プロトン交換膜燃料電池のパラメータ推定のための改良型コロナウイルス病最適化アルゴリズムの評価

よりクリーンな未来のための賢い電力

自動車、家庭、機器の電源をよりクリーンにする方法を世界が模索する中、燃料電池は水素をほとんど騒音や局所的な汚染なく電力に変換する点で際立っています。しかし、これらの装置を最大限に活用するには、各燃料電池内に存在するいくつかの隠れた設定値を把握する必要があります。本研究は、それらの隠れた設定をより正確かつ迅速に見つけ出せる新しいスマートな探索手法を導入し、エンジニアがより効率的なシステムを設計できるようにし、燃料電池搭載車両のデジタルツインや制御の向上への道を開きます。

燃料電池が慎重な調整を必要とする理由

プロトン交換膜燃料電池（PEM燃料電池）は、固定式発電所からノートパソコン、電気自動車まで幅広く有望です。各セル内では化学反応、熱、水、電気が複雑に相互作用します。メーカーは反応の立ち上がり速度、膜で失われる電圧、ガスの拡散など、この挙動を記述するすべての詳細なパラメータを公開することはめったにありません。それでも、これらの数値は異なる負荷や温度でセルがどう振る舞うかを予測し、故障を早期に検出し、システムの効率と安全性を保つコントローラを設計する上で重要です。これらを見つける作業は、モデルの電圧—電流曲線が実測値にできるだけ近づくように何度も調整することを意味します。

より良い解を求める自然に学んだ探索

これらの隠れた設定の探索空間は広く複雑なので、研究者はしばしば動物群、捕食行動、氷形成などの物理現象を模したメタヒューリスティックアルゴリズムに頼ります。ここ数年で、差分進化の派生、セイウチやウサギに着想を得た最適化手法、アリコロニー方式、さらには強化学習など、さまざまな手法が燃料電池モデルに試されてきました。これらのアプローチは通常、測定値とシミュレーション電圧との差を二乗誤差和として最小化することを目指します。いくつかは良好な解に到達できますが、探索の幅広さと局所的な改善の集中を両立させるのが難しく、進行が遅くなったり局所最適にとらわれたりするリスクがあります。

ウイルスに着想を得た手法へのメモリを取り入れた工夫

著者らは、ウイルスが細胞に入り、複製し、変異する様子を模したCoronavirus Disease Optimization Algorithm（COVIDOA）という最近のアルゴリズムを基にしています。元の手法は探索能力が高い一方で、これまでに見つかった最良解からの強い導きが乏しく、あちこち彷徨いがちでした。新バージョン（memory based COVIDOA）は二つのアイデアを追加します。まず、優秀な候補をメモリとして保持し、それらが個体群を導くことで、探索の初期段階では広範な探索を行い、後期には最も強い解の周辺で微調整へと徐々に移行させます。次に、すべての候補が似通ってしまった際に探索を活性化できるランダムな探索戦略を導入します。これらの変更により、多様性を保ちながら速度と精度の両方を改善することを目指しています。

新手法の性能

燃料電池に取り組む前に、チームはこのメモリベースのアルゴリズムを標準的な12の難問数式テストセットで評価し、元のCOVIDOAおよび他の4つの代表的最適化手法と比較しました。これらの多くのテストで、新手法は目的関数値がより低く、試行間のばらつきが小さく、収束が速い結果を示しました。統計的検定により、これらの改善は偶然によるものではないことが確認されました。研究者らは次に、現実のPEM燃料電池スタックであるNedStack PS6に手法を適用しました。ここでは広く用いられる半経験的モデルの6つの主要パラメータを現実的な範囲内で同定する必要がありました。目的は、各アルゴリズムで30回の独立試行を行い、予測電圧と観測電圧の二乗誤差和を最小化して測定された電圧—電流曲線に合わせることでした。

実データに対する結果

NedStack PS6のデータ上で、メモリベース手法は最も低い誤差値を達成し、競合する最良手法をわずかに上回り、かつ試行間のばらつきも小さくなりました。得られたフィットパラメータは、広い電流範囲で測定値に密接に追従する電圧予測を生み出しました。収束のグラフは、他のアルゴリズムも最終的に良好な解に近づける場合がある一方で、新手法は通常、より早い段階で高品質領域に定着することを示しており、計算資源が限られたリアルタイムや組み込み用途で重要です。ボックスプロットとロバストネス曲線も、群れやウイルスに着想を得た他手法と比べて、再現性の高さと一貫した挙動を裏付けました。

クリーンエネルギーシステムへの示唆

簡潔に言えば、本研究はウイルスに着想を得た探索戦略にメモリを付与した賢い手法が、いくつかの既存の競合手法よりも燃料電池モデルの隠れた設定をより正確かつ信頼性高く特定できることを示しています。より良いモデルが得られれば、エンジニアは実際の燃料電池をソフトウェア上で忠実に再現するデジタルツインを構築でき、新しい制御戦略の試験、性能予測、ハードウェアを危険にさらさずに問題の検出が可能になります。本研究は特定の燃料電池スタックに焦点を当てましたが、このアプローチは一般的であり、重要なパラメータの直接測定が困難な他のクリーンエネルギー装置や複雑なシステムにも適用できます。

引用: Ismaeel, A.A.K., El-Rifaie, A.M., Hashim, F.A. et al. Assessment of a modified Coronavirus Disease Optimization Algorithm for Parameter Estimation of Proton Exchange Membrane Fuel Cells. Sci Rep 16, 15988 (2026). https://doi.org/10.1038/s41598-026-52533-4

キーワード: プロトン交換膜燃料電池, パラメータ推定, メタヒューリスティック最適化, デジタルツイン, クリーンエネルギーシステム