Doğrudan metanollü yakıt hücrelerinin yapay sinir ağları ve bulanık mantık metotlarıyla modellenmesi

Abstract

Yakıt hücreleri kimyasal enerjiyi elektrik ve ısı enerjisine dönüştüren elektrokimyasal düzeneklerdir. Son yıllarda PEM (Polimer Elektrolit Membran) yakıt hücrelerinin iki türü, hidrojen PEM yakıt hücreleri ve DMFC (Doğrudan Metanollü Yakıt Hücresi) araştırmacıların ilgisini büyük ölçüde çekmektedir. Yakıt hücrelerinin modellenmesi, analizi ve simulasyonu, performanslarının geliştirilmesi açısından önemlidir. PEM yakıt hücrelerinin performansının tahmini için değişik düzeylerde ayrıntı içeren matematiksel modeller geliştirilmiştir. Ancak ayrıntılı modellerin analitik çözümleri mümkün değildir, nümerik çözüm gerektirmektedirler, çok sayıda parametre içerdiklerinden uygulanabilirlikleri zordur. Yapay Sinir Ağları ve Bulanık Mantık modelleri; sistem parametrelerinin birbirleriyle ilişkilerini inceleyen ve hücrenin performansının tahmin etmede kullanılan parametrik olmayan bir tekniktir. Bu teknik incelenen sistemin lineer olmayan davranışlarını içerebilen çok kolay bir metottur. Bu çalışmada akım yoğunluğu, sıcaklık, metanol konsantrasyonu, metanol debisi ve hava debisi incelenen yakıt hücresi performansında değişkenler olarak kullanılmış ve istatistiksel metotlarla tasarlanmış deney planı çerçevesinde polarizasyon eğrileri elde edilmiştir. Daha sonra, hücrenin gerilim ve güç değerleri, değişkenlerin fonksiyonu olarak Yapay Sinir Ağları ve Bulanık Mantık metotlarıyla modellenmiştirFuel cells are electrochemical devices that convert chemical energy to electrical and thermal energy. In the past decades, primarily two types of PEM (Polymer Electrolyte Membrane) fuel cells, hydrogen PEM fuel cell and DMFC (Direct Methanol Fuel Cell) have attracted significant amount of research interest. Modeling, analysis and simulation of fuel cells are very important in terms of improving their performance. Mathematical models that have details of different approaches were developed to predict PEM fuel cell performance. But, analytical solutions of detailed models are not possible, they require numerical solutions and they are difficult to apply as they have many parameters. Artificial Neural Network and Fuzzy Logic models are non-parametric techniques that analyse relationships between system parameters, employed to estimate the cell performance. These techniques are very simple methods as they can include non-linear characteristics of systems analyzed. In this study, current density, temperature, concentration of methanol solution, methanol and oxidant flow rate were used as variables of analyzed fuel cell performance and polarization curves were obtained within the framework of an experimental design that was designed by statistical methods. Subsequently, cell potential and power values were modelled with Artificial Neural Network and Fuzzy Logic methods as a function of system.variables.