4月24-26日，由中國化學與物理電源行業協會儲能應用分會主辦的第九屆中國國際儲能大會在浙江省杭州市洲際酒店召開。在4月26日上午的“氫能與燃料電池“專場，華中科科技大學人工智能與自動化學院教授李曦在會上分享了主題報告《固體氧化物燃料電池（SOFC）系統性能評估與高效健康管控》，以下為演講實錄：

李曦：各位來賓，大家上午好！下面將我們團隊在固體氧化物燃料電池系統性能評估與健康管控領域所做工作給大家做一個介紹。主要圍繞以下四個方面。首先是SOFC系統的背景、原理、特點。剛才前面幾位老師都已經詳細地介紹了SOFC系統的發展歷史和產品特點。這是美國的海軍水下特種中心選擇UUV動力電源的時候所做的能量密度比的數據論證，充分說明了固體氧化物燃料電池優勢。固體氧化物燃料電池的核心反應載體，在高溫600℃以上發生電化學反應，為保障穩定高品質系統輸出，還需要配備一系列高低溫區BOP器件等形成一個獨立發電系統，才能符合一個具體應用場景的實際需求。圖中是國際上SOFC在海陸空等領域呈現的不同具體應用，比如美日歐等國的分布式電站、家庭熱電聯供、車用輔助動力以及百瓦級無人機。

國內像晉煤集團、華清京昆、清華與礦大開發的1-15kWSOFC系統、中科院寧波所與索福人公司的1-25kW級SOFC系統、中科院上海硅所以及華科大與華科福賽公司1-5kW級SOFC系統都在陸續開展示范工作。與此同時，國內外系統當前都存在的共性問題就是壽命與效率，基于此，行業內都在大力投入固體氧化物燃料電池在壽命、衰減與評估診斷領域的研發工作。在電池、電堆和外圍的BOP系統各個關鍵組成部件及集成系統中，廣泛存在電、熱、氣方面多能域耦合等問題，將導致單元部件及系統的性能與壽命衰減。如何分析與評價SOFC性能退化與故障演變機制？進而如何診斷與干預控制。歐州的氫能與燃料電池聯盟專門立項了“DIAMOND”項目，聯合了法國、荷蘭等六個國家在電堆、BOP與系統等領域開展了性能測試、評估診斷與健康控制的工作。

我們華中科技大學團隊也在過去的15年中，針對固體氧化物燃料電池的性能評估與診斷持續開展了相關的研究。這是我們李箭老師所負責團隊的主要核心成員，完成了從材料粉末到獨立發電系統的全產品鏈研發，進而通過武漢華科福賽新能源有限公司實現產業化全程貫通。面向SOFC性能測試，如圖中華科福賽公司1~5kW級SOFC測試臺系列產品銷售外，公司也開展圖中所示千瓦級獨立發電系統示范運行，這是相關媒體報道。其使用碳氫燃料的kW級SOFC系統穩定運行示范了一千多個小時，系統效率約50%。系統要做到長壽命穩定運行才能真正投入穩定的場景實用，在此過程中我們也遇到了千奇百怪的問題。我們把各個階段、各個單元遇到的問題和數據匯集起來做了全生命周期的性能評估與分析。

具體怎么分析，怎么評估和做出相應的診斷？下面我介紹一下這一塊所開展的工作。對一個系統級固體氧化物燃料電池發電系統，這是它的結構示意圖，一般分高溫區和低溫區。高溫區包括電堆、燃燒室、重整、換熱，低溫區一般包括有電控單元、傳感、儀表和風機等。低溫區故障相對容易處理。高溫區處于600℃以上的環境，每一部件性能稍有損傷都會影響到整個系統品質。針對高溫區部件具體所面臨的各類的問題，比如性能是怎么衰減的、怎么規避、怎么延緩、怎么控制？我們主要圍繞了四個關鍵性容易發生故障的部件單元進行分析——電堆、重整、換熱和燃燒。基于大量系統發電測試分析，在上述冷區與熱區這幾個關鍵部分，針對其從正常工作到異常工作性能逐步衰減、發生故障的全過程，通過機理模型分析和數據驅動建立了含各部件特性演變的模型。把正常、異常乃至故障的數據盡可能地和我們所搭建的模型去匹配，結果顯示模型分析預測結果與所建立的樣本數據還是比較接近的。基于該系列化精度較高的模型，才得以開展下面的評估診斷和控制。

我們通過盡可能全面地監測到實時數據，分析電堆、換熱、燃燒、重整等關鍵單元相互間的熱電氣耦合特性，描述其怎么影響系統性能衰減。我們采用機理分析與大數據機器學習，把故障源進行怎么分類定位并提取。比如換熱這一塊，空氣換熱在陰極氣路，高溫封閉起來運行的時候，當時做了十天的持續試驗。之前系統輸出在780W的時候，電池堆能夠自熱維持，并找到最佳工況下獲得最大工作效率，沖過峰值之后再進行自熱維持。接下來穩定兩天后，性能逐步有衰減現象，并呈現加快趨勢。我們以為電堆出了問題，加大空氣量補給后情況有所緩解，分析實時監控參數，發現電壓還比較穩定，進一步發現換熱器陰極出口壓力逐漸衰減到零，性能與空氣量加大越來越相關，但電堆電特性依舊可以延緩衰減。事后，拆解系統BOP與電堆，發現當時漏得越來越大，溫度在上升，但是電堆本身沒有問題。由此，在線運行的時候，我們可以做一個大致的推理，初步診斷是換熱器出現破裂。這一推理事后也得到了實驗驗證。

同樣，我們在做重整積碳、電堆溫度超標與燃燒離焰分析時候，所遇問題都進行類似的多重深入故障機理類似分析，后來都能夠有效評估性能、延緩故障出現或失控，并實現保障；即使系統進入亞健康狀態還能快速地有效跟蹤運行。這是我們做的健康管控的根本目標與最后想實現的效果，將這些現象、控制策略、分析機制進行大數據的統計、實測、驗證，把算法再集成到系統里面，做出相應的分析和診斷與管控。基于上述方法研究與技術開發，逐步形成一個類似儀器裝備，再進一步推廣到整個系統的類似產品級應用。

這個會議主題是儲能發電，今后我們將SOFC領域的相關方法、技術與福賽公司產品的積累，進一步拓展應用到微能網，再結合人工智能學科，基于實測與軟測量大數據，深度學習與機理建模分析復雜動態過程中冷/熱/電/氣等多能域耦合和性能演變機制，保障微能網或運載動力用燃料電池系統全生命周期高效穩定運行。