אופטימיזציה של פרמטרי עיצוב של תאי דלק ממברנת חילוף פרוטונים באמצעות אופטימיזציית מרוצי הסוסים של טיאנג'י

מרוץ לעבר חשמל נקי יותר

תאי דלק מימניים מבטיחים חשמל שקט ונקי לרכבים, לבתי מגור ואמצעי גיבוי — בתנאי שנצליח לדמות ולשלוט בהם בדיוק גבוה. מאמר זה מראה כיצד אלגוריתם בלתי שגרתי המושפע מסיפור סיני עתיק על מרוצי סוסים יכול לכייל מודלים של תאי דלק בדיוק רב יותר מאשר מתחרים מודרניים רבים, ובכך לשפר את אמינות טכנולוגיות המימן ולהקל על שילובן במערכות אנרגיה מעשיות.

כיצד תאים אלה מייצרים חשמל

תאי דלק ממברנת חילוף פרוטונים (PEMFC) ממירים מימן וחמצן לחשמל, חום ומים. בתוך כל תא מגיע גז המימן לצד אחד (האנודה), שם הוא מפורק לפרוטונים טעוני חיוב ולאלקטרונים. הפרוטונים חולפים דרך ממברנה דקה בדמיון לפלסטיק, בעוד האלקטרונים נאלצים לעבור דרך מעגל חיצוני, לבצע עבודה שימושית בדרך. בצד השני (הקטודה) נפגשים שוב הפרוטונים, האלקטרונים והחמצן ליצירת מים. מספר רב של תאים מונח אחד על גבי השני כדי להגיע למתח מעשי, וכתוצאה נוצרים ערימות תאי דלק המשמשות בכלי רכב וביחידות כוח סטציונריות. לתכנון, בקרה ואבחון של מערכות אלה מהנדסים מסתמכים על מודלים מתמטיים שמחזאים את המתח של ערימה בתנאי פעולה נתונים כגון טמפרטורה, לחץ ולחות הגז.

מדוע קשה לקבל מודלים מדויקים

אפילו עבור ייצוג נפוץ כמו מודל אמפלט (Amphlett), כמה פרמטרים מרכזיים אינם ניתנים למדידה ישירה. הם מתארים, למשל, כמה מהר מתרחשות תגובות באלקטרודות, כמה בקלות הפרוטונים נעים דרך הממברנה וכמה מתח אובד כאשר הגזים נדחקים מאתרי התגובה. מספרים נסתרים אלה חייבים להיאמד על ידי התאמת עקומת מתח־זרם של המודל לנתונים ניסיוניים מערימות תאים אמיתיות. תהליך ההתאמה מורכב: הפיזיקה הבסיסית לא ליניארית מאוד, ורבים משילובי הפרמטרים השונים עלולים להיראות סבירים. בעשור האחרון פנו חוקרים לאלגוריתמים מטהיוריסטיים — שיטות חיפוש המושפעות מחיות, פיזיקה או התנהגות אנושית — כדי למצוא מערכי פרמטרים שממזערים את ההבדל בין תחזיות המודל למדידות.

ממרוצי סוסים עתיקים לאופטימיזציה מודרנית

השיטה הנבדקת במחקר זה, הקרויה אופטימיזציית מרוצי הסוסים של טיאנג'י (THRO), מבוססת על סיפור מפורסם שבו גנרל בשם טיאנג'י מנצח מלך בתחרות של שלושה מרוצים על ידי התאמת הסוסים שלו באופן אסטרטגי במקום להשוות חזקים לחזקים. בגרסה האלגוריתמית, פתרונות מועמדים לבעיה מתייחסים כאל סוסים משתי אסטבליות. בכל איטרציה מדורגים הסוסים ומזווגים בדרכים שונות — לפעמים מחלישים מול חזקים, לפעמים חזקים מול חזקים — כדי לקדם גם חיפוש רחב וגם כוונון מדויק. לאחר כל "מרוץ" האלגוריתם מעדכן את תכונות הסוסים, דוחף אותם לכיוון ביצועים טובים יותר ובו בזמן מכניס כמות מבוקרת של אקראיות. סכימת ההתאמות והאימונים הדינמית הזו נועדה למנוע תקיעה בפתרונות גרועים בעוד שהיא מכוונת בהדרגה למערך הפרמטרים הטוב ביותר.

