基于DRT分析的PEMFC电堆冷启动性能演化研究:极化过程辨识与增益效应分析

《JOURNAL OF POWER SOURCES》:Study on the performance evolution of PEMFCs stack under cold start based on DRT analysis: Identification of polarization process and gain effect analysis

【字体: 大 中 小 】 时间:2026年09月30日 来源:JOURNAL OF POWER SOURCES 8.4

编辑推荐:

   • 基于弛豫时间分布(DRT)方法识别并分析了燃料电池的极化过程。 • 利用DRT方法阐明了两种典型工况下冷启动过程中性能演化机理。 • 极化过程的"增益效应"为理解燃料电池性能波动提供了新的视角。 • 验证了DRT方法在定量评估冷启动性能演化方面的可靠性。 • 为低温耐受燃

  

• 基于弛豫时间分布(DRT)方法识别并分析了燃料电池的极化过程。
• 利用DRT方法阐明了两种典型工况下冷启动过程中性能演化机理。
• 极化过程的"增益效应"为理解燃料电池性能波动提供了新的视角。
• 验证了DRT方法在定量评估冷启动性能演化方面的可靠性。
• 为低温耐受燃料电池的开发提供了理论指导。

1. 引言

质子交换膜燃料电池(PEMFCs)因其高能量转化效率、高体积功率密度、低噪声运行和零碳排放等优势,被视为改善交通能源结构和实现"双碳"目标的关键技术[1,2]。尽管具有这些优势,PEMFCs在汽车领域的大规模商业化仍然受到耐久性问题[3,4]的制约。交通运输应用中复杂多变的工况条件对PEMFCs的稳定性提出了重大挑战,尤其是在寒冷地区。低温下水结冰会阻碍气体传输通道并减少电化学活性面积,严重损害PEMFCs的冷启动能力和输出性能。此外,即使在成功启动之后,后续的冻融循环也会逐渐破坏多孔结构和组件完整性,加速性能衰减,增加后续启动的难度,从而大幅降低PEMFCs的整体耐久性。在冷启动过程中,水结冰引起的体积膨胀还可能导致膜电极组件(MEA)多孔结构的不可逆变形[5]。此外,反复的冻融循环会导致气体扩散层逐渐退化,破坏催化剂层和质子交换膜的结构完整性[6]。因此,冻融循环引起的性能衰减已成为PEMFCs大规模应用的关键障碍。监测和量化冷启动过程中发生的内部过程对于开发有效的管理策略和提高PEMFCs的长期耐久性至关重要[7]。

目前,许多研究利用极化曲线评估PEMFCs的性能和衰减[8]。然而,作为全局性能指标,极化电压反映的是多种物理化学过程的综合作用,无法直接分离出任何单一过程的贡献。这一局限性使得在冷启动条件下难以区分每个过程在PEMFCs整体性能变化中的具体作用[9]。在此,电化学阻抗谱(EIS)作为一种原位无损表征技术,被用于有效评估PEMFCs冷启动期间的复杂物理化学过程[10]。通过在恒定电流条件下运行的PEMFC堆栈上施加小幅度正弦交流扰动信号,并测量频率相关的响应,可以获得EIS谱图。对EIS谱图的分析可以揭示PEMFCs在不同频率范围内的动态阻抗特性。然而,由于PEMFCs内部物理化学过程的重叠,EIS谱图的解释仍然具有挑战性。为此,等效电路模型(ECM)被广泛用作评估PEMFCs健康状态[11]和衰减状态[12,13]的分析工具。为了提高ECM对PEMFCs的物理可解释性、普适性和拟合精度,Giner-Sanz等人[14]系统地比较了12种不同ECM构型对EIS谱图的拟合性能,旨在确定最能捕捉PEMFCs底层行为的拓扑结构。然而,ECM的实际应用受到一定限制:构建具有物理意义的等效电路需要大量的领域专业知识和系统的先验知识,包括选择合适的电路拓扑结构和为电路元件分配适当的初始值。这种对经验知识的依赖限制了ECM在PEMFCs健康评估和衰减分析中的广泛应用。

