利用数据驱动代理模型的质子交换膜燃料电池多物理场数字孪生
原文信息：
Multi-physics-resolved digital twin of proton exchange membrane fuel cells with a data-driven surrogate model
原文链接：
https://www.sciencedirect.com/science/article/pii/S2666546820300045
摘要
质子交换膜燃料电池（PEMFC）是一种高效、清洁的电化学能量转化装置。PEMFC运行过程，内部存在电化学反应、多相流动以及传热等复杂的物理化学过程。电池内部多物理场，如气体反应物浓度、水含量以及温度等，均直接关系到电池的输出性能和寿命。利用数据驱动方法建立复杂系统或其他实体的数字孪生，对实体的优化设计和高效调控具有重要意义。对于PEMFC，内部物理场难以通过一般的测试手段进行观测，这也增加了建立相关数据库的难度。近年来，三维流体力学仿真建模也广泛应用于燃料电池内部物理场分析，但仿真模型的运行消耗大量算力和时间。本研究提出一种代理模型框架，运行复杂的三维PEMFC仿真模型建立多种操作工况下电池内部物理场的数据库，并利用所建立的数据库训练数据驱动模型。结果表明，多物理场预测在测试集中的相对均方根误差(rRMSEs)在3.88% ~24.80%之间，且对于不同物理量的预测性能差异很大。通过对比代理模型预测和物理模型验证的多物理场云图，表明代理模型预测能够较好地反映多物理场的分布特征。综上所述，所建立的数据驱动-代理模型在多物理场预测上，与复杂三维物理模型具有相当的准确性，而代理模型的计算效率是复杂物理模型的数千倍。因此本研究提出的方法能够实现高效、准确的解析多物理场的PEMFC数字孪生。基于所建立的数字孪生，本研究提出了PEMFC健康运行外壳和PEMFC状态图两种设计，可用于预先了解电池的健康运行操作工况范围，并可以作为电池实体的数字孪生嵌入于控制系统，对电池内部物理状态进行预测。本研究强调了将数据驱动方法与复杂物理模型的仿真结果或其他高精度数据相结合，以构造复杂系统的数字孪生的建立方法和应用前景。
