DOI: https://doi.org/10.1016/j.apenergy.2023.122030
原文链接：https://www.sciencedirect.com/science/article/pii/S0306261923013946
对更高功率密度和紧凑结构的追求对固体氧化物燃料电池的热管理提出了严峻的挑战。本研究提出了一种新型管内重整器，并开发了一种基于多物理场仿真-人工神经网络-多目标遗传算法的优化框架，以提高固体氧化物燃料电池的输出性能并降低内部温差。首先，开发一个经过验证的多物理模型进行参数仿真和生成数据集。然后，通过训练人工神经网络获得替代模型，以预测固体氧化物燃料电池的输出性能和内部温度场。最后，基于替代模型进行多目标遗传算法优化，以最大化输出性能并最小化不同操作策略下的内部温差。结果表明，与传统配置（无管内重整器）相比，使用管内重整器可以有效促进电化学反应，提高燃料利用率（高达 34.2%）和电流密度（高达 14.5%），同时显著降低电池内的最大温差（高达 85.5%），从而使电池的电流密度和温度分布均匀。所提出的新型管内重整器和优化框架被证明具有很高的效率，可以轻松应用于其他燃料电池/电解器系统，以有效提高系统性能并实现实际需求下的高效热管理。
研究亮点包括：
提出了一种新型阳极管内重整器。
通过综合多物理场模型分析参数效应。
人工神经网络训练良好，预测准确率超过 99%。
通过 MOGA 获得不同操作策略下的帕累托前沿。
实现了 SOFC 中输出性能的提高和高效的热管理。
Fig. 1. (a) Tubular glycerol-fueled SOFC with novel in-tube reformer; (b) The workflow for optimization combining MPS-ANN-MOGA.
Fig. 2. (a) Grid independence check; (b) model validation through syngas-fueled button SOFC; (c) model validation through glycerol fixed-bed reactor; (d) mean squared error (MSE) during ANN training; (e) sensitivity analysis for the input parameters of ANN; (f) predicting performance of ANN.
Fig. 3. Effects of reformer thickness on: (a) current density and anode glycerol conversion; (b) current density along the electrolyte; (c) anode syngas outlet; (d) average temperature and maximum temperature difference on electrolyte; (e) temperature distribution; (f) temperature distribution along the electrolyte.
Fig. 4. Effects of anode tube inner radius on: (a) current density and anode glycerol conversion; (b) current density along the electrolyte; (c) anode syngas outlet; (d) average temperature and maximum temperature difference on electrolyte; (e) temperature distribution; (f) temperature distribution along the electrolyte.
Fig. 5. Effects of anode flow rate on: (a) current density and anode glycerol conversion; (b) current density along the electrolyte; (c) anode syngas outlet; (d) average temperature and maximum temperature difference on electrolyte; (e) temperature distribution; (f) temperature distribution along the electrolyte.
Fig. 6. Effects of anode glycerol molar fraction on: (a) current density and anode glycerol conversion; (b) current density along the electrolyte; (c) anode syngas outlet; (d) average temperature and maximum temperature difference on electrolyte; (e) temperature distribution; (f) temperature distribution along the electrolyte.
Fig. 7. (a) Pareto front in 3D coordinates of current density-maximum temperature difference-system average temperature; (b) Pareto front in 2D coordinates of current density-maximum temperature difference; (c) temperature distribution; (d) temperature distribution along the electrolyte; (e) anode molar fraction of each species; (f) current density distribution along the electrolyte.
Fig. 8. (a) Pareto front in 2D coordinates of syngas production-system average temperature; (b) anode molar fraction of each species; (c) temperature distribution; (d) temperature distribution along the electrolyte; (e) current density distribution along the electrolyte.
总而言之，本研究提出了一种新型管内重整器，并开发了基于 MPS-ANN-MOGA 的优化框架，以提高 SOFC 的输出性能并降低其内部温差。首先，基于实验数据开发并验证了多物理模型，同时分析了结构（treform、Rtube、an）和操作（Qan、Xan、GL）参数的影响并生成了用于 ANN 训练的数据库。然后，通过训练人工神经网络获得具有高相关系数的有效替代模型，用于准确预测电池的输出性能和内部温度条件。最后，在不同的操作策略下基于替代模型进行多目标遗传算法优化，以最大化电池性能、消除 PEN 温差以及使电池热中性运行。上述方案充分利用了系统中的多余热量，避免了整体热效率的损失，并在实现 SOFC 高效热管理（消除温差和热中性运行）的同时提高了输出性能。本研究提出的新型管内重整器和优化框架被证明具有极强的实用性，并且可以轻松应用于其他燃料电池/电解器系统，以提高系统性能并实现高效的热管理。主要发现和结论如下：
(1)使用管内重整器可以充分利用电池中的多余热量并促进电化学反应，与传统配置（无管内重整器）相比，可以提高燃料利用率（34.2%）和电流密度（14.5%），同时显着降低电池中的最大温差（85.4%），从而使电池的电流密度和温度分布均匀。
(2)较小的阳极流速和甘油含量（例如 Qan = 50 SCCM 和 Xan,GL = 0.1）会导致显着的内部温差，而增加重整器厚度、阳极管尺寸、阳极流速和甘油含量可以改善电池电流密度和温度的均匀分布。
(3)通过多目标遗传算法优化，得到不同运行策略下的最优参数，在高效的热管理条件下（消除温差、热中性运行），最大限度提高系统性能。
小编水平有限，若编辑有误，烦请指教，详细内容请阅读原文。