为克服传统基于EIS诊断中先验假设的限制,越来越多的研究人员采用弛豫时间分布(DRT)方法来表征和诊断PEMFCs内部的物理化学过程。Ivers-Tiffée[15]、Kobayashi[16]和Ciucci[17]的基础研究系统地探索了DRT的理论基础,包括正则化技术、诊断应用、连续和离散时间表示以及实现框架。Yuan[18]和Zhu等人[19]利用DRT量化了质量传输、氧还原反应中的电荷转移、质子传导和界面接触等关键物理化学过程的贡献,并确定了特征频率的分辨度是DRT精度的关键决定因素。利用DRT的模型无关性优势,Dierickx等人[20]将该方法与等效电路建模相结合,以提高参数识别的可靠性。若干研究[21,22]已成功利用DRT分离和量化PEMFCs中的极化电阻,随后将这些值作为传输线模型的初始输入。这一策略实现了对电极内传输现象和反应动力学的系统表征,从而开发并验证了PEMFCs的精确电压-电流模型。在应用方面,Atigas等人[23]提出了一种基于DRT的水管理策略,通过监测不同工况下特征峰的动态变化,实现膜电极组件的优化调节。Shi等人[24]利用DRT研究了初始含水量对冻融循环期间GDL退化的影响,旨在优化PEMFC堆栈的冷启动策略。此外,DRT还被用于评估工况条件对单体一致性的影响,提供了局部电压、运行参数和内部状态之间的定量相关性。这些能力为优化控制策略和提高PEMFCs的整体性能提供了重要指导。

尽管对PEMFCs冷启动的研究广泛存在,但大多数研究集中在单电池或小堆栈[8]上,对高功率堆栈在反复冷启动循环过程中系统级衰减机制的理解仍然不足,尤其是关于极化损耗的定量解耦。近年来,基于DRT的EIS谱图解释在PEMFCs领域受到了广泛关注。然而,现有大多数研究要么集中在描述低温冷启动后PEMFCs的衰减状态,要么致力于开发新型稳定电解质膜[25,26]。这类宏观或单值指标无法分辨平行动力学过程的贡献。尽管EIS-DRT在分辨重叠电化学过程方面前景广阔,但将其应用于追踪冷启动耐久性测试中特定电阻(如氧气质量传输、电荷转移和质子传输)的演化仍然较少见。为弥补这一空白,本研究采用DRT方法研究经历冻融循环的PEMFC堆栈性能演化的潜在机制。研究了一个60 kW的PEMFC堆栈,系统描述了两种代表性工况下的EIS测试程序和DRT计算过程。通过对获取的EIS数据进行DRT分析,识别了对应于不同极化过程的特征频率范围,并分析了性能演化过程中极化步骤的动态行为。此外,基于DRT结果,量化了这些极化步骤对整体性能损耗的单独贡献,从而揭示了PEMFC堆栈性能衰减的内在机制。本研究为开发满足PEMFC堆栈冷启动需求的关键材料提供了理论基础。

2. 实验与方法

在冷启动测试之前,采用控制变量法对工况条件进行了灵敏度测试。在不同条件下进行EIS测试,并采用DRT分析识别极化过程,详见表S1和表S2中的极化测试条件。

在本冷启动实验中,采用了一个60 kW的金属双极板PEMFC堆栈来研究冷启动循环过程中的性能演化。该堆栈的主要组件、关键工况条件以及本研究中使用的所有气体的纯度见表1、表2、表S1-3和图1。该堆栈的整体性能测试流程如下:(1)在第0个循环时对整个堆栈进行初始I-V性能和EIS测试,作为后续冷启动耐久性测试中性能变化和EIS变化的基准;(2)将堆栈置于-30°C的环境箱中冷冻10-12小时以达到热平衡;(3)通过施加恒定电流启动冷启动过程,启动电流设为160 A,冷却液流量维持在10 L/min,对应气面电流密度为400 mA/cm2;(4)共进行80次冷启动循环,每20次启动循环后对整个堆栈进行I-V性能和EIS测试;(5)基于EIS数据进行DRT分析,详细计算模型见相关文献。具体而言,采用正则化方法,使用高斯函数作为拟合模型,正则化参数设为10??[9],并选择径向基函数(RBF)作为FWHM系数,值为0.5[9]。在本研究中,EIS测量采用HIOKI CN011大功率EIS测试仪进行,其中激励电流设为工作电流的0.1%,频率扫描范围为10 kHz至0.1 Hz。

