论文标题：Active learning-assisted optimization and investigation of gas diffusion layer physical properties in anion exchange membrane water electrolyzers

期刊：ENGINEERING Chemical Engineering

作者：Junliang Xiao, Shengwei Yuan, Lin Guo, Haoyang Tang, Haiyang Zhao, Liang Wang, Fan Fan, Yang Zhou & Quan Xu

发表时间：21 July 2026

DOI：10.1007/s11705-026-2693-z

微信链接：点击此处阅读微信文章

文章信息

文章题目

Active learning-assisted optimization and investigation of gas diffusion layer physical properties in anion exchange membrane water electrolyzers

文章来源

Junliang Xiao, Shengwei Yuan, Lin Guo, Haoyang Tang, Haiyang Zhao, Liang Wang, Fan Fan, Yang Zhou, Quan Xu. Active learning-assisted optimization and investigation of gas diffusion layer physical properties in anion exchange membrane water electrolyzers. ENG. Chem. Eng., 2026, 20 (10) : 80

DOI:10.1007/s11705-026-2693-z

文章导读

针对阴离子交换膜水电解槽（AEMWE）核心部件气体扩散层（GDL）多物性参数协同优化难题，中国石油大学（北京）重质油全国重点实验室徐泉教授团队在ENG. Chem. Eng. 发表论文，构建了耦合多物理场机理仿真与主动学习智能优化的一体化分析框架。基于 AEMWE 三维稳态多物理场耦合数值模型，阐明了渗透率、电导率和孔隙率对传质与传热过程的调控机制；在此基础上搭建多模型加权集成主动学习代理模型，用于电解池电化学性能优化。模型训练阶段均方根误差（RMSE）为16.5539，平均绝对误差（MAE）为12.9643；测试集决定系数R²达0.9994，RMSE为5.0240，MAE为4.0694。依托该框架得到最优电化学性能物性组合：渗透率1.18×10⁻¹⁰ m²、电导率2208.86 S·m⁻¹、孔隙率 0.605。该参数组合可有效抑制局部积热，消除传质瓶颈。优化后深度分析表明，该最优参数实现了电化学响应性能与多物理场分布均匀性的均衡兼顾。

文章亮点

三维多物理场仿真与多异构核加权主动学习一体化体系构建

依托 COMSOL 软件搭建AEMWE全结构三维稳态多物理场耦合数值模型，完善电化学、传质、能量输运全套控制方程，设置贴合实际工况的边界条件，通过极化曲线对比与网格无关性测试完成模型双重验证，建立了可定量表征气体扩散层渗透率、电导率和孔隙率调控作用的高精度仿真基底；针对高精度仿真算力高昂及单模型难以捕捉强非线性响应的问题，构建了由多类异质核高斯过程回归、通用克里金、随机树组成的加权集成主动学习代理模型，融合不确定性驱动采样与 K-means 批量聚类选点策略，搭配差分进化全局寻优算法，形成了“数值仿真-样本更新-模型迭代-仿真校验” 的闭环优化流程，大幅降低了参数寻优计算成本，实现了气体扩散层高维物性空间高效智能全局优化。

GDL 三个关键物性对传质/传热的差异化非线性调控机理

通过单因素变量法分别探究渗透率、电导率、孔隙率的独立作用规律，引入气体均匀度因子定量评价气液分布均匀性，揭示了渗透率存在 1×10⁻¹⁰ m² 临界流态转变阈值，低于该值易出现气相堵塞，高于该值会丧失输运驱动力；电导率可同步提升氢氧分布均匀度，而孔隙率对氢气和氧气传质存在不同效果；同时阐明了三类物性对电解池热场的不同影响机制，区分出主要传热参数与次要调控参数。

构建主动学习迭代演化评价体系，

验证多异构核加权代理模型超高预测精度

跟踪主动学习全迭代周期内决定系数R²、RMSE、MAE、预测方差等指标动态变化，解释迭代过程中精度短期波动属于参数空间全域探索的正常现象；完成模型鲁棒性校验，测试集R²高达0.9994，90%预测区间100%覆盖仿真真值，残差无系统性偏移，证实多异构核加权模型可有效削弱系统误差，能够精准捕获电解池高维非线性电化学响应。

多目标耦合全局寻优，获得兼顾电化学性能与多场均匀性的最优 GDL 物性组合

依托收敛后的主动学习代理模型开展全局优化，仅 9 轮迭代即完成收敛，优化后电解电流密度较基准工况提升4.1%，得到最优物性匹配：渗透率 1.18 × 10⁻¹⁰ m²、电导率 2208.86 S·m⁻¹、孔隙率 0.605；多物理场仿真复核证实该参数组合可消除传质瓶颈、抑制局部积热，实现了压力、组分和温度场均匀分布，同时明确了最优参数区间在非理想工况下具备良好鲁棒性，可为工程 GDL 设计提供直接量化依据。

亮图展示

图1 耦合高精度多物理场仿真、主动学习与异质核模型的 GDL 物性加权集成代理模型优化框架原理图。

图2 模型几何结构与验证结果：(a) 模型放大视图与计算网格；(b) 流道进出口布置示意图；(c) 仿真极化曲线与文献 [15] 实验数据对比验证；(d) 基于电流密度的网格无关性验证。

图7 最优 GDL 物性配置下多物理场分布与收敛性能：(a) 主动学习框架迭代性能演化曲线；(b, c) 氢气、氧气摩尔分数分布；(d) 温度场分布；(e, f) 优化参数仿真得到的阴阳极压力分布。

作者简介

通讯作者: 徐泉教授，博士生导师，国家级青年人才，长期从事铁铬液流电池长时储能关键材料及工程应用。博士毕业于美国北德克萨斯大学，2014年4月入职中国石油大学（北京）。承担包括国家自然面上基金与科技部重点研发等国家级基金项目，担任北京能源与环境学会理事，能源行业液流电池标准化技术委员会委员，中关村储能产业联盟会员液流电池专委会委员，中国化学与物理电源协会储能应用分会副主任委员，中国电子技术学会储能系统与装备专业委员会委员。获省部级一等奖2次，教材一等奖1次，以第一作者/通讯作者在Nature Communications等期刊发表系列工作近80篇，他引用7300余次。

免费全文