Automatische Kalibrierung von Brennstoffzellen und Elektrolyseuren in AVL FIRE™ M

  • Blog

Peter Urthaler
Senior Development Engineer Software

Auf der Suche nach nachhaltigen Energiealternativen werden Brennstoffzellen und Elektrolyseure zu einer vielversprechenden Lösung. Diese elektrochemischen Geräte spielen eine entscheidende Rolle in der sauberen Energielandschaft. Brennstoffzellen wandeln Wasserstoff und Sauerstoff in Elektrizität um und geben dabei nur Wasserdampf ab, während bei der Elektrolyse Wasser mit Hilfe von Elektrizität in Wasserstoff und Sauerstoff gespalten wird. Die CFD-Modellierung (Computational Fluid Dynamics) in AVL FIRE™ M spielt eine entscheidende Rolle für das Verständnis und die Optimierung von Brennstoffzellen und Elektrolyseuren. 

Die Modellierung von Brennstoffzellen ist jedoch keine einfache Aufgabe. Das komplizierte Zusammenspiel von Fluiddynamik, Materialinteraktionen und elektrochemischen Reaktionen erfordert eine genaue Darstellung. Durch die Kalibrierung des Modells anhand empirischer Daten stellen wir sicher, dass die simulierte Brennstoffzelle mit dem Verhalten in der realen Welt übereinstimmt. Eine Kalibrierung ist in der Regel aufgrund von Unsicherheiten bei Materialparametern und kinetischen Parametern, z. B. Aktivierungsenergien und Austauschstromdichten, erforderlich. Die Kalibrierung schließt somit die Lücke zwischen den theoretischen Modellen und dem realen Verhalten und gewährleistet zuverlässige Vorhersagen. 

gl_ast_image_blog-header_calibration-of-fuel-cells-and-electrolyzers

Die Polarisationskurve stellt die Beziehung zwischen Zellspannung und Stromdichte dar. Eine genaue Übereinstimmung zwischen den Vorhersagen des Modells und der experimentellen Polarisationskurve ist für zuverlässige Simulationen unerlässlich. Die Kalibrierung stellt sicher, dass das Modell das reale Verhalten der Brennstoffzelle oder des Elektrolyseurs erfasst und verschiedene Verluste und Phänomene berücksichtigt. Im Gegensatz zu vereinfachten analytischen Modellen arbeiten CFD-Modelle mit realen Geometrien. Vereinfachungen, die die Polarisationskurve nicht wesentlich verändern, sind schwer zu erreichen. Daher muss die Kalibrierung direkt an der tatsächlichen Geometrie vorgenommen werden, um die komplizierten Details zu berücksichtigen. Selbst ein einzelliges Modell erfordert eine mittlere bis große Maschenweite, um Strömungsmuster, Stofftransport und elektrochemische Reaktionen genau zu erfassen. Folglich kann die Berechnung eines einzigen Punktes auf der Polarisationskurve aufgrund der Komplexität der Berechnungen mehrere Stunden in Anspruch nehmen. Die Verwendung eines Optimierers auf dem Brennstoffzellen- oder Elektrolyseurmodell ist aufgrund der langen Berechnungszeiten unpraktisch. Herkömmliche Optimierungstechniken würden die Simulationsdauer erheblich verlängern. Ein alternativer Ansatz besteht darin, die Parameter während des Simulationslaufs selbst zu kalibrieren. Im Verlauf der Simulation passt das Modell seine Parameter an die experimentelle Polarisationskurve an. Durch diese dynamische Kalibrierung wird der Bedarf an separaten Optimierungsschritten minimiert.

IMG-1
Abbildung 1: Polarisationskurve einer Brennstoffzelle

Um ein Brennstoffzellenmodell zu kalibrieren, müssen wir die typische Polarisationskurve analysieren, siehe Abbildung 1. Die in der Kurve beobachteten Leistungsverluste können auf bestimmte physikalische Phänomene zurückgeführt werden:

  • Brennstoffübergang und interne Ströme
  • Kinetische (Aktivierungs-)Verluste: Sie hängen mit der Kinetik der elektrochemischen Reaktionen an den Elektroden zusammen. Sie spiegeln die Energiebarriere wider, die überwunden werden muss, damit die Reaktionspartner (wie Wasserstoff und Sauerstoff) an den elektrochemischen Prozessen teilnehmen können.
  • Ohmsche Verluste: Entstehen hauptsächlich durch die Ionenleitfähigkeit im Ionomer und die elektrische Leitfähigkeit in den Gasdiffusionsschichten.
  • Verluste durch Massentransport: Entstehen durch Einschränkungen bei der Diffusion der Reaktanten und der Entfernung der Produkte.