图1. 60 kW PEMFC堆栈的冷启动耐久性测试装置,测试流程图(a)和堆栈照片(b)。

表1. 60 kW PEMFC堆栈组件。
项目 | 参数
堆栈类型 | 金属双极板
电堆数量 | 154
活性面积 | 400 cm2
MEA厚度 | 8 μm

表2. 60 kW PEMFC堆栈冷启动测试的关键工况条件。
工况条件 | 参数
氢气入口压力 | 60 kPa
空气入口压力 | 40 kPa
氢气入口流量 | 395 L/min
空气入口流量 | 1228 L/min
冷启动温度 | -30°C
冷启动电流 | 160 A

3. 结果与讨论

本节分为三个部分:关键极化过程的识别与确认、冷启动过程中PEMFC堆栈内极化过程的分析,以及这些极化过程的定量分析。

3.1. 堆栈EIS和DRT测量的原理

MEA结构示意图和堆栈的典型电化学阻抗谱如图S1(a)和S2(b)所示。EIS谱图可分为三个特征频率区域:高频区、中频区和低频区。具体而言,高频区与内部欧姆阻抗相关,包括堆栈中关键组件的电阻以及组件之间的接触电阻。由于质子电导率显著低于电子电导率,内部欧姆阻抗应主要由质子交换膜中的质子传输以及PEM与其他关键组件界面之间的质子传输所主导。在EIS谱图中,中频区主要对应氧还原反应(ORR)的电荷转移过程,因为ORR的动力学相对于氢氧化反应(HOR)较为迟缓。低频区主要反映堆栈内的质量传输过程,涉及氧气和水的复杂传输过程[27]。因此,堆栈的EIS谱图可以有效捕捉动力学过程和多种耦合传输过程,使得难以直接定量地分离各个过程的极化电阻。为解决这一问题,DRT方法有效地解耦并量化了PEMFCs中各个极化过程的电阻贡献,如图2(c)所示,其中三个特征峰(P1、P2和P3)对应于不同的极化过程,峰面积代表相应的极化电阻。基于这些结果,将堆栈的EIS谱图精确量化与DRT分析相结合,可以适当地深入研究冷启动耐久性过程中以及动态工况条件下质量传输过程和电荷转移过程的性能衰减机制。

图2. 不同阴极工况条件下PEMFC堆栈的EIS谱图(a, d)和DRT结果(b, c, e, f)。

3.2. 堆栈内EIS谱图和DRT结果的分析

为识别堆栈内不同的极化过程并验证所提出分析方法的可靠性,在与后续冷启动测试中使用相同膜电极组件组成的堆栈上,在各种工况条件下进行了一系列EIS测试。结果如图3、图4和图5所示。

