Hybrid thermodynamic degradation model for prognostics of proton exchange membrane fuel cell

Abstract

No contexto do aumento da demanda energética e aumento dos problemas devido às emissões de carbono, as células de combustível surgem como uma solução promissora. No entanto, sua baixa durabilidade e alto custo ainda impedem sua comercialização em larga escala. A degradação do desempenho da célula de combustível pode ser causada por várias razões, como estresse térmico e mecânico, condições de umidade, perfis de carga variáveis e condições de partida/parada. Ainda assim, esse fenômeno não é totalmente compreendido. Para prolongar a vida útil das células de combustível, prognósticos e manutenção da vida útil (PHM) estão ganhando atenção. O prognóstico visa estimar a vida útil restante do sistema (RUL) e as tendências de degradação para auxiliar na realização da manutenção preditiva. Existem duas abordagens principais para o prognóstico: métodos orientados por dados e métodos baseados em modelos. Embora métodos orientados por dados possam ser mais precisos na estimativa da RUL e mais fáceis de serem implementados, eles sofrem de problemas de sobre ajuste e exigem conhecimento especializado para adaptar os modelos estado-da-arte. Métodos baseados em modelos, por outro lado, carecem de precisão e facilidade de aplicação. Assim, este projeto de mestrado propôs um método prognóstico híbrido obtido por meio de uma análise de geração de entropia da célula de combustível. O método proposto foi capaz de avançar com precisão os estados de geração de entropia da célula ao longo do tempo e prever o decaimento da curva de polarização a longo prazo. Foi ainda demonstrado que a métrica de geração de entropia poderia ser usada para definir critérios de fim de vida mais fáceis de serem previstos, úteis para o agendamento de procedimentos de manutenção.

In the context of increased energy demand and increased problems due to carbon emissions, fuel cells emerge as a promising solution. However, its low durability and high cost still prevent its commercialization on a large scale. Degradation of fuel cell performance can be caused by several reasons, such as thermal and mechanical stress, humidity conditions, variable load profiles and start/stop conditions. Still, this phenomenon is not fully understood. To extend fuel cell lifetime, prognostics and health management (PHM) are gaining attention. The prognosis aims to estimate the remaining useful life of the system (RUL) and degradation trends to assist in performing predictive maintenance. There are two main approaches to prognosis: data-driven methods and model-based methods. While data-driven methods may be more accurate in estimating RUL and are easier to implement, they suffer from overfitting issues and require specialized knowledge to fit state-of-the-art models. Model-based methods on the other hand lack accuracy and ease of being applied. Thus, this masters project proposed a hybrid-based prognostic method obtained through a fuel cell entropy generation analysis. The proposed method was able to accurately advance entropy generations states of the cell through time and predict long-term polarization curve decay. It was further shown that entropy generation metric could be used to define an easier to be predicted end of life criteria, useful to maintenance procedures scheduling.