全釩液流電池具有安全性高、循環(huán)壽命長、效率高等優(yōu)勢，在大規(guī)模儲能領域具有非常廣闊的應用前景。目前，全釩液流電池正處于商業(yè)化示范階段，如何進一步降低成本、提高效率，對其大規(guī)模產(chǎn)業(yè)化具有重要意義。
全釩液流電池系統(tǒng)成本由電堆（功率）成本、電解液（能量）成本、控制系統(tǒng)成本等組成。其中，電堆與電解液的成本與電堆的性能息息相關；而電堆的性能受關鍵材料、電堆結(jié)構、操作條件等多方面因素的影響。若僅采用實驗的方法來優(yōu)化電堆結(jié)構和性能耗時較長，因此如何高效有針對性的對電堆結(jié)構和性能進行優(yōu)化至關重要。
近日，中科院大連化物所李先鋒研究員、張華民研究員領導的科研團隊提出了一種基于機器學習的全釩液流電池電堆性能和系統(tǒng)成本的預測與優(yōu)化策略，運用AI技術提高全釩液流電池研發(fā)效率、縮短研發(fā)周期，為全釩液流電池的研究開發(fā)提供了很好的指導作用，有望加速其產(chǎn)業(yè)化進程。
該團隊基于其在全釩液流電池電堆研發(fā)過程中的十幾年積累和大量電堆數(shù)據(jù)，采用機器學習的方法預測全釩液流電池電堆性能和系統(tǒng)成本。該方法以操作電流密度為主要特征參數(shù)，電堆的材料和結(jié)構等為輔助特征參數(shù)，對全釩液流電池電堆的電壓效率、能量效率、電解液利用率，以及系統(tǒng)的功率和能量成本做出精確的預測，預測結(jié)果與實際結(jié)果相近。此外，該團隊還根據(jù)機器學習的模型系數(shù)，分析并提出未來全釩液流電池電堆的研發(fā)方向，即在保證較高的電壓效率和電解液利用率條件下，開發(fā)高功率密度電堆。
此項研究工作不僅對全釩液流電池電堆的研發(fā)具有指導意義，而且也為將機器學習與實驗科學相結(jié)合的方法來優(yōu)化和預測復雜系統(tǒng)的行為提供了新思路。
該工作于近日發(fā)表在《能源與環(huán)境科學》（Energy & Environmental Science）上。以上工作得到國家自然科學基金委、中國科學院戰(zhàn)略性先導科技專項（A類）“變革性潔凈能源關鍵技術與示范”、中科院電化學儲能技術工程實驗室等資助。（文/圖 李天宇）