Im Modellkalibrierungs-Setup von FIRE M können die Benutzer flexibel die spezifischen Parameter auswählen, die sie kalibrieren möchten (siehe Abbildung 2). Für jeden Leistungsverlust kann der Benutzer einen entsprechenden Parameter zur Feinabstimmung auswählen.

gl-ast_image-web-blog-fuel-cells-electrolyzers-calibration-02_05-24.png
Abbildung 2: Kalibrierungseinstellungen im Brennstoffzellenmodul

Diese Bereiche können nicht durch einen einzigen Betriebspunkt angemessen erfasst werden. Stattdessen muss der Benutzer für jeden Parameter einen Betriebspunkt definieren, um die verschiedenen Leistungsmerkmale über die Kurve hinweg zu berücksichtigen. Diese Betriebspunkte werden gleichzeitig kalibriert, wobei Informationen über die verschiedenen Parameter ausgetauscht werden. Da die Benutzerfreundlichkeit im Vordergrund steht, ist das Verfahren sehr einfach gestaltet. Der Benutzer muss nur auswählen, welche Parameter er kalibrieren möchte, und die gleiche Anzahl von Betriebspunkten definieren. Entscheidend ist, dass alle Arbeitspunkte gleichzeitig berechnet werden.  Die interne Arbeitsweise von FIRE M übernimmt die restlichen Aufgaben. Dazu gehört, dass die richtige Anzahl paralleler Berechnungen gestartet wird, dass verschiedene Betriebspunkte definiert werden, dass die parallelen Berechnungen koordiniert werden, dass die Kommunikation zwischen den verschiedenen Betriebspunkten verwaltet wird und dass eine nahtlose Ausführung sichergestellt wird.  Derzeit erfolgt die Interaktion zwischen den Betriebspunkten über das Dateisystem. Solange die verschiedenen Betriebspunkte Zugriff auf denselben Dateisystembaum haben, können sie ihre Berechnungen unabhängig voneinander durchführen. Dieser Ansatz erlaubt es sogar, verschiedene Betriebspunkte auf separaten Workstations laufen zu lassen, solange sie gleichzeitig ausgeführt werden.

gl-ast_image-web-blog-fuel-cells-electrolyzers-calibration-03_05-24.png
Abbildung 3: Kalibrierung von drei Parametern und drei Arbeitspunkten auf der Polarisationskurve

In Abbildung 3 sind die Ergebnisse einer solchen Kalibrierung zu sehen. Für dieses spezifische Beispiel einer Niedertemperatur-PEM-Brennstoffzelle wurden drei Betriebspunkte definiert, die den Parametern Ionenleitfähigkeit, Referenzaustauschstromdichte an der Kathode und Tortuosität durch die Ebene entsprechen. Die Parameter wurden erfolgreich angepasst, um alle drei Betriebspunkte gleichzeitig zu erreichen.

Ein neuartiger Kalibrierungsalgorithmus wurde in FIRE M integriert, speziell für Brennstoffzellen und Elektrolyseurzellen. Dieser innovative Ansatz ermöglicht die Kalibrierung einer kompletten Polarisationskurve durch gleichzeitige Berechnung verschiedener Betriebspunkte. Der Ansatz ist für reale Beispiele mit großen Maschenweiten und begrenzter Berechnungszeit konzipiert, wobei die Benutzerfreundlichkeit im Vordergrund steht. Zusammenfassend lässt sich sagen, dass dieser Kalibrierungsalgorithmus Genauigkeit, Effizienz und Benutzerfreundlichkeit kombiniert - eine wertvolle Ergänzung des FIRE M-Toolkits.

Verpassen Sie keinen Simulations Blog

Melden Sie sich noch heute an und bleiben Sie informiert!

