【用户论文】祝贺我司用户北京工业大学褚凤鸣团队发表JES:一种基于萤火虫算法的 BP 神经网络的有机液流电池多孔电极构型优化方法
第一作者:褚凤鸣 通讯作者:刘瞳,刘熹 作者单位:北京工业大学,天津大学,北京信息科技大学,北京化工大学 成果简介 多孔电极是氧化还原液流电池的核心组件,现有设计多为方形、矩形、圆形等常规形状,传统结构重构依赖试错法和有限人工直觉,效率低下且难以实现全局优化。本研究创新性地结合机器学习与实验方法,实现变截面电极的自动生成与精准优化。通过 SOLIDWORKS 与 Visual Basic 编程,自动生成 14536 种不同构型的变截面电极数据库,涵盖上底边长、下底边长、厚度、上下底边长比等关键参数的多维度组合。采用基于萤火虫算法(FA)优化的反向传播(BP)神经网络,建立电极几何参数与电池核心性能参数(放电电压、均匀性因子)的映射关系,经训练测试后,两项性能指标的测试误差分别低至 2.22% 和 0.069%,预测精度优异。从海量设计中筛选出两款最优电极,其中 Case 2(h=4mm,a₁=96mm,b₁=97mm,k=1.47)相较于传统矩形电极,放电电压提升 3.15%,活性离子浓度提高 8.81%,相同体积下能量效率提升 4.61%,为有机液流电池(ORFB)的高性能电极设计提供了高效、智能化的新范式。 相关成果以“Optimization of porous electrode configuration for organic redox flow battery by machine learning based on back propagation neural network based on firefly”为题发表在Journal of Energy Storage期刊上。 感谢北京工业大学褚凤鸣老师供稿! 本文所用 螺栓型液流单电池测试夹具 由武汉之升新能源有限公司提供 研究背景 电极是液流电池电化学反应的主要场所,其内部传质行为直接决定极化损失与电池性能。多孔电极的传质阻力易导致活性离子分布不均(流场侧至膜侧浓度衰减明显)(图3),严重影响电池效率。目前电极优化主要集中于材料改性(表面官能团修饰、催化改性)和结构优化,其中结构优化因无需改变材料本质、成本更低,成为研究热点。已有研究证实,梯形、扇形等非矩形电极的传质性能优于传统矩形电极,但现有设计仍依赖有限构型尝试,难以遍历海量可能的变截面组合。人工智能时代,机器学习凭借处理复杂数据、高效优化设计的优势,为电极构型全局优化提供了可能。在液流电池领域,机器学习已用于预测电池参数、成本寿命及流场优化,但在变截面电极的智能化设计与几何—性能关系建模方面,相关研究仍较为罕见。本研究旨在填补这一空白,通过机器学习高效挖掘 14536 种电极构型的性能规律,筛选最优化设计。 核心内容 1. 电极模型生成与数据库构建 参数设计与自动生成:变截面电极的核心控制参数(图1 )包括上底边长 a、b,电极厚度 h,上下底边长比 k,基于恒定体积(57600mm³)原则,通过 […]
【用户论文】祝贺我司用户北京工业大学褚凤鸣团队发表JES:一种基于萤火虫算法的 BP 神经网络的有机液流电池多孔电极构型优化方法 Read More »