REPOZITORIJ > REZULTATI

Povzetek

Vodik je pomemben element v sektorju zelene energije. Je okolju prijazen, lahko prenosljiv
in primeren za dolgoročno shranjevanje. Sistemi trdooksidnih celic omogočajo pretvorbo
vodika v energijo in obratno. Mednje sodijo sistemi trdno oksidnih gorivnih celic (SOC
sistemi), ki proizvajajo električno energijo iz vodika, in sistemi trdooksidnih elektrolizerjev,
ki proizvajajo vodik iz električne energije in vode. V primerjavi z drugimi sistemi
za elektrokemijsko pretvorbo energije imajo sistemi SOC številne prednosti, kot so prilagodljiva
uporaba reaktantov ter dostopnost materialov in katalizatorjev, saj delujejo pri
temperaturah med 600 in 1000 oK. Kljub pomembnemu razvoju v zadnjih dveh desetletjih
in naraščajočim potrebam po uporabi v zeleni mobilnosti ter pametnih omrežjih je
njihova uvedba še vedno razmeroma počasna. Del razloga je še vedno nezadostna trajnost
in zanesljivost, ki sta neločljivo povezani z neizogibnimi procesi degradacije. Za izboljšanje
delovanja in trajnosti naprav SOC se kaže potreba po boljših metodah za zanesljivo
spremljanje njihovega stanja in napovedovanje življenjske dobe (prognostika).
Diagnostika in prognostika sta ključni funkciji, ki pomagata operaterjem. Ponujata
odgovor na dve pomembni vprašanji: (i) kakšno je notranje zdravstveno stanje naprav
in komponent, ter kje je vzrok za morebitne težave, (ii) kako dolgo bo sistem še deloval,
preden bo dosegel neizogiben konec?
Za diagnostiko napak in prognostiko SOC sistemov je opravljeno bistveno manj raziskav
v primerjavi z drugimi sistemi za elektrokemijsko pretvorbo energije (zlasti baterijami). Na
voljo je sicer kar nekaj metod, ampak predvsem za SOFC sisteme, medtem ko so SOEC
sistemi še vedno v razvoju. Pristopi segajo od tistih, ki temeljijo na fizikalnih zakonitostih,
do povsem podatkovno vodenih pristopih. Skupno jim je, da temeljijo na determinističnih
modelih procesov, zato večinoma zanemarjajo vpliv procesnih motenj in negotovosti na
končni rezultat. Po našem vedenju, ta disertacija predstavlja edini poskus sistematičnega
kvantificiranja vpliva naključnih procesov na degradacijo sklada kakor tudi na diagnostično
sklepanje in predvidevanje preostale življenjske dobe. Zaradi negotovosti v procesu ne
moremo deterministično sklepati o stanju sistema, zato je iz inženirskega in znanstvenega
vidika kvantificiranje stopnje negotovosti rezultatov zelo zanimivo, saj na koncu prispeva
k previdnemu in zanesljivejšemu sprejemanju odločitev.
Disertacija najprej obravnava negotovosti pri dekonvoluciji elektrokemijskih impedančnih
spektrov z uporabo modelov nadomestnih električnih vezij. Znano je, da merilni in
procesni šum med meritvami EIS vplivata na spekter, zlasti pri nizkih frekvencah. V našem
pristopu uporabljamo pristop variacijske Bayesove metode (VB). Gre za približek Bayesovega
pristopa, ki pa je računsko veliko manj zahteven. Zato ima VB algoritem za rezultat
kodo, ki jo je mogoče implementirati na manj zmogljive računske platforme. Za ustrezno
obravnavo pristranskosti VB pristopa, uporabljamo mešane porazdelitve kot a priori porazdelitve,
kar znatno zmanjšuje pristranskost. Rezultati, pridobljeni na podatkih, zbranih
med EIS sejami na SOFC in SOEC skladih, kažejo, da serijska povezava upornosti in RQ
elementov (vzporedna povezava upornosti in elementa s konstantno fazo) dovolj natančno
opisuje eksperimentalne podatke z razmeroma majhno negotovostjo. Ta ugotovitev velja v
primeru, da so bile EIS meritve, izvedene v kontroliranih pogojih, čeprav se rezultati lahko
razlikujejo od ene seje EIS do druge.
Osnova za diagnostiko napak so parametri ECM in njihove ocenjene negotovosti. O
napakah sklepamo na podlagi razlik med tekočimi ECM parametri in referentnimi (nominalnimi)
ECM parametri. Za ta namen uporabljamo Wassersteinovo razdaljo med ocenami
ECM parametrov, pridobljenimi z VB pristopom, kot osnovo za definiranje rezidualov.
Wassersteinova razdalja učinkovito zazna spremembe parametrov skozi čas, kar omogoča
detekcijo napak. Znano je, da analiza EIS temelji na predpostavki o stacionarnosti delovanja
procesa, kar je v praksi skoraj nemogoče, še posebej pri SOEC sistemih. Ti namreč
pogosto spreminjajo delovne pogoje. Delovni pogoji pa odločilno vplivajo na obliko EIS
spektrov, zato jih je potrebno ustrezno upoštevati pri končnem preračunavanju spektrov.
V ta namen predlagamo inovativen pristop, pri katerem se Wassersteinove razdalje napovedujejo
neposredno iz procesnih parametrov. To opravimo z modelom Gaussovih procesov
(GP), ki preslika procesne parametre v operativne parametre. Z uporabo Wassersteinove
razdalje nato izračunamo razliko med dejanskimi vrednostmi parametrov ECM modela ter
ocenami GP modela, kar služi kot temeljna informacija za diagnostiko. Problem izolacije
napak rešujemo z uporabo klasifikatorja podpornih vektorjev (SVC), ki na koncu poda
verjetnost, da je sistem v kateremkoli od pričakovanih napačnih ali nominalnih stanj.
Nazadnje obravnavamo problem ocenjevanja trajnosti sklada v smislu preostale uporabne
dobe (RUL), v povsem podatkovno vodenem verjetnostnem okviru. Osnova za prognozo
je predvidevanje razvoja enega ali več kazalnikov zdravja. Kazalnik zdravja je lahko
napetost sklada ali specifična upornost (ASR). Ideja pristopa je preprosta, tj. napovedati
konec življenjske dobe na podlagi linearnega trenda modela kazalnika zdravja, zato lahko
dobimo rešitev za verjetnostno porazdelitev preostale življenjske dobe (RUL) za sklad v
zaprti obliki. To je precej presenetljiv rezultat, ki omogoča hitro izvedbo potrebnih računalniških
operacij. Po drugi strani pa se lahko pristop implementira na ciljne platforme,
kot so industrijski krmilniki. Za prikaz učinkovitosti in uporabnosti ideje za direktno spremljanje
in nadzor SOC sistemov smo metodo preizkusili na več simuliranih problemih in
tudi na eksperimentalnih podatkih pridobljenih iz meritev na SOEC.
V raziskavi smo iskali rešitve, ki bodo uporabne in izvedljive na industrijskih krmilnih
sistemih, z veliko manj računalniške moči kot osebni računalniki. Koda je napisana v programskem
jeziku Python in se zlahka prenese na HW platforme, razvite v okviru projektov
EU REACTT in RUBY. V obeh primerih je ciljni procesor Raspberry Pi 4, ki lahko zaradi
ustrezno zasnovane programske opreme vključuje operacijsko kodo v Pythonu.