CN114373965B - 一种基于机理模型的燃料电池寿命预测方法 - Google Patents

一种基于机理模型的燃料电池寿命预测方法 Download PDF

Info

Publication number
CN114373965B
CN114373965B CN202111644017.7A CN202111644017A CN114373965B CN 114373965 B CN114373965 B CN 114373965B CN 202111644017 A CN202111644017 A CN 202111644017A CN 114373965 B CN114373965 B CN 114373965B
Authority
CN
China
Prior art keywords
current density
test
fuel cell
carrying
cathode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111644017.7A
Other languages
English (en)
Other versions
CN114373965A (zh
Inventor
李轶楠
孙昕
张扬
邢丹敏
沈鸿娟
门光文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sunrise Power Co Ltd
Original Assignee
Sunrise Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sunrise Power Co Ltd filed Critical Sunrise Power Co Ltd
Priority to CN202111644017.7A priority Critical patent/CN114373965B/zh
Publication of CN114373965A publication Critical patent/CN114373965A/zh
Application granted granted Critical
Publication of CN114373965B publication Critical patent/CN114373965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04305—Modeling, demonstration models of fuel cells, e.g. for training purposes
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
    • H01M8/00—Fuel cells; Manufacture thereof
    • H01M8/04—Auxiliary arrangements, e.g. for control of pressure or for circulation of fluids
    • H01M8/04298—Processes for controlling fuel cells or fuel cell systems
    • H01M8/04992—Processes for controlling fuel cells or fuel cell systems characterised by the implementation of mathematical or computational algorithms, e.g. feedback control loops, fuzzy logic, neural networks or artificial intelligence
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/50—Fuel cells

Landscapes

  • Engineering & Computer Science (AREA)
  • General Chemical & Material Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Fuel Cell (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)

Abstract

本发明提供一种基于机理模型的燃料电池寿命预测方法，包括以下步骤：针对需要寿命预测的电堆选择适宜的工况进行测试，设定基准电流I0；确定所述燃料电池寿命终结条件；每间隔T时间，拆下所述电堆上的一片膜电极，在拆节后将所述电堆重新组装后进行运行，并获取运行工况数据；对运行不同时间的膜电极进行电化学活性面积测试；对运行不同时间的膜电极进行交换电流密度测试；对运行不同时间的膜电极进行极限电流密度测试；根据获取的测试结果，结合燃料电池理论模型，对所述基准电流I0下的平均电压按照预先设定的衰减率进行燃料电池寿命预测。本发明方法对燃料电池的寿命的预测准确度高，具有更接近真实失效机制的特点。