需要进一步分析不同运行条件下的EIS和DRT结果,以明确DRT谱中三个不同特征峰(P1、P2和P3)所对应的具体物理/化学过程。

**(1)不同阴极运行条件下的EIS谱和DRT结果分析:** 图2(a–c)展示了在不同阴极当量比(1.4、1.6、1.8和2.0)下电池堆的EIS测量结果和DRT分析。如图2(a)所示,随着阴极当量比的增加,传质阻抗和电荷转移阻抗均减小。为了进一步区分这些阻抗贡献,采用了DRT分析,结果如图2(b)和(c)所示。在DRT曲线(图2(b)和(c))中,随着阴极当量比的增加,P1峰和P2峰向较短的弛豫时间方向移动,这可能是由于反应物可用性的提高以及有效三相界面面积的增加加速了反应速率[28]。相比之下,P3峰表现出相当的弛豫时间,仅在较高当量比下有轻微增加。尽管较高的阴极当量比能够增强氧气传输并降低相应电阻,但P1峰和P2峰应与电池堆内部的传质过程和电化学反应有关。此外,P1峰的移动比P2峰更为明显,表明阴极当量比对P1所关联的过程影响更强。结合在EIS谱低频区域观察到的特征行为,P1峰应与传质过程相关,而P2峰对应电荷转移过程。基于相似的内部欧姆阻抗和相当的P3峰,P3峰应与电池堆内部的质子传输过程相关。这一解释得到了不同阴极相对湿度(RH)条件下获得的EIS谱和DRT结果的进一步支持。图2(d–f)展示了在不同阴极相对湿度(20%、40%、60%和80%)下电池堆的EIS测量结果和DRT分析。如图2(d)所示,随着阴极相对湿度的增加,传质阻抗和电荷转移阻抗保持大致相当。图2(e)和(f)中的DRT结果显示,在20%和40%相对湿度下P1峰基本不变,但在60%和80%相对湿度下显著增强。从20%到60%相对湿度,P2峰几乎没有变化,但在80%相对湿度下明显增强。相比之下,随着阴极湿度的增加,P3峰保持相似。这表明阴极湿度对P1峰的影响比对P2和P3峰的影响更为显著。由于在高湿度水平下可能发生阴极水淹,并阻碍传质过程,因此P1峰应与传质过程相关。因此,我们得出结论:P1峰应与传质过程相关,P2峰对应电荷转移过程,P3峰应与电池堆内部的质子传输过程相关。

**(2)不同阳极运行条件下的EIS谱和DRT结果分析:** 为了进一步验证DRT解释,在不同阳极运行条件下对PEMFC电池堆进行了EIS测量。图3(a–c)展示了在不同阳极当量比(1.2、1.3、1.4和1.5)下的EIS谱和DRT结果。图3(b–f)展示了在阳极相对湿度为20%、40%、60%和80%时的相应结果。显然,随着阳极当量比和相对湿度的增加,传质阻抗和电荷转移阻抗保持相当(图3(a)和(d))。在DRT曲线中观察到一致的行为,三个特征峰(P1、P2和P3)的峰位置和强度没有显著变化(图3(b和c)及3(e–f))。这表明这些峰所对应的物理/化学过程仅弱依赖于阳极运行条件,进一步表明这三个特征峰所反映的极化电阻主要来源于阴极侧过程[29]。基于以上结果,可以得出结论:P1峰应与氧气传输过程相关,P2峰对应ORR(氧还原反应)。

**(3)结合DRT方法对电池堆的EIS谱的确认与可靠性:** 为了定量表征EIS谱和DRT结果,在不同电流密度下对电池堆进行了EIS测量(图4)。图4(a–c)展示了从0.2 A/cm2到1.2 A/cm2的低电流密度下的结果,而图4(d–f)展示了从1.4 A/cm2到2.2 A/cm2的高电流密度下的结果。EIS结果(图4(a)和(d))显示在不同电流密度下电池堆的传质阻抗和电荷转移阻抗存在显著差异,表明DRT分析应关注这两个方面。此外,上述结果已证实P3峰与电池堆内部的质子传输过程相关。因此,P3峰的强度不应随电流密度的增加而显著变化。如图4(b和c)及4(e–f)所示,P3峰对应的弛豫时间和电阻确实保持相当,进一步确认了P3峰与电池堆内部的质子传输过程相关。对于P2峰,上述结果表明它对应ORR的电荷转移过程。这意味着P2峰的强度应随电流密度的增加呈下降趋势,这归因于反应驱动力增强,导致载流子浓度增加和迁移速度加快[30],从而加速了ORR的电荷转移过程。如图4(b和c)及4(e–f)所示,P2峰对应的弛豫时间和电阻确实表现出下降趋势,进一步证明P2峰与ORR的电荷转移过程相关。对于P1峰,上述结果表明它与氧气传输过程相关。这表明P1峰的强度随电流密度的增加而增大,因为在较高电流密度下PEMFC中的氧气传输电阻较高,这归因于催化剂层中积聚的液态水阻碍了氧气向三相界面的传输。如图4(b和c)及4(e–f)所示,P1峰对应的弛豫时间和电阻确实表现出了这一现象,进一步确认了P1峰应与氧气传输过程相关。

