大連化物所：AI技術預測全釩液流電池性能和成本

　　近日，中國科學院大連化學物理研究所李先鋒研究員、張華民研究員帶領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成本的預測與優化策略，運用AI技術提高全釩液流電池研發效率、縮短研發周期，為全釩液流電池的研究開發提供了很好的指導作用，有望加速其產業化進程。科研成果發表在《能源與環境科學》上。

基于機器學習的全釩液流電池電堆性能和系統成本的預測與優化示圖 圖/李天宇

　　全釩液流電池具有安全性高、循環壽命長、效率高等優勢，在大規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化示范階段，如何進一步降低成本、提高效率，對其大規模產業化具有重要意義。

　　全釩液流電池系統成本由電堆（功率）成本、電解液（能量）成本、控制系統成本等組成。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化電堆結構和性能耗時較長，因此如何高效有針對性地對電堆結構和性能進行優化至關重要。

　　研究人員基于在全釩液流電池電堆研發過程中的十幾年積累和大量電堆數據，采用機器學習的方法預測全釩液流電池電堆性能和系統成本。該方法以操作電流密度為主要特征參數，電堆的材料和結構等為輔助特征參數，對全釩液流電池電堆的電壓效率、能量效率、電解液利用率，以及系統的功率和能量成本做出精確的預測，預測結果與實際結果相近。根據機器學習的模型系數，研究人員分析并提出未來全釩液流電池電堆的研發方向，即在保證較高的電壓效率和電解液利用率條件下，開發高功率密度電堆。

　　本項研究工作不僅對全釩液流電池電堆的研發具有指導意義，而且也為機器學習與實驗科學相結合的方法來優化和預測復雜系統的行為提供了新思路。