Gefällt Ihnen das? Vielleicht gefallen Ihnen auch diese...

gl_ast_image_blog-header_template_04_23.jpg
Partikelbasierte Simulationen zur Optimierung des Designs von Geschirrspülern

Geschirrspüler gehören zu den gängigen Haushaltsgeräten, die in fast jeder modernen Küche zu finden sind. Im Laufe der Jahrzehnte wurden nicht nur das Design und die Funktionen von Geschirrspülern weiterentwickelt, sondern auch die Methoden und Technologien zur Analyse und Verbesserung ihrer Effizienz haben sich erheblich verändert.

gl-ast_blog-battery-aging-header-07-2024
Mit dem Virtual Twin Einblicke in die Batteriealterung gewinnen

Die Batterie ist zweifellos die komplexeste Komponente moderner Elektroautos und maßgeblich für das Fahrerlebnis und die Reichweite verantwortlich. Doch im Laufe ihrer Lebensdauer unterliegt sie einem kontinuierlichen Leistungsverlust, bedingt durch Degradationsmechanismen, die ihre Speicherfähigkeit und damit die Reichweite und...

gl-ast_blog-fast-charging-header-01-07-2024
Schnellade-Strategien Für E-Fahrzeuge Optimieren

Die Elektromobilität steht vor einer entscheidenden Herausforderung: Die Ladezeit der Batterie muss minimiert werden, um die Akzeptanz von elektrischen Fahrzeugen zu steigern. Dies ist von zentraler Bedeutung, da neben der Reichweite die Ladezeit einer der wichtigsten Faktoren für die Nutzerzufriedenheit ist.

Skip to main content Toolbar items Administration menu Home Current page Content Structure Translation Reports Configuration Help Close Breadcrumb Back to site  Edit gl_iodp_imag_optimizing_hybrid_powertrain_system_interactions_on_all_testbed_types_07.22.png  Edit Media Toolbar items Prod Go to  Global Nusa.Viher@avl.com Edit Image gl_ast_image_header-blog_vtms-kolaric_04_23.jpg Primary tabs Edit(active tab) Delete Usage Translate Name gl_ast_image_header-blog_vtms-kolaric_04_23.jpg Category  - None - Statu
Simulationen für ein effizienteres Wärmemanagement von Fahrzeugen

Die Reichweite ist einer der wichtigsten Verkaufsfaktoren für batteriebetriebene Elektrofahrzeuge, und für die Endkunden zählt jeder Kilometer. Es gibt mehrere Möglichkeiten, die Gesamteffizienz des Fahrzeugs zu erhöhen, aber einer der wichtigsten Beiträge ist ein effizientes Wärmemanagementsystem (VTMS).

Simulation Blog - Analyzing Critical ADAS/AD Scenarios With AVL Scenario Simulator™
Analyse von kritischen ADAS/AD-Szenarien mit dem AVL Scenario Simulator™

Um festzustellen, ob eine automatisierte Fahrfunktion sicher ist, wären Milliarden von Testkilometern erforderlich. Physikalische Tests und reale Prototypen können ein derartiges Testvolumen einfach nicht effizient bewältigen.

gl-ast_image-web-blog-soiling-header_00_06-24.jpg.
5 Gründe, warum PreonLab die ideale Software für die Simulation von Fahrzeugverschmutzung ist

Das Verständnis und die Beherrschung des Einflusses von Verschmutzungen auf ein Fahrzeug ist ein wichtiger Aspekt der Fahrsicherheit, der bei der Konstruktion von Fahrzeugen berücksichtigt werden muss.

gl_ast_image_blog-header_template-01_04_23
Entwicklung und Bewertung von Festoxidelektrolyseursystemen durch Simulation

Globale Initiativen und Maßnahmen zur Erreichung langfristiger Klimaziele führen zur Entwicklung und Industrialisierung neuer Elektrolyseursysteme.

gl_ast_image_blog-header_thermal-runaway
Prävention von Thermal Runaway: Simulation als Werkzeug für mehr Batteriezellen-Sicherheit

Ein gefürchtetes Phänomen in der Batterieentwicklung ist das thermische Durchgehen (Thermal Runaway) der Batteriezelle.

gl_ast_image_slideshow-release2024r1_keyvisual_16x9.jpg
AVL Simulation Software Release 2024 R1

Updates und Optimierungen für die Simulationslösung von AVL

Verpassen Sie keinen Simulations Blog

Melden Sie sich noch heute an und bleiben Sie informiert!

CAPTCHA

Indem Sie auf "Absenden" klicken, erklären Sie sich mit der Verwendung der von Ihnen angegebenen Daten zur Bearbeitung Ihrer Anfrage und mit dem Erhalt von Mitteilungen im Zusammenhang mit Ihrer Anfrage/Registrierung einverstanden.
Bitte klicken Sie hier, um die AVL-Datenschutzrichtlinie einzusehen.