基于模型的系统工程方法在固体氧化物燃料电池性能衰退预测中的基础研究

The performance degradation is one of the key reasons restricting the commercialization of Solid Oxide Fuel Cells (SOFC). The SOFC performance evolution during the full operation cycle has the characteristics of multidisciplinary factors and multi-degradation behaviors. Moreover, the mechanism of degradation is not clear. The traditional degradation prediction model derived from the single effect mechanism lacks multidisciplinary integrated analysis methods, and it is difficult to break the traditional disciplinary boundaries. In this project, the Model Based Systems Engineering (MBSE) method, developed from the multidisciplinary unified analysis of complex systems, is applied to establish the SOFC performance degradation prediction model: 1) The time-dependent behaviors of SOFC degradation performance are analyzed from the material microstructure, chemical stability and mechanics stability. 2) The uncertainty involved in SOFC performance degradation prediction is established by analyzing the influence and transportation mechanism under multi-uncertainty condition. 3) A unified formalized model-driven architecture is developed based on the MBSE method. In addition, a model evolution method is developed according to the machine learning technology to guarantee the model adaptability during the full operation cycle. Finally, a robust performance degradation prediction model is developed for full operation cycle of a SOFC. This project will provide a scientific approach based on MBSE to establish a multidisciplinary prediction model of SOFC performance degradation. It will further illustrate the SOFC performance degradation mechanism, which will lay theoretical foundation for designing scientific strategy to extend lifetime.

性能衰退是制约固体氧化物燃料电池（SOFC）商业化的关键因素之一。当下对SOFC多学科多衰退行为综合作用的性能演变机理认知不足，从单一影响推导的性能衰退预测方法过于简单，缺乏多学科一体化分析方法，难以突破多学科间组织障碍。据此，本项目拟将兴起于复杂系统多学科统一分析领域的基于模型的系统工程（MBSE）方法应用于SOFC性能衰退预测：1）从材料结构、化学与力学特性等多学科角度探究SOFC性能衰退的时变规律；2）阐明多源不确定因素影响传递机理，建立预测结果的不确定性科学表达方法；3）利用MBSE方法构建多学科统一的形式化模型驱动架构，并利用机器学习算法建立模型的演化方法；最终建立面向全运行周期的强鲁棒性SOFC性能衰退预测模型。本项目拟将为建立多学科SOFC性能衰退预测模型提供一套基于MBSE的科学方法，并将进一步阐明SOFC运行过程的性能衰退机理与规律，为制定科学的延寿策略提供理论基础支持。

固体氧化物燃料电池（SOFC）的性能衰退规律受到材料、化学、热力等多学科因素以及阳极、阴极、电解质等多衰退行为的综合影响，是一个典型的多学科复杂巨系统问题。当下尚未充分认知SOFC多学科多衰退行为耦合作用机理，缺乏性能衰退机理及其时变规律的精细化表征方法，且传统的基于边界条件假设的解耦和各自独立的分析方法难以突破多学科间组织障碍，无法精确描述SOFC系统的性能衰退特性，易造成模型孤岛与信息不一致。因此，有必要围绕多学科因素、多衰退行为综合作用下SOFC性能衰退的精准预测问题展开研究。.本项目基于有限元分析方法，搭建了单SOFC电池多学科多衰退综合影响的微观结构模型，揭示了SOFC微观结构变化与气、电、热宏观性能衰退的影响规律，最终建立了SOFC四层温度的分布式集总参数模型，揭示了SOFC宏观尺度下多物理场耦合特性和性能衰退规律。综合分析了SOFC操作条件、外界环境等不确定性因素的影响传递机制，提出了基于函数化的贝叶斯校准方法，实现SOFC系统性能衰退预测结果的不确定量化。借助MBSE方法理论，提出统一形式化的模型驱动框架，并建立多学科间交叉耦合关系的逻辑模型，描述SOFC各领域模型间的关联关系；提出基于语义的模型转换方法，将所构建的逻辑关系描述模型转化为性能衰退知识库，并借助FMI标准及代码生成技术实现多学科模型的一体化集成；基于混合建模方法，采用LS-SVM算法赋予了SOFC电特性的自适应演化能力；最终，通过深度学习模型构建了SOFC性能衰退预测模型，建立了具有强鲁棒性的SOFC全运行周期性能衰退预测模型。.基于上述研究，共发表了学术论文16篇，其中发表SCI论文8篇，中文核心2篇，EI论文6篇，国内外学术报告6次，培养了9名研究生，其中博士5人，硕士4人。.本项目针对SOFC系统在降低衰退率、制定延寿策略制定等方面提供理论支撑，对于推动SOFC从理论研究到实际应用进程、实现国家“双碳”目标等方面有着重要的意义。