Description

一种基于机理模型的燃料电池寿命预测方法
技术领域
本发明涉及燃料电池技术领域，具体而言，尤其涉及一种基于机理模型的燃料电池寿命预测方法。
背景技术
目前纵观国内外寿命预测的研究现状，主要可以归纳为三个方面，模型驱动、数据驱动和混合方法。数据驱动的方法得到了更多的关注，其主要包括回声状态网络、超限学习机、自适应神经-模糊推理系统、相关向量机、高斯过程状态空间模型等；模型驱动的方法主要包括机理模型、经验模型、半机理或半经验模型；混合方法是基于模型驱动和数据驱动的方法，以不同的混合策略相结合的。
质子交换膜燃料电池具有无污染、能量转换率高、工作温度低等众多优点，在交通运输车辆、固定电站、移动电源、无人机等领域具有广泛的应用前景。尽管如此，质子交换膜燃料电池的商业化应用仍然面临许多问题和挑战。其中之一就是质子交换膜燃料电池还存在寿命验证不充分的问题，在完成一款燃料电池系统产品的设计后，若按照实测方式完成其耐久性验证，则需要花费大量的物料、人力和时间成本，数据驱动的方法不需要对燃料电池的构成及失效形式有系统的认知，但是在长期预测中效果不佳，数据衰退的方法主要依赖衰退机制的可重复性。
发明内容
根据上述背景技术中提出的技术问题，而提供一种基于机理模型的燃料电池寿命预测方法。本发明主要通过在寿命预测过程中，清晰地分离出电化学极化以及传质极化，获取关键参数随时间变化的规律，进而更精准的对燃料电池的寿命进行预测。
本发明采用的技术手段如下：
一种基于机理模型的燃料电池寿命预测方法，包括以下步骤：
步骤S1、针对需要寿命预测的电堆选择适宜的工况进行测试，设定基准电流I0；记录在温度80℃、空压P0、氢压P1状态下所述基准电流初始时的平均电压Ecell及所述电堆的整堆内阻R0；
步骤S2、确定所述燃料电池寿命终结条件；
步骤S3、每间隔T时间，拆下所述电堆上一片膜电极，在拆节后重新组装进行运行，并获取运行工况数据；
步骤S4、对运行不同时间的膜电极进行电化学活性面积测试；
步骤S5、对运行不同时间的膜电极进行交换电流密度测试；
步骤S6、对运行不同时间的膜电极进行极限电流密度测试；
步骤S7、根据所述步骤S4-S6获取的测试结果，结合燃料电池理论模型，对所述基准电流I0下的平均电压按照预先设定的衰减率进行燃料电池寿命预测。
较现有技术相比，本发明具有以下优点：
在寿命预测过程中，本发明清晰的分离出了电化学极化以及传质极化，并得到了关键参数随时间变化的规律，有助于更好的理解燃料电池的衰减过程以及失效机制，通过此方法去预测燃料电池的寿命具有准确度高，更接近真实失效机制的特点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明寿命预测流程图。
图2为本发明IEC标准车用燃料电池堆耐久性台架试验循环工况。
图3为本发明实测值与预测模型对比曲线。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示，本发明提供了一种基于机理模型的燃料电池寿命预测方法，包括以下步骤：
步骤S1、针对需要寿命预测的电堆选择适宜的工况进行测试，设定基准电流I0；记录在温度80℃、空压P0、氢压P1状态下所述基准电流初始时的平均电压Ecell及所述电堆的整堆内阻R0；
步骤S2、确定所述燃料电池寿命终结条件；
步骤S3、每间隔T时间，拆下所述电堆上一片膜电极，在拆节后重新组装进行运行，并获取运行工况数据；在此应选择衰减相对正常的膜电极，而非特殊位置衰减异常的膜电极。
步骤S4、分别对运行不同时间的膜电极进行电化学活性面积测试；将运行不同时长的所述膜电极依次进电化学活性面积测试；通过将氢气、氮气分别通入阳极、阴极进行测试，将阳极作为参比电极，阴极作为工作电极，在温度为80℃，阴阳极100％增湿的条件下，进行循环伏安扫描，通过计算获取阴极电化学活性面积Apt(m2/g)，并根据测试数据拟合出阴极电化学活性面积Apt随时间变化的曲线。
步骤S5、分别对运行不同时间的膜电极进行交换电流密度测试。将运行不同时长的所述膜电极依次进行单池测试；通过将氢气、氧气作为阳极、阴极的反应气体，在温度为80℃，不同氧分压下的条件下对低电密区(10-100mA/cm2)进行性能曲线测试，性能曲线测试过程中保持氧分压不变；
由于燃料电池在氢气、氧气条件下的低电密区域可以忽略传质极化，可得到下面公式，
Ecell+ηΩ＝Erev-ηORR；
其中，ηORR表示在电流密度为i下的电化学极化，i的单位为A/cm2，ηORR的单位为V；ix表示渗氢电流密度，单位为A/cm2，L表示阴极催化剂担量,单位为mg/cm2，αc表示阴极传递系数，io，s(T,PO2)表示依赖于温度和氧分压的交换电流密度，单位为A/cm2。根据公式求得80℃，几种氧分压下的交换电流密度，经过修正后得到基准电流条件下的交换电流密度，并拟合出随时间变化的曲线，再结合步骤S4可以得到基准电流下电化学极化随时间变化的关系。
