电池电堆的三维网络模型的确定方法及相关设备技术

本申请提供的一种电池电堆的三维网络模型的确定方法、装置、设备及存储介质，构建具有多物理场的单元模型，所述单元模型用于表征燃料电池电堆的单条流道中预设长度的一个截面，所述单元模型中包括多物理场方程；基于获取的参考参数修改所述多物理场方程的设定参数，以使所述单元模型在不同温度下通过修改后的多物理场方程计算得到的计算参数与所述参考参数之间的误差小于预设阈值；基于获取的多物理场输入参数和修改后的多物理场方程进行高通量求解，确定所述多物理场输入参数对应的输出参数；基于所述多物理场输入参数和对应的输出参数通过神经网络进行训练得到多物理场的源项方程；基于所述源项方程建立燃料电池电堆的三维网络模型。三维网络模型。三维网络模型。

【技术实现步骤摘要】
电池电堆的三维网络模型的确定方法及相关设备


[0001]本申请涉及燃料电池开发领域，特别地涉及一种电池电堆的三维网络模型的确定方法及相关设备。

技术介绍

[0002]固体氧化物燃料电池(Solid Oxide Fuel Cell，SOFC)具有高达70％左右的能量转化效率，是未来最有希望的低碳发电方式之一。SOFC电堆作为金属
‑
陶瓷层叠结构，非常紧凑，其内部的电化学反应等难以进行实际测量，阻碍了SOFC技术的实用化和市场化过程。计算模拟是目前获得SOFC电堆内物理化学现象数据的主要途径。但现有的SOFC多物理场模拟模型存在计算规模大和鲁棒性差、精度差等问题。

