שיטת הערכת פרמטרים למידול תאי דלק ממברנת חילוף פרוטונים בהתבסס על אלגוריתם אבולוציוני דיפרנציאלי משופר ברמה המטא

כיול חכם יותר למכשירי אנרגיה נקייה

תאי דלק נתפשים לעתים כדרך מבטיחה לכלי רכב נקיים יותר, לאוטובוסים ולגיבוי חשמלי. אך כדי לתכנן ולשלוט במכשירים אלה כראוי, מהנדסים זקוקים למודלים מתמטיים המתנהגים כמו החומרה בפועל. מאמר זה מציג שיטה חדשה לכוונון אוטומטי של מודלים אלה, כך שיתאימו טוב יותר לנתונים ניסיוניים. העבודה מתמקדת בתאי דלק ממברנת חילוף פרוטונים (PEMFC), סוג מוביל של תאי דלק, ומדגימה כיצד אלגוריתם חיפוש מתקדם יכול לחשוף את הפרמטרים הנסתרים השולטים בביצועים שלהם.

מדוע "כפתורי" תא הדלק חשובים

בתוך תא דלק PEM מתרחשים בו זמנית תהליכים פיזיקליים וכימיים רבים: גזים זורמים, מתרחשות תגובות באלקטרודות ויונים נעים דרך הממברנה. מהנדסים לעתים קרובות אינם יכולים למדוד ישירות את ה"כפתורים" הפנימיים החשובים של המערכת, כגון התנגדויות מגע או כמה בקלות גזים מתפשטים דרך נקבוביות זעירות. במקום זאת, הם מסיקים ערכים אלה על ידי כוונון מודל עד שעקומת המתח–זרם החזויה תתאים למה שנמדד בניסויים. עשייה מושכלת של משימה זו היא קריטית: מודלים מדויקים מסייעים בתכנון סטרקים לרכבים חשמליים ורשתות כוח, בתכנון תחזוקה, בגילוי תקלות מוקדם ובהפחתת הצורך בפרוטוטיפים יקרים.

מדוע שיטות מסורתיות אינן מספיקות

מציאת הפרמטרים הנכונים אינה תרגיל פשוט של התאמת עקומה. המשוואות השולטות בתאי דלק PEM הן חזקות לא‑ליניאריות, ורבים מהפרמטרים משפיעים זה על זה. שיטות קלאסיות, כגון רגרסיית מרובעים קטנים ושיטות מונחות נגזרת, נוטות להיתקע בפתרונות תת‑אופטימליים או לדרוש כיוונון ידני קפדני. בעשור האחרון פנו חוקרים למה שמכונה מטא‑היוריסטיקות — אסטרטגיות חיפוש בהשראת אבולוציה, נשירים או התנהגות טורף־טרף — כדי לסרוק שילובים רבים של פרמטרים. גישות אלה עובדות טוב יותר בנופים קשים אך עדיין תלויות בחוזקה ב״הגדרות״ שלהן, כגון גודל הצעד בעת מוטציה של מועמד פתרון.

חיפוש אבולוציוני המשפר את עצמו

המחברים בונים על מטא‑היוריסטיקה ידועה בשם אלגוריתם דיפרנציאלי ומעטפת אותה בשכבת אבולוציה נוספת. באלגוריתם המשופר ברמת המטא של דיפרנציאל אבולוציה (EMEDEA), תהליך אבולוציוני אחד ("מפתח") מחפש הגדרות טובות עבור הממזער הפנימי — חוזק המוטציה, שיעור המעורב והאסטרטגיה המועדפת לחיפוש. הממזער הפנימי ("מבצע") משתמש בהגדרות אלה כדי לחפש את פרמטרי תא הדלק הטובים ביותר, שנמדדים לפי סכום ריבועי ההבדלים בין המתח הנמדד לבין המתח הניבוי של הסטרק. נוספה למידה מבוססת התנגדות: לכל הגדרה ניסיון נבדקת גם ה"מראה" שלה במרחב החיפוש, לשמירה על חקירה רחבה. טווחי ההגדרות המותרים מתכווננים בזמן אמת — מתצרצים כאשר ההתקדמות טובה כדי לדייק אזורים מבטיחים, ומתרחבים כשההתקדמות נתקעת כדי לברוח ממבוי סתום. כל זאת מיושם על מעבדי גרפיקה כך שניתן להעריך מועמדים רבים במקביל.

בחינת השיטה במבחן המעבדה

לפני שבדקו תאים אמיתיים, הצוות בחר בגוון על EMEDEA על פונקציות מבחן מתמטיות סטנדרטיות שבהן האופטימום האמיתי ידוע. השוואות סטטיסטיות הראו שהשיטה שלהם עקבית ועלה על ביצועי האלגוריתם הדיפרנציאלי הבסיסי וכן על גרסה מטא‑אבולוציונית מוקדמת יותר, תוך התכנסות מהירה ואמינה יותר. לאחר מכן יישמו המחברים את EMEDEA על שלושה סטרקים שונים של תאי דלק PEM בטווח של 250 וואט עד 5 קילוואט. עבור כל מכשיר, האלגוריתם העריך שבעה פרמטרים אמפיריים עיקריים ששולטים באובדני האקטיבציה, בהתנגדות האוהמית ובאפקטי מסה‑הובלה. בכל המקרים המודל שהתקבל שחזר את עקומות המתח–זרם הניסיוניות עם שגיאות זניחות, וסכום הריבועים הכולל היה נמוך מזה שהושג על ידי מגוון רחב של אלגוריתמים שהוצעו לאחרונה, כולל אסטרטגיות משוכללות של להקות והיברידות.

מה משמעות הדבר עבור תאי דלק בעתיד

המחקר מראה שלהעניק לאלגוריתם אופטימיזציה יכולת לכוונן את עצמו עשוי להתברר כרווחי בפועל. EMEDEA לא רק מוצא קבוצות פרמטרים המתאימות לניסויים בקירוב גבוה, אלא גם מגיע לפתרונות אלה במעט איטרציות יחסית — דבר שחשוב כאשר כל הערכה של מודל יקרה חישובית. בעוד העבודה מתמקדת בהתנהגות בת‑מצב יציב ומסתמכת על נתוני מעבדה איכותיים, המחברים טוענים שניתן להרחיב את הרעיון למעקב אחר פרמטרים משתנים בזמן, לשלב השפעות התדרדרות ותרמית, ולהריץ אותו במערכות בקרה בזמן אמת. במילים פשוטות, הם מציעים "מנוע כיול" אוטומטי חכם שיכול לעזור שמערכות תאי הדלק העתידיות ירוצו ביעילות גבוהה יותר, יחזיקו מעמד זמן רב יותר וישולבו בביטחון רב יותר ברכבים וברשתות כוח.

ציטוט: Pattanaik, V., Parida, S.M., Malika, B.K. et al. A parameter estimation method for modelling proton exchange membrane fuel cell based on enhanced meta evolutionary differential evolution algorithm. Sci Rep 16, 12672 (2026). https://doi.org/10.1038/s41598-026-42394-2

מילות מפתח: תא דלק ממברנת חילוף פרוטונים, הערכת פרמטרים, אופטימיזציה אבולוציונית, אלגוריתם דיפרנציאלי, מידול אנרגיה נקייה