(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211039497.9 (22)申请日 2022.08.29 (71)申请人 华北电力大 学 地址 102206 北京市昌平区回龙观镇北农 路2号 (72)发明人 郝俊红　陈俊宇　王星策　郝彤　 戈志华　杜小泽　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 万慧华 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06F 30/28(2020.01) G16C 20/10(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06N 3/12(2006.01) H01M 8/04298(2016.01) G06F 111/04(2020.01) G06F 111/06(2020.01) G06F 111/10(2020.01) G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 燃料电池气体流道优化设计方法、 系统、 电 子设备及 介质 (57)摘要 本发明涉及一种燃料电池气体流道优化设 计方法、 系统、 电子设备及介质， 属于燃料电池领 域， 采用中心复合设计确定流道几何参数的取 值， 样本数据进行人为设计， 使数据具有先验性， 对比目前机器学习的方法， 在保证信息量的同 时， 减少了 所需数据量， 从而减少运算量， 提高优 化效率； 根据最优人工神经网络拟合得到目标优 化模型， 目标优化模型即为几何尺 寸与燃料电池 性能指标之间的函数关系， 对比传统的多项式拟 合回归， 提升了拟合精度， 具有更好的预测性能； 采用智能优化算法求解目标优化模 型， 获得使燃 料电池性能达到最优的流道几何参数， 相比传统 基于经验的试凑或控制变量等方法， 不仅能从多 角度多目标对燃料电池进行优化， 而且大幅提升 了优化效率。 权利要求书3页 说明书13页 附图7页 CN 115470581 A 2022.12.13 CN 115470581 A 1.一种燃料电池气体流道优化设计方法， 其特 征在于， 包括： 搭建燃料电池的数理模型； 采用中心复合设计确定流道几何参数的多个取值； 将流道几何参数的每个取值代入所述数理模型， 获得每个取值对应的燃料电池性能 值， 并将流道几何参数的所有取值和所有燃料电池性能值构成样本数据集； 利用所述样本数据集训练人工神经网络， 获得最优人工神经网络； 根据所述 最优人工神经网络拟合得到气体流道的目标优化模型； 采用智能优化算法求解所述目标优化模型， 获得使燃料电池性 能达到最优的流道几何 参数。 2.根据权利要求1所述的燃料电池气体流道优化设计方法， 其特征在于， 所述燃料电池 的数理模型包括： 质量守恒方程、 动量守恒方程、 能量守恒方程、 组分守恒方程、 电化学反应 方程和质子交换膜内的水传输方程； 所述质量守恒方程为 式中， ε为孔隙率， 在多孔介质区域： ε< 1， 在非多孔介质区域： ε＝1； ρ为流体密度； 为流体速度； Sm为质量源项， 阳极催化层： 阴极催化层： 和 分别为氢气、 水和氧气的摩尔质量， F为法拉第常数， Ra、 Rc分别为阳极、 阴极交换电流密度； 符号 为梯度 算子； 所述动量守恒方程为 式中， μ为流体 的动力粘度； p为压强； Su为动量源项， K为多孔介质的渗透率； 所述能量守恒方程为 式中， cp为流体 的定压比热容； T为温度； keff为有效导热系数； SQ为能量源项， SQ＝hreact‑Ra,cηa,c+I2Rohm+hL， hreact为电化学反应产热； Ra,c为阳极/阴 极交换电流密度； ηa,c为阳极/阴 极过电位； I为电流； Rohm为欧姆电阻； hL为水相变的潜热； 所述组分守恒方程为 式中， mx为组分 x的质量分数； 为组分x的有效扩散系数； Sx为组分源项， 组分源项仅在催化层中存在， 组分x包括氢气、 氧气和水， 所述电化学反应方程包括电流守恒方程和Butler ‑Volmer方程； 所述电流守恒方程为 和 式 中， σsol、 σmem分别为固相和膜相的电导率； φsol、 φmem分别为固相和膜相的电势； Ssol、 Smem分 别为固相和膜相的电流源项， 阳极： Ssol＝‑Ra， Smem＝Ra； 阴极： Ssol＝Rc， Smem＝‑Rc；权　利　要　求　书 1/3 页 2 CN 115470581 A 2所述Butler ‑Volmer方程为 和 式中， ζa、 ζc分别为阳极和阴极催化层的活性比表 面积； 分别为阳极和阴极的交换电流密度； C和Cref分别为各组分局部摩尔浓度和 参考摩尔浓度； γa、 γc分别为阳极和阴极的浓度指数； αa、 αc分别为阳极和阴极的电荷传输 系数； ηa、 ηc分别为阳极和阴极的活化过电位； R为理想气体常数； 所述质子交换膜内的水传输方程包括电渗 拖曳、 浓差扩散和压力迁移； 所述电渗拖曳为 式中， i为电流密度； nd为电渗拖曳系数， λ为 每一个磺酸基团所含水分子的个数， α 为水的活度， pWV为水蒸气的分压， psat(T)为温度T下的饱和 压力， s为液 态水饱和度； Ne为电渗拖曳引起的膜内水的通 量； 所述浓差扩散为 式中， Dw为水在质子交换膜中的扩散系数； cw为质子交换 膜内水的浓度； Nc为浓差扩散引起的膜内水的通 量； 所述压力迁移为 式中， Np为压力迁移引起的膜内水的通 量。 3.根据权利要求2所述的燃料电池气体流道优化设计方法， 其特征在于， 所述采用中心 复合设计确定流道几何参数的多个取值， 具体包括： 确定流道几何参数包括阳极流道上顶宽Wa， 阳极流道出入口高度比χa， 阴极流道上顶宽 Wc和阴极流道出入口高度比χc； 预设流道几何参数中每 个几何参数的取值范围； 基于每个几何参数的取值范围， 采用中心复合设计， 并利用公式2k+2k+n确定流道几何 参数的总组数以及各组中每 个几何参数的取值； 式 中， k为几何参数个数， n 为中心点个数。 4.根据权利要求3所述的燃料电池气体流道优化设计方法， 其特征在于， 所述目标优化 模型的目标函数为： 所述目标优化模型的约束条件 包括Wa， χa， Wc和 χc各自预设的取值范围。 5.根据权利要求4所述的燃料电池气体流道优化设计方法， 其特征在于， 所述采用智能 优化算法求解所述 目标优化模型， 获得使燃料电池性能达到最优的流道几何参数， 具体包 括： 利用非支配快速排序遗传算法求解所述目标优化模型， 获得使燃料电池性能达到最优 的流道几何参数； 所述 目标优化模型为多目标优化模型， 所述多目标为电流密度最大化和 流道压降最小化； 所述燃料电池性能包括电流密度和流道压降。权　利　要　求　书 2/3 页 3 CN 115470581 A 3