Egi研究院：“氢燃料电池‘故障’用人工智能快速诊断”

by Jeong Ilwoong

Published 19 Dec.2024 10:00(KST)

韩国能源技术研究院19日表示，该院氢能实证研究中心研究员 Jeong Chiyeong 博士研究团队，成功利用虚拟空间应用技术和人工智能学习，分析了作为氢燃料电池核心材料的碳纤维纸的微观结构。

通过这一成果，氢燃料电池故障原因的诊断速度比以往提升了100倍。

（自左起）Myung Kwangsik 专职研究委员、Jeong Chiyoung 中心主任、Park Youngje 学生研究员、Lee Jongmin 技术员。韩国能源技术研究院提供

碳纤维纸是氢燃料电池堆中用于辅助排水和燃料供应的关键材料。碳纤维纸由碳纤维、粘结剂（胶黏剂）、涂层剂等物质构成，在使用过程中，这些物质的排列、结构和涂层状态会发生变化，从而降低燃料电池的性能。正因如此，对碳纤维纸微观结构的分析，成为氢燃料电池状态诊断的必备环节。

但此前无法对碳纤维纸的微观结构进行实时分析。为了获得准确的分析结果，必须先破坏碳纤维纸样品，再通过电子显微镜进行精密分析。

为解决这一缺陷，研究团队开发出一项利用X射线诊断和基于人工智能的图像学习模型，对碳纤维纸微观结构进行分析的技术。应用该技术，无需电子显微镜，仅凭X射线断层扫描就能进行精密分析，从而实现接近实时的状态诊断。

在技术开发过程中，研究团队从200余个碳纤维纸样品中提取了5000张图像，并将其用于机器学习算法训练。经训练的模型能够以98%以上的高精度，预测碳纤维、粘结剂、涂层剂等碳纤维纸构成成分的三维分布和排列情况。研究团队表示，利用该模型可以对比碳纤维纸初始状态与当前状态的构成变化，从而即时查明性能下降的原因。

相比之下，传统分析方法需要破碎碳纤维纸样品并使用电子显微镜，至少耗时2小时，而研究团队开发的分析模型仅凭一台X射线断层扫描设备，就能在数十秒内掌握碳纤维纸的劣化、损伤部位及程度。

研究团队还利用所开发模型的数据，厘清了碳纤维纸厚度、粘结剂含量等设计因子对燃料电池性能的影响，并提出了可通过提取最优设计因子来提升燃料电池效率的理想化设计方案。

Jeong Chiyeong 博士表示：“本次研究将利用虚拟空间的分析技术与人工智能技术相结合，阐明了能源材料结构与特性之间的相互关系，从而证明了其实际应用的可能性，具有重要意义。”