レドックスフロー電池の流路構造設計を対象としたデータ駆動型トポロジー最適化

2022 年度 研究成果報告書

• 研究課題/領域番号: 20H02054
• 研究種目: 基盤研究(B)
• 配分区分: 補助金
• 応募区分: 一般
• 審査区分: 小区分18030:設計工学関連
• 研究機関: 大阪大学
• 研究代表者: 矢地 謙太郎 大阪大学, 大学院工学研究科, 助教 (90779373)
• 研究期間 (年度): 2020-04-01 – 2023-03-31
• キーワード: トポロジー最適化 / 深層学習 / レドックスフロー電池 / 深層生成モデル

研究成果の概要

風力や太陽光といった自然エネルギーを貯蔵するための次世代の大規模蓄電システムとして、レドックスフロー電池(RFB: Redox Flow Battery)が注目を集めている。これに伴い、RFBに関する研究開発が世界各国で盛んに行われているものの、実用化にはさらなる充放電性能の向上が求められている。この課題に対し本研究では、数理的な最適設計手法を駆使することで、RFBの超高性能化に繋がる革新的な流路構造の創成を目的とした。具体的な取り組みとして、実際を想定した電気化学反応モデルによる評価を組み込んだデータ駆動型トポロジー最適化を開発し、数値実験による例題検証を通して有望な設計解の創成にした。

自由記述の分野

最適設計

研究成果の学術的意義や社会的意義

本研究では、従来のトポロジー最適化に代わる新しい最適設計法を開発し、それをRFBの流動場設計に展開した点に学術的新規性がある。特に今回構築したデータ駆動型トポロジー最適化については、従来のトポロジー最適化が主に勾配法に基づく最適化法であるのに対し、勾配を一切用いることなく高次元の最適化を実現している点は注目に値する。実社会において価値のある最適化問題は往々にして複雑であり有効な勾配を取り出しにくいことが少なくないことから、RFBに限らず実際の設計問題への展開も今後期待できる。