与编辑、项目管理、方法论、资金筹集、概念化。

**利益冲突声明**
作者声明没有已知的财务利益或个人关系可能影响本文所报告的工作。

**致谢**
本工作得到了中国国家自然科学基金（52436006、52206140）、湖南省自然科学基金（2025JJ40060）、湖南省科技创新计划（2024RC3005）、北京Nova计划（20240484628）、北京Nova计划跨合作项目（20250484943）以及2024年双基地国家自主创新示范区建设技术支持项目（2024XM05）的财政支持。