⚡ electrical engineering

Gas Diffusivity in Fibrous Gas Diffusion Layers: Linking Pore Structure to Transport

本研究提出了一种基于有效介质理论的高效计算模型，该模型通过将标准孔隙率测量数据转化为代表性孔隙结构，并推导出经实验及文献数据验证的紧凑相关式，从而能够准确预测纤维状气体扩散层中的气体扩散系数。

原作者： Amin Mohammadi, Majid Bahrami

发布于 2026-09-02

📖 1 分钟阅读☕ 轻松阅读

原作者： Amin Mohammadi, Majid Bahrami

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在燃料电池（一种将氢气和氧气转化为电能和水的装置）内部，气体的旅程是一场与时间的赛跑。为了使电池高效工作，气体必须快速穿过一种被称为气体扩散层的多孔、海绵状材料。该层充当桥梁，将反应物输送到发生化学反应的电池核心部位。如果气体滞留或移动过慢，整个系统就会失去动力。科学家们早已知道，这种材料中空隙的数量，即孔隙率，至关重要。孔隙较多的材料通常能让气体更容易通过。然而，这种仅衡量“空间多少”的简单指标只能说明部分问题。它忽略了这些孔隙的形状、大小和排列方式，而这些因素即使在总空间看似充足的情况下，也会产生阻碍气体流动的隐藏瓶颈。

西蒙弗雷泽大学的研究人员开发了一种观察这一问题的新方法，不再仅仅关注空隙的总量，而是去理解孔隙的实际架构。他们发现，标准测量方法假设孔隙是完美的圆柱体，这无法捕捉到真实燃料电池组件中所见的纤维结构的本质。通过创建一个模型，将这些测量结果转化为对材料内部几何结构的更真实的呈现，他们能够以更高的精度预测气体运动。他们的研究表明，特定孔径分布的精确度与孔隙率总量同样关键，这为设计更好的燃料电池提供了更清晰的路径。

研究团队专注于一种用于燃料电池的特定材料，这种材料由细小的碳纤维编织而成。为了理解气体如何在这一错综复杂的网络中移动，他们首先需要了解纤维之间的间隙大小。他们使用了一种涉及液体——正辛烷的标准化实验室技术。通过缓慢让液体从材料中蒸发并测量剩余量，他们可以计算出将空气压入孔隙所需的压力。这种压力告诉科学家开口的大小，但标准的计算假设每个开口都是光滑、笔直的圆柱体。在现实中，碳纤维是弯曲的，且排列成复杂的图案，这意味着气体的实际路径比简单的圆柱体要不规则得多。

为了解决这种不匹配，研究人员创建了一个数学转换过程。他们将来自标准测量的数据，从一份圆柱体尺寸列表转换为代表其模型中实际纤维间隙距离的列表。想象一下，该材料是一个由微小方块组成的网格，每个方块的大小代表一个孔隙。他们不再根据圆柱体来猜测大小，而是计算出两个纤维之间精确的间隙长度，使得该长度产生的压力阻力与测得的孔隙相同。这一步骤使他们能够构建一张看起来并表现得像真实情况一样的材料数字地图，捕捉到了纤维结构的真实复杂性。

利用这张新地图，他们构建了一个由这些微小方块组成的虚拟三维网络。他们根据每个方块的大小和方向分配了一个阻力值，模拟气体通过该特定位置的难度。通过让气体运行在这个数字网络中，他们可以计算出整体的流动容易程度，即扩散率。模拟揭示了一个关键洞察：两种具有完全相同空隙量的材料，如果其内部孔径分布不同，其输送气体的能力可能会大相径庭。如果一种材料拥有许多微小且受限的间隙，即使总空隙体积完全相同，它也会比拥有少量大型开放通道的材料显著减缓气体的移动速度。这一发现直接挑战了以往仅依赖总孔隙率的模型，因为旧模型会预测这两种材料的表现是相同的。

为了让这种复杂的模拟对需要快速答案的工程师有用，团队开发了一个简洁的公式。该方程利用总孔隙率和孔径分布的统计细节来预测气体流动，而无需每次都运行完整的计算机模拟。他们使用一种专门测量气体在受控条件下如何通过样品的设备，将该公式与现实世界的实验进行了对比测试。结果显示，他们的新方法与实验数据高度吻合，误差不超过百分之八。这种精确度证实了，考虑孔隙的具体形状和大小对于理解气体如何通过这些材料是至关重要的。

研究结论指出，气体扩散层的内部架构是影响燃料电池性能的关键因素。通过将关注点从简单的孔洞计数转向对其大小和排列的详细理解，研究人员提供了一个更可靠的工具，用以预测这些材料的行为。他们的工作证明，孔隙在材料内部的分布方式，对气体流动的决定作用与可用空间的总量一样重要。这种更深层次的理解有助于设计更好的燃料电池组件，从而可能在未来带来更高效、更强大的能源系统。

