Probabilistische datenbasierte SOC Modellierung

Grüner Wasserstoff spielt eine entscheidende Rolle beim Übergang zu grüner Energie und bei der Dekarbonisierung des Energiesystems. Dabei kann das Potenzial des grünen Wasserstoffs als besonders wichtig für verschiede Branchen wie die kohlenstoffintensive Produktion von Materialien wie Stahl und Zement oder die chemische Industrie angesehen werden. Wasserstoff bietet die Möglichkeit zur Dekarbonisierung in diesen Sektoren, entweder als kohlenstofffreier, energiedichter Brennstoff oder als notwendiger Rohstoff im Produktionsprozess. Die Festoxidzellentechnologie (SOC) ist eine vielversprechende Technologie auf dem Gebiet des Wasserstoffs. Durch den Einsatz einer Festoxid- Brennstoffzelle/Elektrolysezelle kann die Erzeugung von Strom, Wärme und Wasserstoff in einer einzelnen Einheit realisiert werden. Im Gegensatz zu anderen Brennstoffzellentechnologien, die auf Platinkatalysatoren angewiesen sind, verwenden SOC-Systeme günstigere und leicht verfügbare Rohstoffe wie Nickel und Stahl und bieten gleichzeitig eine hohe Brennstoffflexibilität. Darüber hinaus bietet die SOC- Technologie den höchsten Umwandlungswirkungsgrad unter den Brennstoffzellentechnologien, sowohl im Brennstoffzellen- als auch im Elektrolysemodus. Daher ist die SOC-Technologie ein Top-Anwärter für die Wasserstofferzeugung in verschiedensten stationären Anwendungen. Trotz des großen Potenzials wird die breite Kommerzialisierung der SOC-Technologie durch Probleme wie beschleunigte Leistungsdegradation und mikrostrukturelle Alterung gebremst. Das Ziel dieses Projektes ist es, probabilistische, datengesteuerte Techniken zu entwickeln, die interpretierbare Modelle liefern, Expertenwissen integrieren, um die Trainingsdauer erheblich zu reduzieren, sowie die Interpretierbarkeit des Modells und seine Fähigkeit, mit begrenzten Datensätzen trainiert zu werden, verbessern. Das Training dieser Methoden mit begrenzten Datensätzen ist von entscheidender Bedeutung, da die Bereitstellung großer Mengen experimenteller Daten aufgrund zeitlicher oder finanzieller Beschränkungen möglicherweise nicht realisiert werden kann. Daher wird die Einbeziehung von Expertenwissen notwendig, um den Mangel an Daten zu kompensieren. Im Rahmen der Studie werden verschiedene Betriebsbedingungen und Fehlerspezifikationen sowohl im Brennstoffzellen- als auch im Elektrolysemodus eingehend untersucht. Diese Untersuchungen werden sich auf eine begrenzte Anzahl irreversibler Fehlerarten konzentrieren, wie z. B. hohe Brennstoff-/Dampfausnutzung, Kohlenstoffablagerung, Nickelreoxidation, YSZ-Zerkleinerung oder Ablagerungen auf dem Katalysator. In der Studie werden auch die experimentellen Anforderungen unter Berücksichtigung von Ressourcen- und Zeitbeschränkungen bewertet. Um die Kohlendioxidemissionen zu verringern, wird die elektrochemische Umwandlung von CO2 zur Erzeugung von Synthesegas und umweltfreundlichen Kraftstoffen durchgeführt.