综述:利用松弛时间分布函数方法在燃料电池EIS数据分析方面的进展
《Current Opinion in Electrochemistry》:Advances in Fuel Cells EIS Data Analysis using the Distribution Function of Relaxation Times Methods
【字体:
大
中
小
】
时间:2025年12月12日
来源:Current Opinion in Electrochemistry 6.9
编辑推荐:
燃料电池阻抗谱分析中分布函数法(DFRT)与传统等效电路模型(ECM)对比,DFRT能分离不同时间常数过程并避免ECM的非唯一性、过拟合等问题。主要去卷积方法包括LASSO、Tikhonov正则化及ISGP演化算法,后者直接构建DFRT连续函数。研究强调DFRT在解析多极化机制及简化模型选择方面的优势。
Shweta Pal | Yoed Tsur
以色列海法以色列理工学院沃尔夫森化学工程系
摘要
分析燃料电池上的电化学阻抗谱(EIS)数据越来越多地通过寻找松弛时间分布函数(DFRT,也称为DRT)来实现。当重要的损耗机制以串联方式发生且具有可分离的时间常数时,这种方法具有明显优势。这样每个峰值都可以对应一个特定的过程,其积分值可以得出与该过程相关的有效损耗。本文简要回顾了该领域的最新进展。
引言
燃料电池(和电解槽)正在得到广泛的发展[1]、[2]、[3]、[4]、[5]、[6]、[7]、[8]。EIS是燃料电池的关键诊断工具,可以提供关于界面过程、电荷传输阻力、质量传输限制以及退化机制的见解[9]、[10]、[11]、[12]。构建等效电路模型(ECM)曾是分析阻抗数据最常用的方法,至今仍是最知名的方法[13]、[14]。然而,这种方法存在一些已知的缺点[15]、[16]、[17]、[18]、[19],包括:(a) 非唯一性:对于任何复杂的ECM,都存在其他ECM可以通过不同的元件排列和值得到相同的结果;(b) 过拟合:ECM可能具有过多的自由度,因此改变一个元件的值可以通过调整其他元件的值来“修正”而不会影响拟合效果;(c) 某些电路结构的主要频率响应可能超出测量范围;(d) 许多ECM包含特设的元件,例如具有可疑物理意义的恒相位元件。
将频率域转换为松弛时间分布函数(DFRT或DRT)是分析EIS数据的另一种方法,有助于解决这些挑战。公式1展示了阻抗数据与DFRT之间的关系[19]。
其中Z(ω)是阻抗,Rseries和Rtotal分别是串联电阻和总极化电阻,τ是松弛时间,ω是角频率。DFRT是在对数尺度上测量的时间常数。将其与Debye核函数K(τ,ω)=(1+jωτ)^?1(或在适当情况下使用其他核函数)进行卷积,应该能够拟合阻抗数据。
由于公式1也是一个病态逆问题(类似于ECM),从测量的阻抗数据中提取“正确”或“最佳”的DFRT需要正则化超参数或模型选择规则。例如:傅里叶变换[20]、蒙特卡洛[21]、最小绝对值收缩与选择算子(LASSO)正则化[22]、Tikhonov正则化[23]、[24]、弹性网络正则化(结合了LASSO和Ridge的正则化方法,Ridge是Tikhonov的一种特殊情况)以及量子粒子群优化[25]、最大熵[26]、贝叶斯和层次贝叶斯[27]、[28]、阻抗谱遗传编程(ISGP)[17]、[29]、[30]。
上述大多数方法都是反卷积方法。它们将DFRT重构为在固定时间常数τ_i处的一组离散值,得到一个数值向量:Γ(logτ_1), Γ(logτ_2), ..., Γ(logτ_n)。相比之下,ISGP直接构建DFRT,并在进化压力下通过多代演化比较不同的可能解。它生成的是一个解析函数,而不仅仅是逐点的函数[31]、[32]、[33],这是一个“峰值函数之和”。这可以得到一个连续的函数,便于积分和微分,从而可能提供更深入的物理洞察。本简要综述重点介绍了使用各种方法对不同燃料电池的EIS数据进行的DFRT研究,并突出了近期的关键出版物。
部分内容摘录
燃料电池中的极化过程及不同条件的影响
燃料电池主要经历三种类型的极化损耗:活化损耗、欧姆损耗和浓度损耗。这些损耗分别在低、中和高电流密度下显著(对应于高频、中频和低频区域)。然而,在许多情况下,活化损耗和欧姆损耗并没有完全解耦,可能会重叠。此外,不同类型燃料电池和操作条件下的原因、严重程度和缓解策略也各不相同[34]、[35]、[36]。
在质子燃料电池中
奥卡姆剃刀原则:超参数的使用和差异复杂性图
由于问题的病态性质,反卷积Γ(log τ)较为困难,需要仔细选择超参数以获得最佳的DFRT[19]、[51]。超参数控制反卷积模型或算法,而不是被测量的物理系统本身。大多数方法都涉及或依赖于多个超参数。例如,高斯过程中的核参数和噪声水平[52]、层次贝叶斯方法中的超先验参数[27],以及正则化参数
低频负环的研究
在EIS测量中观察到的高频诱导特征通常归因于外部组件(如电缆和电线),而非燃料电池本身[57]。文献中常见的差异是极化曲线的斜率与EIS数据的低频截距(约0.1-1 Hz)之间的不匹配,这部分是由于实验条件不同所致[58]、[59]。在0.1 Hz以下可能会出现低频负环
结论与未来展望
EIS仍然是评估燃料电池性能和退化机制的重要诊断工具。然而,电化学过程的复杂性和重叠性常常限制了EIS分析的可解释性。应用DFRT可以通过基于特征时间常数分离各个松弛过程来促进EIS数据的解释,从而无需预先定义的等效电路模型。有多种方法用于分析这些过程
关于写作过程中生成式AI和AI辅助技术的声明
在准备这项工作时,作者(Y.T.)使用了Grammarly来改进语言和可读性。使用该工具后,作者根据需要对内容进行了审查和编辑,并对出版物的内容负全责。
利益声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。
致谢
作者感谢以色列国家储能研究所(I-NIES)、以色列科学基金会(ISF)(项目编号2002/22)、VATAT氢技术计划以及以色列能源部的财政支持。Y.T.还感谢Erwin和Rosl Pollak学术席位提供的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号