【Energy and AI】基于随机重构法研究PEMFC催化剂层设计对催化剂利用率的影响

文摘   2024-09-04 15:45   天津  


https://doi.org/10.1016/j.egyai.2023.100245

  第一作者: Congfan Zhao, Shanghai Jiao Tong University, China

❖  通讯作者: Xiaohui Yan, Shanghai Jiao Tong University, China

Junliang Zhang, Shanghai Jiao Tong University, China

  作者邮箱: yanxiaohui@sjtu.edu.cn
junliang.zhang@sjtu.edu.cn


摘要

催化剂利用率是质子交换膜燃料电池性能的重要决定因素,提高催化剂利用率是降低 PEMFC 中催化剂负载的最关键方法之一。利用基于变分辨率四重奏结构生成集 (QSGS) 算法的四相随机重构方法阐明了电极制备的不同参数,包括孔隙率、碳团聚物的分散度、离聚物含量和碳载体尺寸对催化剂层中催化剂利用率的影响。研究发现,CLs 中存在孔隙率、碳团聚物的分散度、离聚物含量和碳载体尺寸的最优值,任何与这些最优值的偏差都会导致 CLs 内电子、质子和质量的输运问题。同时考虑电子、质子和质量输运,本研究的 48 例中最优 Pt 利用率为 46.55%, 取碳载体直径为 40 nm,孔隙率为 0.4,团聚体空间密度为 25 μm3 和 I/C 为 0.7。对于常规电极制备,孔隙率、超声分散技术和离聚物含量的选择需要在质量、电子和质子传输上做出妥协,导致 CL 中的催化剂利用率几乎不超过 50%。因此,需要下一代催化剂层设计和制备技术。



详情可点击下方“阅读原文


Energy and AI是天津大学与Elsevier共同创办的国际学术期刊,内容涵盖人工智能技术应用于能源领域所取得的最新、最重要的研究进展。期刊最新的影响因子(IF)为9.6,CiteScore为16.5。欢迎广大学者踊跃投稿。我们的网址是:www.journals.elsevier.com/energy-and-ai


EAI能源与人工智能
天津大学官方期刊:Energy and AI
 最新文章