固体酸化物形燃料電池の劣化メカニズムの解明および定量予測に関する研究

Research Project

Project/Area Number	22KF0118
Project/Area Number (Other)	22F22370 (2022)
Research Category	Grant-in-Aid for JSPS Fellows
Allocation Type	Multi-year Fund (2023) Single-year Grants (2022)
Section	外国
Review Section	Basic Section 19020:Thermal engineering-related
Research Institution	The University of Tokyo
Principal Investigator	鹿園直毅東京大学, 生産技術研究所, 教授 (30345087)
Co-Investigator(Kenkyū-buntansha)	LYU ZEWEI 東京大学, 生産技術研究所, 外国人特別研究員
Project Period (FY)	2023-03-08 – 2025-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥2,200,000 (Direct Cost: ¥2,200,000) Fiscal Year 2024: ¥800,000 (Direct Cost: ¥800,000) Fiscal Year 2023: ¥1,100,000 (Direct Cost: ¥1,100,000) Fiscal Year 2022: ¥300,000 (Direct Cost: ¥300,000)
Keywords	燃料電池
Outline of Research at the Start	緩和時間分布（DRT）解析、等価回路モデル（ECM）フィッティング、3次元電極構造定量化技術、過電圧予測計算等を組み合わせて、SOFCの劣化メカニズムの定量的な解析を実施する。これにより，各劣化メカニズムが全体性能へ及ぼす寄与度を判定し，支配的な劣化因子を絞り込む．劣化メカニズムの評価は、様々な運転条件（燃料組成、燃料利用率、運転時間など）で評価する。
Outline of Annual Research Achievements	固体酸化物形燃料電池は高温で作動するため，長期運転時の信頼性を確保することがその普及のための大きなハードルとなっている．特に，高電流密度時および高燃料利用率時の電極劣化メカニズムを理解し，劣化を抑制することは極めて重要である．本研究では，Electrochemical Impedance Spectroscopy (EIS)解析, 共焦点イオンビーム走査型顕微鏡 (FIB-SEM)，機械学習による画像処理等を駆使することで，電極反応機構と電極構造変化の相関を定量的に評価し，メカニズム解明と劣化防止に寄与する知見を獲得することを目的として実施している．本年度は，Long Short Term Memoryネットワークを用いて，電圧変化波形および電気化学インピーダンス波形の予測を行う．その際のネットワークの構成およびパラメータの検討を行った．LSTMにおいて，周波数方向の波形データ，および時系列方向の波形データの両者を用いてインピーダンスの長期予測を行ったところ，インピーダンス波形の予測には周波数方向が，電流電圧カーブについては時系列方向の予測精度が高いことが分かった．性能劣化は，三相界面（Triple Phase Boundary）近傍での燃料極反応速度の劣化が支配的であり，続いて空気極の酸素還元反応が不活性化し，オーミック抵抗が増大することが要因であることが分かった．
Current Status of Research Progress	Current Status of Research Progress 2: Research has progressed on the whole more than it was originally planned. Reason 機械学習の一つであるLong Short Term Memoryネットワークによる予測は順調であり，これまで蓄積された実験データを良好に予測することができた．
Strategy for Future Research Activity	今後は，炭化水素燃料を用いた場合の劣化要因である燃料極中の炭素析出について，検討を行う予定である．