[论文解读] Integrated bio-electrochemical model for a micro photosynthetic power cell

Hemanth Kumar Tanneru, Resmi Suresh M P+7 more|arXiv (Cornell University)|Sep 29, 2016

Advanced battery technologies research参考文献 19被引用 5

一句话总结

本文提出了一种基于第一性原理的集总参数生物电化学模型，用于微型光合燃料电池（μPSC），通过非参数优化估计单一特征速率常数K，预测电压-电流特性。该模型识别出电极表面积是主要性能限制因素，而非细胞浓度或光照强度，并揭示了两种不同的工作模式：欧姆型和活化控制型，其结果经未用于参数估计的实验数据验证。

ABSTRACT

A simple first-principles mathematical model is developed to predict the performance of a micro photosynthetic power cell ($μ$PSC), an electrochemical device which generates electricity by harnessing electrons from photosynthesis in the presence of light. A lumped parameter approach is used to develop a model in which the electrochemical kinetic rate constants and diffusion effects are lumped into a single characteristic rate constant $K$. A non-parametric estimation of $K$ for the $μ$PSC is performed by minimizing the sum square errors (SSE) between the experimental and model predicted current and voltages. The developed model is validated by comparing the model predicted $v-i$ characteristics with experimental data not used in the parameter estimation. Sensitivity analysis of the design parameters and the operational parameters reveal interesting insights for performance enhancement. Analysis of the model also suggests that there are two different operating regimes that are observed in this $μ$PSC. This modeling approach can be used in other designs of $μ$PSCs for performance enhancement studies.

研究动机与目标

• 基于第一性原理，开发一种简化但具有预测能力的微型光合燃料电池（μPSC）数学模型。
• 通过模型分析，识别μPSC运行中的主导性能限制因素。
• 利用未用于参数估计的实验v-i数据对模型进行验证。
• 通过敏感性分析，实现对设计与运行参数的优化。
• 为未来μPSC设计提供性能提升的框架。

提出的方法

• 采用集总参数方法，将电化学动力学与扩散效应合并为单一特征速率常数K。
• 通过最小化实验值与模型预测电压和电流之间的平方和误差（SSE），实现K的非参数估计。
• 模型采用类似Butler-Volmer的表达式，并引入可调的电荷转移系数α，以避免K估计中的不连续性。
• 利用独立的实验v-i数据对模型进行验证，确认其预测准确性。
• 对电极面积和初始细胞浓度进行敏感性分析，评估其对性能的影响。
• 通过K与外接电阻的对数-对数分析，识别出两种不同的工作模式：欧姆型（K恒定）和活化限制型（K随负载减小）

实验结果

研究问题

• RQ1 在微型光合燃料电池运行中，主导性能限制因素是什么：电极表面积、细胞浓度还是光照强度？
• RQ2 如何通过简化的第一性原理模型，在不解析复杂多步反应机理的情况下，准确预测μPSC的v-i特性？
• RQ3 μPSC行为中的两种不同工作模式是什么，它们在参数K中如何体现？
• RQ4 电荷转移系数α的选择如何影响模型中参数估计的稳定性和准确性？
• RQ5 该模型在多大程度上可用于指导μPSC的设计与运行优化？

主要发现

• 该模型仅通过从实验数据中估计的一个参数K，即可准确预测μPSC的v-i特性。
• 敏感性分析表明，增加电极表面积可显著提升性能，而增加细胞浓度或光照强度则收益递减。
• 性能主要受限于电化学反应的活性表面积不足，而非细胞数量或光照供应。
• 识别出两种不同的工作模式：欧姆区（K恒定）和活化限制区（K随负载呈幂律下降）。
• α = 0.005时，K估计结果平滑且物理解释一致；而α = 0.5则导致K估计出现不连续性。
• 模型成功捕捉了高电流负载下的电压下降现象，表现为活化过电势，证实了在高电流区动力学限制占主导地位。