技术实现思路

[0003]针对上述问题，本申请提供一种电池电堆的三维网络模型的确定方法及相关设备。
[0004]本申请实施例提供一种电池电堆的三维网络模型的确定方法，包括：
[0005]构建具有多物理场的单元模型，所述单元模型用于表征燃料电池电堆的单条流道中预设长度的一个截面，所述单元模型中包括多物理场方程；
[0006]基于获取的参考参数修改所述多物理场方程的设定参数，以使所述单元模型在不同温度下通过修改后的多物理场方程计算得到的计算参数与所述参考参数之间的误差小于预设阈值；
[0007]基于获取的多物理场输入参数和修改后的多物理场方程进行高通量求解，确定所述多物理场输入参数对应的输出参数；
[0008]基于所述多物理场输入参数和对应的输出参数通过神经网络进行训练得到多物理场的源项方程；
[0009]基于所述源项方程建立燃料电池电堆的三维网络模型。
[0010]在一些实施例中，所述多物理场方程包括：用于描述气体扩散传质的二元气体扩散方程、用于计算电池电动势的能斯特方程、用于描述活化极化的Butler
‑
Volmer方程、用于计算欧姆极化的复合材料多孔介质电导率方程、用于描述浓差极化的方程。
[0011]在一些实施例中，所述基于获取的多物理场输入参数、修改后的多物理场方程进行高通量求解，确定所述多物理场输入参数对应的输出参数，包括：
[0012]获取多物理场输入参数，其中，所述多物理场输入参数包括多个参数；
[0013]基于各个参数的取值范围确定各个参数对应的数值；
[0014]对各个参数对应的数值进行交叉组合确定输入参数矩阵；
[0015]基于所述输入参数矩阵和修改后的多物理场方程进行高通量求解，确定所述多物理场输入参数对应的输出参数。
[0016]在一些实施例中，所述神经网络的输入层具有多个输入单元，每个输入单元与一
个输入参数对应，所述神经网络具有多组权值矩阵和同样组数的阈值矩阵，每一层神经网络的计算过程可以表示为：
[0017][0018]为下一层神经网络的输入参数，多层神经网络训练所得到的源项方程可以表示为：
[0019][0020]S为对应的源项，f(x)为激活函数，W1、W2
…
Wn为n组权值矩阵，B1、B2
…
Bn为n组阈值矩阵，x
i
为输入参数矩阵。
[0021]在一些实施例中，所述多个参数包括：电压、温度、气体组分，所述方法还包括：
[0022]基于参考I
‑
V曲线确定电压的取值范围；
[0023]基于燃料电池电堆的气体入口温度和气体出口温度确定的温度的取值范围；
[0024]基于燃料电池电堆的入口燃料气体组分和排出气体组分确定气体组分的取值范围。
[0025]在一些实施例中，所述预设长度为0.25mm
‑
1mm。
[0026]在一些实施例中，所述单条流道中预设长度的一个截面能够进行电化学反应、气体流动、多孔介质内扩散、传热、传质。
[0027]本申请实施例提供一种电池电堆的三维网络模型的确定装置，包括：
[0028]第一构建模块，用于构建具有多物理场的单元模型，所述单元模型用于表征燃料电池电堆的单条流道中预设长度的一个截面；
[0029]修改模块，用于基于获取的参考参数修改所述多物理场方程的设定参数，以使所述单元模型在不同温度下通过修改后的多物理场方程计算得到的计算参数与所述参考参数之间的误差小于预设阈值；
[0030]第一计算模块，用于基于获取的多物理场输入参数对所述单元模型进行高通量求解，确定所述多物理场输入参数对应的输出参数；
[0031]第二计算模块，用于基于所述多物理场输入参数和对应的输出参数通过神经网络训练确定多物理场的源项方程；
[0032]第二构建模块，用于基于所述源项方程建立燃料电池电堆的三维网络模型。
[0033]本申请实施例提供一种设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行上述任意一项所述电池电堆的三维网络模型的确定方法。
[0034]本申请实施例提供一种存储介质，该存储介质存储的计算机程序，能够被一个或多个处理器执行，能够用来实现上述任一项所述电池电堆的三维网络模型的确定方法。
[0035]本申请提供的一种电池电堆的三维网络模型的确定方法、装置、设备及存储介质，通过构建具有多物理场的单元模型，然后基于获取的参考参数修改所述多物理场方程的设
定参数，进行高通量计算及神经网络计算得到源项方程，进而基于源项方程确定电池电堆的三维网络模型，得到的电池电堆的三维网络模型计算稳定性高，且在进行模拟计算时的计算速度快。
附图说明
[0036]在下文中将基于实施例并参考附图来对本申请进行更详细的描述。
[0037]图1为本申请实施例提供的一种电池电堆的三维网络模型的确定方法的实现流程示意图；
[0038]图2为本申请实施例提供的一种单元模型的结构示意图；
[0039]图3为本申请实施例提供的一种电池电堆的三维网络模型的确定方法的实现流程示意图；
[0040]图4为本申请实施例提供的一种神经网络模型的结构示意图；
[0041]图5为本申请实施例提供的另一种电池电堆的三维网络模型的确定实现流程示意图；
[0042]图6为5片电堆实验得到的I
‑
V曲线和模型计算得到的I
‑
V之间相对误差示意图；
[0043]图7为30片电堆实验得到的I
‑
V曲线和模型计算得到的I
‑
V之间相对误差示意图；
[0044]图8为电堆内阳极的氢气摩尔浓度分布云图；
[0045]图9为本申请实施例提供的一种电池电堆的三维网络模型的确定装置的结构示意图；
[0046]图10为本申请实施例提供的设备的组成结构示意图。
[0047]在附图中，相同的部件使用相同的附图标记，附图并未按照实际的比例绘制。
具体实施方式
[0048]为了使本申请的目的、技术方案和优点更加清楚，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电池电堆的三维网络模型的确定方法，其特征在于，包括：构建具有多物理场的单元模型，所述单元模型用于表征燃料电池电堆的单条流道中预设长度的一个截面，所述单元模型中包括多物理场方程；基于获取的参考参数修改所述多物理场方程的设定参数，以使所述单元模型在不同温度下通过修改后的多物理场方程计算得到的计算参数与所述参考参数之间的误差小于预设阈值；基于获取的多物理场输入参数、修改后的多物理场方程进行高通量求解，确定所述多物理场输入参数对应的输出参数；基于所述多物理场输入参数和对应的输出参数通过神经网络进行训练得到多物理场的源项方程；基于所述源项方程建立所述燃料电池电堆的三维网络模型。2.根据权利要求1所述的方法，其特征在于，所述多物理场方程包括：用于描述气体扩散传质的二元气体扩散方程、用于计算电池电动势的能斯特方程、用于描述活化极化的Butler
‑
Volmer方程、用于计算欧姆极化的复合材料多孔介质电导率方程、用于描述浓差极化的方程。3.根据权利要求2所述的方法，所述基于获取的多物理场输入参数、修改后的多物理场方程进行高通量求解，确定所述多物理场输入参数对应的输出参数，包括：获取多物理场输入参数，其中，所述多物理场输入参数包括多个参数；基于各个参数的取值范围确定各个参数对应的数值；对各个参数对应的数值进行交叉组合确定输入参数矩阵；基于所述输入参数矩阵和修改后的多物理场方程进行高通量求解，确定所述多物理场输入参数对应的输出参数。4.根据权利要求3所述的方法，其特征在于，所述神经网络的输入层具有多个输入单元，每个输入单元与一个输入参数对应，所述神经网络具有多组权值矩阵和同样组数的阈值矩阵，每一层神经网络的计算过程可以表示为：值矩阵，每一层神经网络的计算过程可以表示为：为下一层神经网络的输入参数，多层神经网络训练所得到的源项方程可以表示为：S为对应的源项，f(x)为激活函数，W1、W2
…
Wn为n组权值矩阵，...

【专利技术属性】
技术研发人员：巴黎明，
申请(专利权)人：北京低碳清洁能源研究院，
类型：发明
国别省市：