Proton değişim membranlı yakıt pili tasarım parametrelerinin Tianji’nin at yarışı optimizasyonu ile optimizasyonu

Daha temiz enerjiye doğru yarış

Hidrojen yakıt hücreleri, arabalar, evler ve yedek güç sistemleri için sessiz, temiz elektrik vaat ediyor — ancak yalnızca onları doğru şekilde modelleyip kontrol edebilirsek. Bu makale, eski bir Çin at yarışı hikâyesinden ilham alan alışılmadık bir algoritmanın yakıt pili modellerini birçok modern rakibinden çok daha hassas bir şekilde ayarlayabildiğini gösteriyor; bu da hidrojen teknolojilerinin daha güvenilir ve gerçek dünya enerji sistemlerine entegre edilmesinin kolaylaşabileceği anlamına geliyor.

Bu yakıt hücreleri elektriği nasıl üretiyor

Proton değişim membranlı yakıt hücreleri (PEMFC), hidrojen ve oksijeni elektrik, ısı ve suya dönüştürür. Her hücre içinde hidrojen gazı bir tarafa (anot) gelir; burada pozitif yüklü protonlara ve elektronlara ayrışır. Protonlar ince plastik benzeri bir membrandan kayarak geçerken elektronlar harici bir devre etrafında yol almak zorunda kalır ve bu sırada faydalı iş yaparlar. Diğer tarafta (katot), protonlar, elektronlar ve oksijen birleşerek su oluşturur. Pratik gerilimlere ulaşmak için birçok bireysel hücre üst üste istiflenir ve taşıtlarda ile sabit güç ünitelerinde kullanılan yakıt pili paketlerini oluşturur. Bu sistemleri tasarlamak, kontrol etmek ve teşhis etmek için mühendisler; sıcaklık, basınç ve gaz nemi gibi çalışma koşulları için bir paket gerilimini tahmin eden matematiksel modellere güvenir.

Doğru modeller neden zor elde edilir

Ampflett gibi yaygın kullanılan bir temsil için bile birkaç önemli parametre doğrudan ölçülemez. Bunlar, örneğin elektrotlardaki reaksiyonların ne kadar hızlı ilerlediğini, protonların membran içindeki hareketinin ne kadar kolay olduğunu ve gazların reaksiyon bölgelerine yaklaştığında ne kadar gerilim kaybedildiğini tanımlar. Bu gizli sayılar, modelin gerilim-akım eğrisini gerçek yakıt pili paketlerinden alınan deneysel verilerle eşleştirerek çıkarılmalıdır. Bu eşleştirme süreci zordur: temel fizik güçlü şekilde doğrusal olmayan özellikler taşır ve farklı parametre kombinasyonlarının birçoğu makul görünebilir. Son on yılda araştırmacılar, hayvanlardan, fizikten veya insan davranışından ilham alan arama yöntemleri olan sözde meta-sezgisel algoritmalara yöneldi; amaç model öngörüleri ile ölçümler arasındaki farkı minimize eden parametre setlerini bulmaktır.

Eski at yarışlarından modern optimizasyona

Bu çalışmada incelenen yönteme Tianji’nin At Yarışı Optimizasyonu (THRO) denir ve bir general Tianji’nin, en güçlü atları karşılaştırmak yerine atlarını stratejik olarak eşleştirerek bir kralı üç yarışta yendiği ünlü bir hikâyeye dayanır. Algoritmik versiyonunda, bir problemin aday çözümleri iki ahıra ait atlar gibi ele alınır. Her yinelemede bu atlar sıralanır ve farklı şekillerde eşleştirilir — bazen zayıfı güçlüye, bazen güçlüyü güce karşı koyarak — böylece hem geniş keşif hem de ince ayar teşvik edilir. Her “yarış”tan sonra algoritma atların özelliklerini günceller; onları daha iyi performansa doğru iterken kontrollü miktarda rastgelelik ekler. Bu dinamik eşleştirme ve eğitim düzeni, kötü çözümlerde takılıp kalmayı önlemeyi ve en iyi parametre setine istikrarlı biçimde yaklaşmayı hedefler.

Yeni yöntemi teste sokmak

Yazarlar THRO’yu 250 watt’lık küçük birimlerden NedStack PS6 ve Ballard Mark V gibi daha büyük sistemlere kadar uzanan altı iyi bilinen ticari PEMFC paketine uyguladı. Her paket için amaç, modelin geriliminin çeşitli koşullar altında deneysel gerilim-akım verilerini yakından izleyecek şekilde yedi model parametresini ayarlamaktı. THRO’nun performansı, Flood Algorithm, Educational Competition Optimizer, Kepler Optimization Algorithm, Fata Morgana Algorithm ve Spider Wasp Optimizer gibi renkli isimlere sahip beş güncel meta-sezgisel yöntemle karşılaştırıldı. Tüm algoritmalara aynı sayıda aday çözüm ve yineleme verildi ve güvenilirliği değerlendirmek için her test 30 kez tekrarlandı. Tüm paketler genelinde THRO tutarlı biçimde en düşük kareler toplam hatasını sağladı — yani gerçek verilere en yakın uyumu verdi — ve dikkat çekici şekilde, sonuçları yinelemeler arasında yalnızca çok küçük farklılıklar göstererek çok stabil bir yakınsama sergiledi.

Rakamların gerçek sistemler için anlamı

Ham hata skorlarının ötesinde çalışma, algoritmaların ne kadar hızlı ve düzgün yakınsadığını, rastgele başlangıç noktalarına ne kadar duyarlı olduklarını ve ortaya çıkan parametrelerin yeni çalışma koşullarında ne kadar iyi iş çıkardığını inceledi. THRO yalnızca rakip yöntemlerle doğruluk açısından eşleşmekle kalmadı, her çalıştırmada neredeyse özdeş parametre setleri üretti ve daha sıkı istatistiksel anlamlılık testlerini geçti. Ayarlanan model farklı gaz basınçları ve sıcaklıklarında yakıt pili davranışını tahmin etmek için kullanıldığında, eğrileri deneysel ölçümlerle hizalanmaya devam etti ve iyi genelleme gösterdi. Temel takas, THRO’nun çok en hızlı rakiplere kıyasla hesaplama açısından biraz daha uzun sürebilmesi; ancak maliyeti çevrimdışı tasarım ve analiz için makul düzeyde kalır.

Enerji geçişi için bu neden önemli

Uzman olmayanlar için mesaj basit: yakıt pili modellerinin daha iyi ayarlanması, hidrojen sistemlerinin daha iyi tasarımına, kontrolüne ve sağlık izlemeye yol açar. Tianji’nin at yarışı yaklaşımı, farklı ticari paketler ve çalışma koşulları boyunca modellerin gerçeği yakından yansıtmasını sağlayan parametre setlerini güvenilir şekilde bularak mühendisler için güçlü yeni bir araç sunuyor. Hâlâ öncelikle çevrimdışı kullanım için uygun olmakla birlikte, daha hızlı yöntemlerle yapılan iyileştirmeler veya melezler onu gerçek zamanlı uygulamalara daha da yaklaştırabilir ve böylece yakıt pili teknolojisinin fosil yakıtlardan uzaklaşmada temiz ve esnek güç vaadini yerine getirmesine yardımcı olabilir.

Atıf: 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

Anahtar kelimeler: proton değişim membranlı yakıt pili, hidrojen enerjisi, optimizasyon algoritması, model kalibrasyonu, yenilenebilir enerji