上述三组实验表明,DRT分析有效地解耦了电池堆中重叠的极化过程:P1峰对应氧气传输电阻(R_mass),P2峰对应ORR的电荷转移电阻(R_ct),P3峰主要反映质子传输电阻(R_pt)。这使得对燃料电池堆内不同的传质、电化学反应和质子传导过程进行清晰识别和定量分析成为可能。

**3.3 冷启动过程中电池堆内部极化过程的分析**

图S2比较了冷启动耐久性测试前后的电池堆I-V性能。在80个循环后,极化曲线与初始状态紧密重叠,如图S2(a)所示。具体而言,在0.1 A/cm2的低电流密度下,电压从0.813略微上升至0.819 V。在1.4 A/cm2的高电流密度下,电压在第40个循环时略微下降至0.687 V,随后在80个循环后完全恢复到初始值0.692 V(图S2(b))。这些结果表明,采用金属双极板的电池堆在?30°C下经过80次冷启动循环后没有显著衰减,同时在中段循环中表现出性能恢复。该现象的原因将在下一节中讨论。

冷启动后电池堆中的极化过程可以通过结合EIS谱和DRT方法来探索。在冷启动过程中,冷却液流量保持在10 L/min,施加400 mA/cm2的面积电流密度。每20次冷启动循环后,在两种状态下(怠速0.1 A/cm2和额定功率1.4 A/cm2)获取电池堆的EIS谱。

图5(a–c)展示了在不同冷启动循环次数后电池堆在0.1 A/cm2下的EIS谱和DRT结果。在该运行条件下,极化电阻主要受ORR的电荷转移电阻(R_ct)支配,这由P2相对于P1和P3的较大峰面积所指示(图5(b))。这表明由R_ct引起的极化损失(η_ct)是影响电池堆在怠速负荷下输出电压的关键因素。这一观察与低电流密度下活化极化占主导的理论一致[31]:在低电流密度下,阴极ORR必须克服较高的活化能,导致三相界面处电荷转移更为困难。单个极化阻抗的数值如图5(c)所示。随着冷启动循环次数的增加,P2峰对应的ORR电荷转移电阻呈现整体逐渐上升趋势,意味着冷启动过程中ORR的电荷转移过程难度增加。这一现象可能归因于电催化剂层经历反复冻融循环后三相界面面积的减少[32,33]。R_mass没有显著的整体变化,表明在该电流密度下,气体扩散层的孔结构仍能满足反应物传输需求。具体而言,R_mass在前20个循环中呈上升趋势,从20到80次冷启动循环后保持相当。这可能是由于多次冻融循环后催化剂层与气体扩散层之间以及催化剂层与质子交换膜之间的界面传输阻力增加所致。R_pt和电池堆的欧姆电阻保持整体相当的值,表明冻融循环不能显著影响电荷传输过程[34]。

图5(d–f)展示了在不同冷启动循环次数后电池堆在1.4 A/cm2下的EIS谱和DRT结果。在该运行条件下,R_ct和R_mass共同支配电池堆性能,这由P2和P3相对于P1的较大峰面积所反映,且R_mass表现出更明显的变化(图5(e))。这表明冷启动对传质过程的影响尤为显著。单个极化阻抗的数值如图5(f)所示。随着冷启动循环次数的增加,R_pt和欧姆电阻略微增加,表明冻融循环不能显著影响电荷传输过程。这一观察与上述结果一致[35]。R_ct没有显著的整体变化,这归因于在高电流密度条件下阴极产生充足的水,表明冻融循环不能影响ORR。相比之下,R_mass表现出整体下降趋势,表明冻融循环影响氧气传输过程。这可能是因为气体扩散层和催化剂层的孔结构在反复冻融循环后变得更加膨胀,从而改善了反应物气体的传输并降低了传质电阻[36,37]。

