釩液流電池具有安全性高、循環壽命長、效率高等優勢，在大規模儲能領域具有非常廣闊的應用前景。目前，全釩液流電池正處于商業化示范階段，如何進一步降低成本、提高效率，對其大規模產業化具有重要意義。近日，中科院大連化物所李先鋒研究員、張華民研究員領導的科研團隊提出了一種基于機器學習的全釩液流電池電堆性能和系統成本的預測與優化策略，運用AI技術提高全釩液流電池研發效率、縮短研發周期，為全釩液流電池的研究開發提供了很好的指導作用，有望加速其產業化進程。該工作于近日發表在《能源與環境科學》上。

 

       全釩液流電池系統成本由電堆（功率）成本、電解液（能量）成本、控制系統成本等組成。其中，電堆與電解液的成本與電堆的性能息息相關；而電堆的性能受關鍵材料、電堆結構、操作條件等多方面因素的影響。若僅采用實驗的方法來優化電堆結構和性能耗時較長，因此如何高效有針對性地對電堆結構和性能進行優化至關重要。

 

       該團隊基于其在全釩液流電池電堆研發過程中的十幾年積累和大量電堆數據，采用機器學習的方法預測全釩液流電池電堆性能和系統成本。此項研究工作不僅對全釩液流電池電堆的研發具有指導意義，而且也為將機器學習與實驗科學相結合的方法來優化和預測復雜系統的行為提供了新思路。以上工作得到國家自然科學基金委、中國科學院戰略性先導科技專項（A類）“變革性潔凈能源關鍵技術與示范”、中科院電化學儲能技術工程實驗室等資助。