质子交换膜燃料电池消耗氢气和氧气，来产生清洁的电力和水，但面临着液态水的严峻挑战。由于多尺度、多层多孔介质中的多相、多组分、反应动力学，精确的液态水建模具有固有的挑战性。此外，目前成像和建模能力不足，将模拟限制在小区域(<1 mm2)或简化的架构。
在此，来自澳大利亚新南威尔士大学的Quentin Meyer
& Chuan Zhao & Ryan T. Armstrong等研究者利用X射线微计算机断层扫描、深度学习超分辨率、多标签分割和直接多相模拟，实现了水建模的进步。相关论文以题为“Large-scale physically accurate modelling of real proton exchange
membrane fuel cell with deep learning”发表在Nature
Communications上。
论文链接：
https://www.nature.com/articles/s41467-023-35973-8
气候变化，已经将人们对化石燃料的关注，转向了清洁和可再生能源，氢经济正在成为一种全球性的解决方案。氢燃料电池，特别是质子交换膜燃料电池(PEMFCs)，由于其高能量转换效率和零排放操作，是这场绿色革命的关键。PEMFCs，消耗氢气和氧气来产生电力和水，具有低操作温度(<80℃)、高能量密度和快速加油的优点。它们在阳极用电化学方法将氢转化为质子和电子，在阴极与氧反应生成电，而水是唯一的副产物。PEMFCs是一种多尺度多孔介质，由固体电解质膜夹在两侧的纳米多孔电催化剂之间，覆盖有微孔层(MPL)，微孔气体扩散层(GDL)，顶部有毫米尺度的流动通道(图1)。这种多层结构既能最大限度地将气体扩散到活性催化部位，又能最大限度地减少催化剂层中的水积聚。PEMFCs的性能高度依赖于燃料和氧化剂气体在阳极和阴极的扩散和利用，以及对阴极产生的水的有效管理。在高负荷下，生成的水可能使氧气(空气)的载湿能力饱和，并在多孔介质中凝结成液滴。如果不能充分去除，液态水将最终积聚在GDL和MPL中，阻碍气体扩散到活性部位，从而淹没PEMFC。因此，水淹和脱水之间的权衡对于高性能PEMFCs至关重要。
图1 本研究中生成的PEMFC结构域。
通过修改MPL和GDL属性，PEMFCs中的水管理得到了改善。最值得注意的是，MPL和GDL中的大穿孔和裂缝，最初被认为是制造缺陷，极大地减缓了水从催化剂层的扩散。这些特性在电极内部形成了稳定且相互连通的水通道，降低了MPL和GDL的含水量，改善了气水平衡。MPL/GDL孔隙、射孔和裂缝之间的“双孔隙”流动是通过非均质和裂缝性多孔介质(如岩石)的多相流动而闻名的，对优化pemfc多相流动动力学至关重要。细致地观察PEMFC水的运移和扩散对研究多孔结构的空间变化和改进PEMFC设计至关重要。在PEMFCs中出现了几种原位水可视化方法，如光学成像(需要打开流场或传输窗口)、低空间和时间分辨率的中子成像、X射线照相(低空间分辨率)和X射线微计算机断层扫描(micro-CT)。
在这些技术中，X射线微型计算机断层扫描(micro-CT)提供了最高的空间分辨率(0.5-3 μm)和视场(基于20002像素探测器的1-6毫米)。在同步加速器设施中，使用micro-CT通过MPL和/或GDL孔隙捕获液水，可以在不到20秒的时间内捕获PEMFCs的原位成像。然而，目前micro-CT的分辨率和视场还不能完全解析PEMFC多孔结构。micro-CT不能捕获MPL纳米孔，其视场最多限制在2-3个气通道内。此外，GDL纤维(直径为10 μm)被少数体素分解得很差，导致高混叠。视野和分辨率之间的权衡限制了低密度特征(例如水滴、缺陷和裂缝)的捕获和分析，同时保持高分辨率，从而形成了硬件上限。最近推出了超硬件X射线micro-CT图像增强技术，利用所谓的“超分辨率”来规避这些限制，提高岩石样品的分辨率。在这种方法中，使用卷积神经网络(CNN)将低分辨率图像的分辨率增强或超分辨率提高到高分辨率小视场图像的分辨率。虽然高分辨率图像和低分辨率图像之间不需要体素匹配，但如果高分辨率图像在低分辨率图像内，则超分辨率图像的质量通常更高。这种使用超分辨率卷积神经网络(SRCNNs)进行图像增强的方法尚未应用于PEMFCs 。
在此，研究者开发的PEMFCs的micro-CT成像分辨率和多相流建模能力都得到了显著提升，通过生成超过当前硬件限制(超硬件)的16 mm2超大域，并利用大规模计算资源(>2万个CPU核和1000个GPU核)进行模拟。结合分辨率和视场的上限，一幅275×1000×2000体素(2.8 μm)的低分辨率、低质量图像通过创新的CNN架构在700 nm处被超分辨到1100×4000×8000体素。然后通过CNN对膜、催化剂层、MPL、GDL、孔隙空间和气体通道进行分割。生成的图像用于在超级计算集群上使用单相和多相LBM来模拟水和气的输送。这一改进代表了PEMFCs成像和建模能力的几个数量级的进步。此外，如此大且高分辨率的区域，允许人们研究几毫米内微特征的非均匀分布，如MPL中的裂缝和缺陷，碳纸组织中的孔，以及GDL上气体通道的对准和不对准。最后，这项研究表明，必须通过如此大的PEMFC样品来研究这些长度尺度上的显著结构和润湿性因子。
图2 Micro-CT成像，深度学习超分辨率和多标签分割。
图3 超分辨多标签分割图像的空间分析。
图4 PEMFC内的速度场分布。
图5 PEMFC中的水-气流动模拟。
图6 μ-CT获得的PEMFC图像。
图7 用于超分辨率和多标签分割的CNN架构。
综上所述，研究者疏水和多孔的GDL形成了两种独立的流动状态：(i)水通过高孔隙度的通道向上流过GDL，然后从GDL编织孔进入气体通道，以及(ii)气体通过GDL的纤维内区域扩散到MPL和催化剂层。虽然没有深入研究，但MPL裂缝应该创造优先的液态水通道，而均匀区域有利于气体的质量传递。虽然这里的模拟都考虑了疏水MPL和GDL，但局部非均匀性可能会显著影响气和水的路径，可以使用类似的方法进一步研究。最后，考虑到非均匀电流密度和热产生，可以使用电化学建模进一步丰富多相流模型。（文：水生）
