2020年1月10-12日，以"把握形势聚焦转型引领创新"为主题,由中国电动汽车百人会精心策划第六届年度论坛--中国电动汽车百人会论坛(2020)在北京钓鱼台国宾馆正式召开，会议继续秉持"传递权威信息、广泛展开讨论、促进沟通合作"的目标，试图帮助业界人士梳理分析产业形势，探讨及回应产业关切的问题，寻找今后3-5年产业调整的方向及路径。

　　论坛现场，由西安交通大学教授屈治国就质子交换膜热质输送及其对性能的影响发表了主题演讲。

　　以下为屈治国教授的演讲实录：

西安交通大学教授屈治国

　　尊敬的各位领导、各位专家大家早上好，非常荣幸和各位分享一下我们的工作，我是来自西安交通大学热流科学与工程教育部重点实验室的屈治国。

　　燃料电池大家很清楚，一个是移动的汽车用，第二是固定的发电装置，我们主要工作主要针对水热管理做性能仿真。目前设计从单电池到电堆到汽车的集成有些问题，主要是设计方面有一些设计工具的缺乏，一些定量精准的设计工具，我们做的事就是要解决设计好用好用多久的问题。我们要开发一些好的设计工具。第一个讲一下燃料电池装配压力的影响，我们把电堆组装时候会产生一些预紧力，通过螺栓连接起来，我们对这种产品，在6兆帕的时候，螺栓预紧以后扩散层出现了断裂、变形等，这对传质扩散有很大的影响。怎么建这样的模型，我们把有限元力学软件ABAQUS和ANSYS结合起来，比如我们以标准的蛇形流场为例，压缩以后进入流道，扩散性和渗透率都发生了改变。不同的预紧力发生了形变，孔隙率发生了改变，导致了空间上严重的不均衡性，所以这个压缩比随着装配增加而增加，形变必然对扩散性产生影响。压缩以后流道的阻力就会增大，第二局部电流密度会发生改变，在这个位置电流密度大。从这里可以看到，1兆帕平均是最高的，所以有一个最优值，这就是两种竞争的倒置管理，压缩以后欧姆极化减少，正和负的相互作为，我们发现在1兆帕的时候，整体的净功率是最高的。

　　第二个内容，我们做一些性能开发。我们做了一个面向工程的设计软件，1+1D模型，要想办法从单电池以及到电堆，考虑不同单电池分布的不一致的影响。核心就是在垂直于质子传递方向有一个一维模型，核心是要对水状态的判断。在流道方向我们以气体组分方程作为质子传递的边缘条件，核心是水蒸气模型的判断，我们判断含量的分布。我们要做一个软件，输入操作参数、结构参数和输出，通过调研我们自己建立了数据库，把所有文献能看到的，包括毛细压力、热导率等不同材料做到数据库里，我们做到软件里，用这个预测孔隙率扩大的影响，变大有利于传热传质性增强，但是欧姆极化电阻又增大，这又是此消彼涨的倒置关系，我们可以设置合理的孔隙率。到电堆层面，这几年人工智能发展非常迅速，人工智能的方法在信息处理里有多种多样的方法，对燃料电池多参数也是提供了可能，用的最多的是误差反向的人工智能BPNN方法，有三层，输入层、隐藏层和输出层，可以建立一个系统，通过很多数据训练，经过前期的输入、误差的反向传递进行偏差的调整，最后可以在小情况下获得比较小的关系。有多种结构，这是我们推荐的结构，用传统方法是很好的求解方法，经典的一维、二维、三维，人工智能的优点是建模简单，求解快速，准确度高，缺点就是依赖于数据库，应用性上可以做到快速性能预测。

　　算法做好以后，首先就是要训练，我们发现在燃料电池当试验指标小的时候，样本量小的时候，核心的权重，就是神经元的连接关系，依赖于样本的数量大小，后来我们又引入了遗传算法，自动进行优化，我用三重样本数，引进以后学习训练的不一致性变得非常好，在同等样本数条件下，这种方法预测性能更好。结合这种方法，我们把遗传算法做到软件里，比如参数很多，包括阴极的气压和温度等做出不同的参数，再做模块的分析和电堆的水热管理结合起来。

　　我们做一个案例，模型误差分析，通过这种方法学习，包括文献里获得，可以训练到误差精度小于0.1%。基于这样的思想，我们把燃料电池的软件和人工智能两个结合起来，开发了一个软件，这是软件的开始界面。我们可以把结构参数都结合起来，操作参数结合起来，可以输出它的性能，比如电池里的单电池的性能都可以输出起来。这是一个案例，10个电池性能输入参数，这是输出参数，我们通过遗传算法的学习，这是10个片，不一致性分布算出来，结果也可以全部输出出来。通过这样我们可以获得10片的不一致性，还有敏感性分析，单工况不同电流密度下电压的不一致性，电流密度增加时不一致更加明显。多工况不一致性，不同工况输出特性不同，使用神经网络预测得到更多组工况电堆输出，可覆盖全工况条件，节省测试时间。敏感性比较结果：阴极计量比>阳极计量比>冷却水量>阴极压力>阳极压力>气体入口温度。

　　我的汇报就到这里，感谢各位专家。