因此,冷启动循环不会显著影响电荷传输过程,但会明显影响MEA的孔结构,导致电池堆内部的氧气传输过程受限。

**3.4**

PEM燃料电池堆冷启动过程中极化过程的定量分析

为了定量分析并可视化PEM燃料电池堆在冷启动过程中由每个极化过程引起的电压损失,可以根据DRT分析结果和各极化电阻值计算相应的极化损失,公式如下[38]:

(1) η_pi = ∫?? R_pj(i) di ≈ ∑?=?? R_pj(i) Δi

其中,η_pi是由极化过程(j)贡献的极化损失,i是电堆可达到的电流密度(0.1 A cm?2和1.4 A cm?2),R_pj(i)是极化过程(j)在电流密度(i)下的极化电阻。

燃料电池的输出电压(V_cell)可以表示为:

(2) V_cell = E_rev ? (η_ct + η_ohm + η_mass) = E_rev ? η_p

其中,E_rev是PEMFC的热力学平衡电势;η_ct是与电化学反应动力学相关的活化过电势,对低电流密度下电堆性能有主导影响;η_ohm是欧姆过电势;η_mass是浓度过电势,在高电流密度下对电堆性能影响尤为显著;η_p是总极化过电势。

冷启动前后电堆输出电压之差(ΔV_cell)表示为:

(3) ΔV_cell = η_p?base ? η_p?cold

其中,η_p?base是基准条件下的极化损失;η_p?cold是经过80次冷启动循环后的极化损失。

根据公式(1)–(3),计算了初始状态及第20、40、60和80次循环后的极化损失,结果如图6、图7所示。图7展示了电流密度为0.1 A/cm2时的不同极化损失。在这些结果中,电堆内的欧姆极化损失始终高于初始值,并随着循环次数增加到第20次冷启动之前呈缓慢上升趋势(图6(a))。第20次冷启动后,数值基本持平,经过80次冷启动循环后,电堆内较大的欧姆极化损失达到0.684 mV。质子传输极化损失呈现出与欧姆极化损失相似的趋势(图6(d)),经过80次冷启动循环后达到1.214 mV。这表明冷启动循环后由欧姆电阻引起的电堆性能衰减是不可逆的,主要是由于初始冷启动过程对MEA不同部件界面产生的影响[35,39]。传质极化损失(图6(b))表现出显著波动,在第20次冷启动时达到最大值2.778 mV,总波动幅度为2.956 mV。这表明由于MEA孔隙结构的不可逆变化,冷启动过程可能在初始冷启动阶段对传质极化损失产生显著影响。因此,最终得到负值,表明冷启动循环可能实际上有助于降低传质极化损失。电荷转移极化损失(图6(c))呈现先降低后增加的趋势,冷启动循环下的值为?1.585 mV,对应波动幅度为2.482 mV。在第20次冷启动时出现负值,表明电堆具有较高电压和优异的ORR活性。因此,在第20次冷启动之前电堆性能可能得到优化,由于冷启动引起的不可逆变化,观察到下降趋势。