步骤S6、分别对运行不同时间的膜电极进行极限电流密度测试；将运行不同时长的所述膜电极制作成小面积单池进行极限电流密度测试，测试过程中的温度和压力与基准流保持一致，取测试过程中电压突降接近0时的电流密度作为极限电流密度，并取三次结果的均值作为最终结果，获取极限电流密度随时间的变化规律。在电流密度为i下的传质极化ηconc为：
ηconc＝m*ln(iL/(iL-i))；
其中，m的理论值为(1+1/α)*RT/nF，可以根据实际测试结果对m进行修正，但在整个耐久性测试过程中该值不会发生明显变化。i表示电流密度，单位为A/cm2,iL表示极限电流密度，单位为A/cm2，α表示传递系数取1，n表示转移电子数。结合公式可以得到基准电流下传质极化随时间的变化关系。
步骤S7、因为步骤S6需要将全面积膜电极制作成小面积进行测试，所以S4-S6的顺序不能改变，根据所述步骤S4-S6获取的测试结果，结合燃料电池理论模型，对所述基准电流I0下的平均电压按照预先设定的衰减率进行燃料电池寿命预测。
作为一种优选的实施方式，在本申请中，所述燃料电池理论上的热力学电动势Erev为：
其中，T表示温度，单位为K，R表示气体常数，R＝8.314J mol-1K-1；F表示法拉第常数，F＝96485C/mol，PH2、PO2分别表示对当前工况下的氢气、氧气分压；
同时，根据燃料电池的机理公式，燃料电池电压Ecell等于热力学电动势Erev减去欧姆极化ηΩ、电化学极化ηORR和ηHOR以及传质极化ηconc，考虑到欧姆极化在寿命测试过程中基本保持不变，采用初始测量值进行计算如基准电流下的ηΩ＝I0*R0，由于氢氧化反应是近可逆电极反应，其交换电流密度通常是氧还原反应的105～106倍，因此ηHOR忽略不计，则：
Ecell＝Erev-ηΩ-ηORR-ηconc。
实施例一：
作为本申请一种实施例，现结合实际情况对本申请所述的预测方法做进一步解释。
首先组装30节短堆，并采用国际电工委员会(IEC)标准车用燃料电池堆耐久性台架试验循环工况运行寿命。如图2所示，选择1200mA/cm2作为基准电流，选择初始时基准电流下的平均电压作为初始性能(测试条件：80℃、空压P0＝251Kpa)，同时设定性能衰减达到20％时，电堆寿命终结；由于整个寿命过程中，内阻变化很小，可以取初始时的内阻用于计算；
分别在0、600h、1200h、1800h对电堆进行拆节，这里需要注意的是需要避开衰减异常的膜电极，完成拆节后，将电堆重新组装上继续运行。分别对运行不同时间的膜电极进行ECSA测试，采用氢气、氮气分别通入阳极、阴极进行测试，阴阳极湿度均为100％，将阳极作为参比电极，阴极作为工作电极，进行循环伏安进行扫描，通过计算求得阴极电化学活性面积ECSA(m2/g)，通过现有数据拟合出Apt随时间变化的曲线。
渗氢电流ix(A/cm2)采用氢气、氮气分别通入阳极、阴极进行测试，将阳极作为参比电极，阴极作为工作电极，在80℃，阴阳极100％增湿的条件下进行线性扫描，取0.45V时的电流密度作为渗氢电流ix(A/cm2)。
将运行不同时长的MEA进行组装成单电池进行测试，测试过程采用氢气、氧气作为阳极、阴极的反应气体，在80℃，氧分压分别为101Kpa、140Kpa、180Kpa(abs)的条件下，对10-100mA/cm2低电密区进行性能曲线测试。
结合公式：
可以得80℃下，三氧分压下的交换电流密度，通过将氧分压除以标准氧分压101.3Kpa，所得值取对数，并与相应的交换电流密度取对数后进行线性拟合，将基准电流下的氧分压代入拟合的公式中，可得到基准电流条件下的交换电流密度。分别对0、600h、1200h、1800h的MEA进行测试后，拟合出基准电流条件下交换电流密度随时间的变化关系。
将运行不同时长的膜电极制作成1cm2*2cm2的小面积单池进行极限电流密度测试，测试过程中的温度和压力与基准电流的条件保持一致，取测试过程中电压突降接近0时的电密做为极限电流密度，并取三次结果的均值作为最终结果，可以得到极限电流密度随时间的变化规律。
分别将电化学活性面积Apt、交换电流密度、极限电流密度拟合后的结果代入相应公式中，可以得到电压随时间变化的关系，如图3所示，按照预先设定终结条件，寿命运行至3814h性能会达到20％的衰减率，实际运行结果为3870h，误差率仅为1.45％
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (1)