技术摘要：纤维状气体扩散层中的气体扩散率：将孔隙结构与传输联系起来

问题陈述
气体通过气体扩散层（GDL）的传输是质子交换膜燃料电池（PEMFC）中质量传递阻力的一个关键来源，直接影响电池性能。虽然有效气体扩散率取决于微观结构特征——特别是孔径分布（PSD）和纤维直径——但传统的解析模型通常仅依赖于孔隙率。这些基于孔隙率的方法（例如 Bruggeman 模型）往往会高估扩散率，因为它们无法区分具有相同孔隙率的不同微观结构。相反，虽然孔隙网络模型（PNM）和直接数值模拟（DNS）等数值方法通过解析孔隙尺度形态提供了极高的准确性，但它们计算成本高昂且需要详细的结构输入，限制了其用于快速估算或集成到更大规模系统模型中的应用。因此，需要一种既能捕捉关键微观结构特征（特别是 PSD），又能保持计算效率的模型方法。

方法论
本研究开发了一种基于有效介质理论的新模型，用于预测干态 GDL 中的相对气体扩散率。该方法主要分为三个阶段：

孔径转换：
标准孔隙测量法（使用辛烷）根据等效圆柱形孔隙几何结构对 GDL 进行表征。然而，GDL 由纤维状结构组成。为了弥补这一差距，作者开发了一种转换方法。他们将 GDL 建模为正交排列的圆柱形碳纤维（直径 8 µm）的集合体，并构成一个重复单元格。作者推导了一个用于该单元格几何结构的毛细管模型，以将毛细管压力与单元格长度（ $2l$ ）联系起来。通过将标准孔隙测量法（通过 Washburn 方程）得出的毛细管压力映射到单元格几何结构，作者将原始的圆柱形孔径半径分布转换为等效的单元格长度分布。该转换后的分布使用以对数平均值（ $\mu$ ）和标准差（ $\sigma$ ）为特征的累积对数正态函数进行拟合。
电阻网络建模：
构建了一个统计学意义上的三维单元格网络（ $30 \times 30 \times 30$ ）。每个单元格的长度都从转换后的对数正态分布中随机采样。根据其几何形状，为不同方向的扩散电阻分配了权重：
- 面内方向（ $x, y$ ）： 电阻仅取决于局部孔隙率。
- 面外方向（ $z$ ）： 电阻考虑了由于纤维曲率导致的截面积变化，从而导致较小的单元格具有更高的电阻。
  通过求解该网络来确定等效电阻，进而得到有效扩散率（ $D_{eff}$ ）。这种方法显式地捕捉了传输的各向异性以及孔径分布的影响。
紧凑相关式开发：
为了避免在每次应用时都承担求解完整网络的计算成本，作者开发了一个紧凑的相关式。利用在物理相关范围内改变 $\mu$ 和 $\sigma$ 生成的参数化数据集，作者将网络模型结果拟合为一个关于总孔隙率（ $\varepsilon$ ）、 $\mu$ 和 $\sigma$ 的函数。

主要贡献

孔径转换： 一种新颖的方法，可将标准孔隙测量数据（圆柱形孔隙假设）转换为与纤维状 GDL 几何结构一致的单元格长度分布。
基于物理机制的网络模型： 一个电阻网络模型，该模型结合了转换后的 PSD，用于预测干态 GDL 中的各向异性气体传输，证明了即使在孔隙率恒定时，由于 PSD 的不同，扩散率也会发生显著变化。
紧凑相关式： 一个简单且高精度的相关式（ $D^* = 0.60\varepsilon^{1.14}\exp(0.37\mu - 2.03\sigma)$ ），能够重现网络模型的结果，从而实现快速估算扩散率，便于系统级建模。

结果

微观结构敏感性： 网络模型成功预测了对于具有相同孔隙率但不同 PSD 的合成案例具有不同相对扩散率的情况。具体而言，具有较高小单元格比例（较大的 $\sigma$ 或较小的 $\mu$ ）的分布由于增加了局部电阻，导致扩散率显著降低，而这是仅基于孔隙率的模型所忽略的细节。
相关式准确度： 与完整的电阻网络模型相比，紧凑相关式的 $R^2$ 达到 0.985，均方根误差（RMSE）为 0.014。敏感性分析确认，增加 $\mu$ （较大的特征单元格尺寸）会增加扩散率，而增加 $\sigma$ （更宽的分布）则会降低扩散率。
实验验证： 该模型通过对称改进型洛施密特池（SMLC）法对五个 GDL 样本（各种 Toray TGP-060/090 和 SGL 10 BA 基底）及文献数据进行了验证。预测结果与实验测量值表现出良好的一致性，最大相对偏差为 8%。

意义
本文声称，通过引入转换后的孔径分布，可以比仅基于孔隙率的模型更准确地预测 GDL 中的气体扩散率。通过将实验可获得的 PSD 与具有物理代表性的纤维状单元格几何结构联系起来，所提出的方法填补了详细数值模拟与简单解析相关式之间的空白。所得出的紧凑相关式提供了一个计算高效的工具，用于估算干态 GDL 中的传输特性，适用于集成到更大规模的燃料电池模型中，且不会牺牲捕捉微观结构效应的能力。研究强调，虽然该模型已在干态条件下得到验证，但在预测部分饱和条件下的行为时，当前解析框架中对孔隙连通性限制的显式考虑仍是一个约束。

类似论文