图6. 0.1 A/cm2下各极化过程贡献的极化损失(a-d)及其对性能波动的各自影响(e-f)。

图7. 1.4 A/cm2下各极化过程贡献的极化损失(a-d)及其对性能波动的各自影响(e-f)。

为进一步量化各极化损失的波动强度,计算了跨循环的标准差和相关电压,如图6(e)和(f)所示。结果表明,在0.1 A/cm2工况下,传质极化损失和电荷转移极化损失对电堆内部性能波动的影响最为显著。各极化损失的变化趋势与1.4 A/cm2工况下(图7(a-e))相似:(1) 电堆内欧姆极化损失始终高于基准值,并呈缓慢上升趋势,经过80次冷启动循环后达到4.703 mV(图7(a));(2) 电堆内传质极化损失持续不规则波动,经过80次冷启动循环后达到?14.27 mV,表明冷启动循环可能对传质极化具有增益效应(图7(b));(3) 电堆内电荷转移极化损失也表现出不规则变化,经过80次冷启动循环后达到?4.59 mV,表明该过程也可能得到改善(图7(c))。这种现象可能与冷启动过程中阴极长时间处于冻结-融化状态有关:气体扩散层和催化剂层中的孔隙可能被堵塞,导致催化剂表面持续处于缺氧状态,这反而可能促进阴极催化剂的活化[40,41];(4) 质子传输极化损失的变化相对较小,经过80次冷启动循环后达到2.52 mV(图7(d))。通过计算各极化损失跨循环的标准差(图7(e)),进一步分析其波动强度。结果表明,在该工况下,传质电阻是驱动性能波动的主要因素,最显著的影响可能发生在电堆内0~20次冷启动期间,这是由于冻结-融化状态引起的不可逆结构变化所致。

为进一步研究冷启动循环对电堆性能的影响,可以将ΔV_cell——即冷启动前后电堆性能对比得到的值——与?η_p-cold——由DRT分析得出的总极化电压损失——进行相关性分析,结果如图6(f)和7(f)所示。显然,ΔV_cell和?η_p-cold随着冷启动循环次数的增加表现出一致的趋势。结合图6中显示的80次冷启动循环过程中电堆的性能对比和演变趋势,这表明DRT方法对于冷启动循环期间电堆性能的定量分析是可靠的。基于上述结果,电堆性能与欧姆极化过程、电荷转移过程、质子传输过程和传质过程的复杂耦合作用有关。在冷启动过程中,阴极长时间处于缺氧状态,加上气体扩散层和催化剂层孔隙结构的变化,可能对电堆性能产生一定的增益效应。然而,?η_p-cold与ΔV_cell之间存在差异,这可能源于电化学反应路径的动态复杂性、部分极化过程的不完全监测以及测试系统中不可避免的测量误差[10,42]。

基于80次冷启动循环前后电堆的极化结果,本研究定量分析并讨论了各种工况下各极化过程对总极化损失的贡献。如图8所示,在怠速工况(0.1 A/cm2)和额定工况(1.4 A/cm2)之间,欧姆极化损失、传质极化损失、电荷转移极化损失和质子传输极化损失的相对贡献差异显著。在0.1 A/cm2电流密度下,质子传输极化损失和电荷转移极化损失占比较高,分别为40.8%和30.2%,是该工况下电堆性能衰减的主导因素。这表明在较低电流密度下,催化剂层表面和反应位点处的电化学反应动力学受到显著抑制。欧姆极化损失占总电压损失的23.0%,主要来自冻结-融化循环对各种部件间接触电阻和离子传导电阻的累积影响。值得注意的是,传质极化损失呈负贡献,为?6.0%。这一观察结果与前述冷启动循环中结构变化引起的"增益效应"相吻合,表明在特定条件下,气体传输过程可能对整体性能产生正面影响。在1.4 A/cm2电流密度下,极化损失贡献出现了显著重新分配。质子传输极化损失的比例明显下降至9.7%,表明其在较高电流密度下对电堆性能的相对影响减弱。欧姆极化损失的贡献保持在18.0%,仍然是影响60 kW PEMFC电堆性能的显著因素。相比之下,电荷转移极化损失和传质极化损失均表现出较大的负效应,分别达到?17.6%和?54.7%。这一结果进一步证实,在高电流密度下,电堆内部的结构和水热状态变化可能对性能产生"增益效应"。值得注意的是,传质极化损失的负贡献绝对值最大,表明气体扩散层或催化剂层内的孔隙结构和水/气传输行为发生了动态调整,这对传质过程是有利的。

图8. 80次冷启动循环后不同工况下各极化过程对总电压损失的贡献。

基于上述发现,低电流密度下的电堆冷启动策略应重点在于快速提升温度和激活催化剂层,配合适当的进空气量和湿度管理调整,以减轻冷启动对性能的有害影响。对于高电流密度,策略应优先增强反应气体供给和压力管理,同时优化水和热管理,并对材料和电极结构进行针对性设计。