1.一种基于机理模型的燃料电池寿命预测方法，其特征在于，包括以下步骤：
S1、针对需要寿命预测的电堆选择适宜的工况进行测试，设定基准电流I0；记录在温度80℃、空压P0、氢压P1状态下所述基准电流初始时的平均电压Ecell及所述电堆的整堆内阻R0；
S2、确定所述燃料电池寿命终结条件；
S3、每间隔T时间，拆下所述电堆上的一片膜电极，在拆节后将所述电堆重新组装后进行运行，并获取运行工况数据；
S4、对运行不同时间的膜电极进行电化学活性面积测试；将运行不同时长的所述膜电极依次进行电化学活性面积测试；通过将氢气、氮气分别通入阳极、阴极进行测试，将阳极作为参比电极，阴极作为工作电极，在温度为80℃，阴阳极100％增湿的条件下，进行循环伏安扫描，通过计算获取阴极催化剂Pt的电化学活性面积Apt(m2/g)，并根据测试数据拟合出阴极电化学活性面积Apt随时间变化的曲线；
S5、对运行不同时间的膜电极进行交换电流密度测试；
将运行不同时长的所述膜电极依次进行交换电流密度测试；通过将氢气、氧气作为阳极、阴极的反应气体，在温度为80℃，不同氧分压下的条件下，对低电密区即10-100mA/cm2进行性能曲线测试；所述性能曲线测试过程中保持氧分压不变；
由于燃料电池在氢气、氧气条件下的低电密区域可以忽略传质极化，可得到下面公式，
Ecell+ηΩ＝Erev-ηORR；
其中，ηORR表示在电流密度为i下的电化学极化，i的单位为A/cm2，ηORR的单位为V；ix表示渗氢电流密度，单位为A/cm2，L表示阴极催化剂担量,单位为mg/cm2，αc表示阴极传递系数，io，s(T,PO2)表示依赖于温度和氧分压的交换电流密度，单位为A/cm2；根据上述公式求得不同氧分压下的交换电流密度，经过修正后得到基准电流条件下的交换电流密度，并拟合出随时间变化的曲线，再结合电化学活性面积Apt随时间变化的曲线，可以得到基准电流下电化学极化随时间变化的关系；
S6、对运行不同时间的膜电极进行极限电流密度测试；
将运行不同时长的所述膜电极制作成小面积单池进行极限电流密度测试，测试过程中的温度和压力与基准电流的测试条件保持一致，取测试过程中电压突降接近0时的电流密度作为极限电流密度，并取三次结果的均值作为最终结果，获取极限电流密度随时间的变化关系；
S7、根据所述步骤S4-S6获取的测试结果，结合燃料电池理论模型，对所述基准电流I0下的平均电压按照预先设定的衰减率进行燃料电池寿命预测；
在电流密度为i时的传质极化ηconc为：
ηconc＝m*ln(iL/(iL-i))；
其中，m的理论值为(1+1/α)*RT/nF，可以根据实际测试结果对m进行修正，i表示电流密度，单位为A/cm2，iL表示极限电流密度，单位为A/cm2，α表示传递系数取1，n表示转移电子数，通过上述公式得到基准电流下传质极化随时间的变化关系。
CN202111644017.7A 2021-12-29 2021-12-29 一种基于机理模型的燃料电池寿命预测方法 Active CN114373965B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111644017.7A CN114373965B (zh) 2021-12-29 2021-12-29 一种基于机理模型的燃料电池寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111644017.7A CN114373965B (zh) 2021-12-29 2021-12-29 一种基于机理模型的燃料电池寿命预测方法