מבחן לשיטה החדשה

המחברים יישמו את THRO על שישה ערימות PEMFC מסחריות ידועות, בטווח של יחידות קטנות של 250 וואט ועד מערכות גדולות יותר כמו NedStack PS6 ו‑Ballard Mark V. לכל ערימה המטרה היתה לכוונן שבעה פרמטרי מודל כך שמתח המודל יתאים ככל האפשר לנתוני מתח‑זרם ניסיוניים בתנאים שונים. ביצועי THRO הושוו עם חמישה שיטות מטהיוריסטיות עדכניות בעלות שמות צבעוניים כגון Flood Algorithm, Educational Competition Optimizer, Kepler Optimization Algorithm, Fata Morgana Algorithm ו‑Spider Wasp Optimizer. לכל האלגוריתמים ניתנו אותו מספר פתרונות מועמדים ואיטרציות, וכל מבחן הושב 30 פעמים כדי להעריך אמינות. בכל הערימות THRO סיפק בעקביות את סכום ריבועי השגיאות הנמוך ביותר — כלומר ההתאמה הקרובה ביותר לנתונים האמיתיים — ולראיית מופת, התוצאות שלו השתנו רק במעט בין הרצות, מה שמעיד על תנודות התכנסות נמוכות מאוד.

מה המספרים משמעותיים עבור מערכות אמיתיות

מעבר לציוני שגיאה גלמיים, המחקר בחן עד כמה מהר וחלק האלגוריתמים מתכנסים, עד כמה הרגישות שלהם לנקודות התחלה אקראיות, וכמה טוב הפרמטרים שהושגו פועלים בתנאי פעולה חדשים. THRO לא רק השווה או עבר את המתחרים בדיוק, אלא גם ייצר כמעט תמיד מערכי פרמטרים זהים בכל הרצה ועבר בדיקות סטטיסטיות מחמירות יותר של משמעותיות. כאשר המודל המכויל שימש לחיזוי התנהגות תא הדלק בלחצים וטמפרטורות גז שונים, העקומות המשיכו להיתלות עם המדידות הניסיוניות, מה שמצביע על הכללה טובה. הפשרה העיקרית היא ש‑THRO עלול לקחת מעט יותר זמן חישובי בהשוואה למתחרים המהירים ביותר, אם כי עלותו נשארת סבירה עבור תכנון וניתוח לא בזמן אמת.

מדוע זה חשוב למעבר האנרגטי

ללא מומחים, המסר פשוט: כיוונון טוב יותר של מודלי תאי דלק מוביל לתכנון, בקרה ומעקב בריאות טובים יותר של מערכות מימן. על ידי מציאת מערכי פרמטרים המגרילים את המודלים כך שישקפו במדויק את המציאות עבור ערימות מסחריות ותנאי עבודה שונים, גישת מרוצי הסוסים של טיאנג'י מציעה כלי חדש וחזק למהנדסים. בעוד ששיטה זו מתאימה כיום בעיקר לשימוש לא מקוון, שיפורים או שילובים עם שיטות מהירות יותר עשויים להביאה לשימוש בזמן אמת, ובכך לסייע לטכנולוגיית תאי הדלק לממש את הבטחתה לאספקת חשמל נקי וגמיש במעבר הרחב משימוש בדלקים פוסיליים.

ציטוט: Bouali, Y., Imarazene, K., Alamri, B. et al. Optimization of proton exchange membrane fuel cell design parameters using Tianji’s horse racing optimization. Sci Rep 16, 4980 (2026). https://doi.org/10.1038/s41598-026-35200-6

מילות מפתח: תא דלק ממברנת חילוף פרוטונים, אנרגיית מימן, אלגוריתם אופטימיזציה, כיול מודל, חשמל מתחדש