3.5 不确定性与局限性

尽管本研究成功通过DRT解耦了电堆的极化过程,并定量分析了其在冷启动循环过程中对性能演变的贡献,但实验方法不可避免地存在一定的不确定性和局限性,具体如下:(1) DRT反演的固有不确定性,如正则化参数选择对峰值分辨率的影响;(2) 电堆级EIS测量的局限性,其反映的是单电池平均响应,无法捕捉个别电池的变化;(3) 本研究中使用的特定冷启动耐久性方案,可能无法完全代表实际动态工况。在推广本研究结论时应考虑这些局限性。

4 结论

本研究利用EIS和DRT方法研究了60 kW PEM燃料电池堆在冷启动条件下的性能演变,并系统考察了两种典型工况——怠速点(0.1 A/cm2)和额定点(1.4 A/cm2)下各极化过程对性能的影响及其内在机制。主要结论如下:

(1) 通过在不同阳极/阴极工况下应用EIS结合DRT,在电堆中识别出三个不同的极化过程。低频P1峰对应氧气传输电阻(R_mass),中频P2峰对应ORR的电荷转移电阻(R_ct),高频P3峰主要反映该电堆的质子传输电阻(R_pt)。该方法能够对冷启动循环期间影响电堆性能的不同极化过程进行分析。

(2) 在冷启动循环过程中,电堆的欧姆电阻(R_ohm)在怠速和额定工况下均略有增加。在怠速点,R_ct和R_pt呈上升趋势,而R_mass相对稳定。在额定点,R_ct和R_pt无显著变化,而R_mass表现出明显下降。关于极化损失,传质极化随冷启动循环次数增加而降低,这对电堆性能产生了增益作用。此外,由于阴极长时间处于缺氧状态,电荷转移极化也可能得到改善。随着冷启动循环次数的增加,怠速点的性能波动主要受传质极化和电荷转移极化的影响最为显著。在额定点,性能波动主要受传质电阻影响,但电荷转移电阻的作用不可忽略。

对DRT分析得出的总极化电压损失(-ηp-cold)与实测电压衰减(ΔVcell)进行相关性分析发现,两者在怠速和额定工况下均随冷启动循环次数的增加呈现一致的变化趋势。这种一致性进一步验证了DRT方法在定量分析冷启动过程中电堆性能演变方面的可靠性。(3)基于上述发现,为了更好地使燃料电池电堆适应冷启动工况,我们建议采用针对性的环境自适应材料设计[[43], [44], [45]]。具体而言,这包括设计耐低温的电催化剂和催化层(CL),使其在经历反复冻融循环后仍能保持三相边界面积,从而稳定电荷转移电阻。此外,冷启动循环后气体扩散层(GDL)和催化层(CL)孔隙结构的变化可能会带来性能提升,这为未来膜电极组件(MEA)的环境自适应设计提供了重要参考。例如,可以开发具有可控孔径分布和亲水/疏水梯度的耐冷启动GDL,以适应该冻融引起的孔隙变化并减轻质量传输波动。此外,为了阐明PEMFC电堆冷启动过程中及冷启动后的性能演变,应集成深度学习、3D建模和AI代理技术来构建燃料电池模型[[46], [47], [48]]。这些模型可以探索冰-水-热-电化学耦合机制如何影响冷启动性能以及基于DRT的PEMFC电堆诊断。该框架将系统地解码冷启动过程中的阻抗演变,从而实现优化的启停策略。

作者贡献声明:

韦杰(Weijie Wang):撰写初稿、方法论、调研、形式分析、数据整理、概念化。
宋文忠(Hongwen Zhong):验证、监督、资源支持。
日莉(Ruili Sun):撰写审阅与编辑、验证、获取资金、形式分析。
张光军(Guangjun Zhang):验证、数据整理。
陈婷(Ting Chen):撰写审阅与编辑、验证、项目管理。
王少荣(Shaorong Wang):撰写审阅与编辑、监督、资源支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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