Publications (2)

Publication Number Publication Date
CN114373965A CN114373965A (zh) 2022-04-19
CN114373965B true CN114373965B (zh) 2023-08-29

Family

ID=81141913

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111644017.7A Active CN114373965B (zh) 2021-12-29 2021-12-29 一种基于机理模型的燃料电池寿命预测方法

Country Status (1)

Country Link
CN (1) CN114373965B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115663241B (zh) * 2022-12-14 2023-03-10 佛山市清极能源科技有限公司 一种燃料电池电堆寿命的监测方法
CN116953557B (zh) * 2023-09-20 2023-12-08 北京英博新能源有限公司 燃料电池系统的电堆寿命预测方法、装置、云平台及介质
CN117059847B (zh) * 2023-10-09 2023-12-12 深圳市北测检测技术有限公司 燃料电池的性能检测方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108872872A (zh) * 2018-06-27 2018-11-23 清华大学 燃料电池使用寿命和剩余寿命的预测方法及装置
CN109683093A (zh) * 2019-02-01 2019-04-26 清华大学 燃料电池寿命预测方法、预测装置及计算机可读存储介质
CN110412103A (zh) * 2019-07-22 2019-11-05 东风汽车集团有限公司 一种质子交换膜燃料电池的膜电极耐久性评价方法
CN111146478A (zh) * 2019-12-22 2020-05-12 同济大学 一种用于质子交换膜燃料电池堆剩余使用寿命的预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108872872A (zh) * 2018-06-27 2018-11-23 清华大学 燃料电池使用寿命和剩余寿命的预测方法及装置
CN109683093A (zh) * 2019-02-01 2019-04-26 清华大学 燃料电池寿命预测方法、预测装置及计算机可读存储介质
CN110412103A (zh) * 2019-07-22 2019-11-05 东风汽车集团有限公司 一种质子交换膜燃料电池的膜电极耐久性评价方法
CN111146478A (zh) * 2019-12-22 2020-05-12 同济大学 一种用于质子交换膜燃料电池堆剩余使用寿命的预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
三维有序多级孔道镍钴合金的制备及电催化析氧性能研究;牛晨辉;《中国优秀硕士电子期刊 工程科技Ⅰ辑》;正文第3-6页 *

Also Published As

Publication number Publication date
CN114373965A (zh) 2022-04-19

Similar Documents

Publication Publication Date Title
CN114373965B (zh) 一种基于机理模型的燃料电池寿命预测方法
CN111146478B (zh) 一种用于质子交换膜燃料电池堆剩余使用寿命的预测方法
Kim et al. A degenerated equivalent circuit model and hybrid prediction for state-of-health (SOH) of PEM fuel cell
US9494655B2 (en) Apparatus for diagnosing a state of a fuel cell stack and method thereof
CN111106370B (zh) 一种燃料电池电堆膜电极串漏检测方法
WO2013083872A1 (en) Method and arrangement for indicating solid oxide cell operating conditions
Chen et al. Whole life cycle performance degradation test and RUL prediction research of fuel cell MEA
CN114628745B (zh) 用于高温质子交换膜燃料电池的极化损失分离方法及系统
WO2013083873A1 (en) Method and arrangement for diagnosis of solid oxide cells operating conditions
Jacome et al. A review of model-based prognostic for proton exchange membrane fuel cell under automotive load cycling
CN112701334A (zh) 电堆中膜电极阴阳极颠倒的诊断方法
JP6722122B2 (ja) 触媒被毒判定用プログラム、燃料電池エージング用プログラム、及び燃料電池システム
CN113540534B (zh) 一种质子交换膜燃料电池堆的饥饿故障诊断方法
JP2015069948A (ja) 燃料電池
Wu et al. Methods for estimating the accumulated nitrogen concentration in anode of proton exchange membrane fuel cell stacks based on back propagation neural network
JP2010186704A (ja) 固体高分子型燃料電池の寿命加速試験方法
Zhou et al. System Fault Simulation Based on Fuel Cell Dynamic Model
Oh et al. Development of Chemical and Mechanical Acceleration Stress Test Method for PEMFC Polymer Membranes
García Rodríguez Development of a hydrogen fuel cell performance degradation predictive model for road transport applications
KR101724730B1 (ko) 연료전지의 전극 활성도 측정 방법
CN112763392B (zh) 一种加速评估燃料电池用质子交换膜耐久性的方法
Cai The open circuit voltage of polymer electrolyte membrane fuel cells
KR101575429B1 (ko) 연료전지 수소 투과도 측정 장치 및 방법
CN115692793A (zh) 一种串漏估算方法、系统、燃料电池、车辆、介质及设备
CN115394368A (zh) 基于催化层碳腐蚀的电池性能预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant