数据驱动的质子交换膜燃料电池膜电极性能跨工况优化OA

质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)低温适应性问题严重制约了其大范围商业应用。膜电极性质是决定PEMFC冷启动性能的根本因素,然而针对冷启动调优膜电极往往导致常规工况性能下降。本文提出了一种数据驱动的PEMFC膜电极跨工况优化设计框架,对阴、阳极催化层的关键组成和结构参数采样构建高保真机理数据集,训练了基于支持向量机、高斯过程回归、径向基神经网络等方法的代理模型,对冷启动性能关键指标的预测R^(2)均值达0.968,同时在常温性能预测中表现出很强的泛化能力。结合AI(artificial intelligence)代理模型与NSGA-Ⅲ(third-generation non-dominated sorting genetic algorithm)算法有效权衡膜电极的跨工况性能,优化的膜电极性质参数可提升PEMFC冷启动持续时长29.6%、最大温升11.9%,或在维持低温耐受性下提升常规工况最大功率密度3.6%,为PEMFC膜电极的高效理性设计及快速产品迭代提供了重要的理论依据与技术支持。