تشخيص‌‌آزمايشگاهي ‌غوطه‌وري كاتد و آند پيل‌سوختي‌غشاء‌پليمري با توان زير 300 وات با روش فازي- عصبي‌تطبيقي

Experimental Cathode-Anode Flooding Diagnosis of Polymer-Electrolyte Fuel Cell of Power under 300W Using Adaptive-Neuro-Fuzzy Method

امروزه به دليل اهميت روزافزون پيل‌سوختي غشاء پليمري در توليد انرژي پاك، عيب‌يابي اين مبدل انرژي اهميت به سزايي يافته ‌است. عيب‌يابي در پيل سوختي مي‌تواند به‌طور محسوسي سبب افزايش عمر مفيد و قابليت اطمينان آن شود. بخش زيادي از عيوب مربوط به پيل سوختي غشاء پليمري ناشي از برهم خوردن تعادل رطوبت در آن است. غوطه‌وري يكي از شايع‌ترين عيوب مرتبط با عدم تعادل پيل سوختي است؛ كه هم در بخش كاتد و هم در آند توده‌ي پيل محتمل است. در كارهاي گذشته عمدتاً به كاتد به دليل اينكه مبدأ توليد آب است، به عنوان مكان محتمل براي بروز غوطه‌وري توجه شده‌ است. در اين مقاله آند نيز به عنوان مكان محتمل براي بروز اين پديده موردتوجه قرار‌گرفته ‌است. روش اين پژوهش بر اين اساس است كه از توده‌ي پيل در شرايط كاركرد سالم داده‌برداري مي‌شود و تلاش مي‌شود با استفاده از ورودي‌هاي مرتبط، سه پارامتر خروجي ولتاژ توده، افت فشار كاتد و افت فشار آند، با استفاده از روش فازي- عصبي تطبيقي تخمين‌ زده‌ شوند. در شرايط نامشخص ، مقايسه انحراف مقادير واقعي خروجي‌ها از مدل با مقادير مجاز انحراف‌ها (به ترتيب 0/0735 ولت، 0/0092 بار و 0/0047 بار) مي‌تواند وقوع يا عدم وقوع غوطه‌وري را تعيين كند.

Today, due to the growing importance of polymer electrolyte membrane fuel cells in the production of clean energy, the diagnosis of this energy converter has become very important. Diagnosis can significantly increase the useful life and reliability of the fuel cell. A major part of the defects related to the polymer electrolyte membrane fuel cells is due to the disturbance of the moisture balance in them. Flooding is one of the most common defects associated with fuel cell imbalance, which is possible in both the cathode and the anode side of the cell. In previous works, the cathode has been considered as the only possible place for flooding, mainly because it is the source of water production. In this article, the anode is also considered as a possible place for this phenomenon. The method of this research is based on taking data from the stack under healthy operating conditions and trying to estimate the output parameters of stack voltage, cathode pressure drop, and anode pressure drop using related inputs using the adaptive neuro-fuzzy method. In conditions of uncertain operation in which the healthy or flooding operation of the stack is not known, comparing the deviation of the actual values of the outputs from the model with the allowable values of these deviations (0.735 [V], 0.0092 [bar] and 0.0047 [bar], respectively) can lead to determining flooding or normal conditions.