天津大学《Chemical Reviews》综述：应用于下一代高功率密度燃料电池的多孔介质流场

　　近日，天津大学焦魁教授与西安交通大学屈治国教授、加州大学欧文分校Wang Yun(王云)教授合作，在影响因子72.087的高水平期刊《Chemical Reviews》上发表题为《Porous Flow Field for Next-Generation Proton Exchange Membrane Fuel Cells: Materials, Characterization, Design, and Challenges》的综述文章，从材料、特征、设计和面临挑战等多个方面对多孔介质流场在下一代高功率密度质子交换膜燃料电池中的应用做了全面综述，同时对气液分流、极板扩散层一体化设计，人工智能辅助的多孔结构设计等该领域的未来研究方向进行了展望。文章第一作者是西安交通大学助理教授张国宾(原天津大学机械工程学院2015级博士研究生)。

　　第一作者：张国宾

　　通讯作者：西安交通大学屈治国教授、天津大学焦魁教授、加州大学欧文分校Wang Yun(王云)教授

　　通讯单位：西安交通大学能动学院、天津大学国家储能平台、天津大学内燃机燃烧学国家重点实验室、加州大学戴维斯分校、加州大学欧文分校

　　论文DOI：https://doi.org/10.1021/acs.chemrev.2c00539

　　质子交换膜燃料电池是一种高效环保的电化学反应动力装置，可直接将化学能转化为电能，该装置以氢气为燃料，水是唯一的副产品，目前已在交通、分布式能源、发电站、航空航天、军事、便携式能源、热电联供等多个领域都获得了广泛应用。但是，质子交换膜燃料电池技术仍处于商业化早期阶段，其产业化应用需要在性能、成本和耐久性方面均取得重大突破，其中，功率密度是衡量燃料电池性能的一个重要指标。包含流场结构的极板(Bipolar plate, BP)是燃料电池中的重要部件之一(图1)，对燃料电池中反应气体供给、液态水排出、导电、传热等过程和电池性能及耐久性具有重要影响。相比传统沟脊流场结构，多孔介质流场(图2)在强化反应气体供给、传热和导电等方面表现出了显著优势，可有效提升燃料电池性能(图3)和运行稳定性，有望在下一代高功率密度燃料电池中得到广泛应用。

图1 质子交换膜燃料电池及多孔介质流场结构示意图

　　本综述首先从材料、制备方法、表征方法等方面对多孔介质流场进行了全面介绍;之后，对多孔介质流场中的气液两相流动以及多孔介质流场对燃料电池在正常工况和冷启动工况下的性能进行了深入讨论;最后，对多孔介质流场的未来发展与挑战进行了总结与展望。本综述对加速多孔介质流场在质子交换膜燃料电池中的应用，实现燃料电池功率密度的大幅提升，进而促进其商业化进程具有重要意义。

图3 典型应用传统沟脊式流场和多孔介质流场的燃料电池极化曲线

本综述中提出的几个多孔介质流场的

未来发展方向包括

　　1. 气液分流

　　在质子交换膜燃料电池中，反应气体经由流场进入多孔电极参与电化学反应，与此同时，电化学反应产生的液态水则由多孔电极进入流场，然后排出燃料电池。也就是说，反应气体和液态水的传输路径相同，二者之间的相互干扰会降低燃料电池性能。因此，如果可以通过优化多孔流场结构，实现反应气体和液态水传输路径的分离(图4)，最大限度降低二者之间的相互干扰，就可以同时强化反应气体供给和液态水排出，并提升燃料电池性能。目前，实现气液分流的方法有调控局部润湿性、双峰孔结构、局部打孔、辐射接枝等。

图4 实现流场内气液分流的几种方法

　　2.极板与扩散层一体化结构

　　在应用沟脊式流场的燃料电池中，由于脊下方气体传输很差，需要增加气体扩散层(多为碳纸材料)部件来增强气体横向传输。但是，多孔流场中的多孔结构使其可以承担气体扩散层的功能，即实现极板与扩散层一体化结构。从图5可以看出，极板与扩散层一体化结构可以有效提升燃料电池性能。不仅如此，传统扩散层的去除有效降低了燃料电池厚度，进而带来功率密度的大幅提升。

图5 极板与扩散层一体化结构示意图及其对燃料电池性能影响

　　3.人工智能辅助的多孔流场结构设计

　　在多孔流场结构优化设计过程中，传统实验和模拟仿真方法起到了非常重要的作用，但是，传统研究方法耗时很长，优化效率较低，难以满足优化需求。为解决这一难题，可以考虑结合传统实验测试、模拟仿真和人工智能方法，借助人工智能方法的高效率大幅提升多孔介质流场结构优化效率，如图6所示。在这一优化过程中，利用传统实验测试和模拟仿真方法针对典型多孔流场结构进行研究，生成典型多孔流场结构与性能的关联数据库，以此为基础对人工智能算法(如：人工神经网络，ANN)搭建的数据驱动代理模型进行训练、测试，相比实验测试和模拟仿真方法，数据驱动代理模型计算效率很高，因此可以利用该代理模型进行大规模预测，最后借助遗传算法等寻优算法寻找最优结构设计。

图6 人工智能辅助的多孔流场结构设计流程