Polimer elektrolit membran (PEM) elektrolizör bileşenlerinin makine öğrenimi ile optimizasyonu
Optimization of polymer electrolyte membrane (PEM) electrolyzer components with machine learning
- Tez No: 966755
- Danışmanlar: DOÇ. DR. MEHMET FATİH KAYA, DR. ÖĞR. ÜYESİ SALTUK BUĞRA SELÇUKLU
- Tez Türü: Yüksek Lisans
- Konular: Enerji, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enerji Sistemleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 90
Özet
Polimer elektrolit membran (PEM) su elektrolizörleri (PEMSE) sürdürülebilir hidrojen üretimi için umut vericidir, ancak performanslarının optimize edilmesi halen zorlu bir konudur. Bu çalışma, PEM elektrolizör bileşenleri için makine öğrenmesi (MÖ) tabanlı bir optimizasyon yaklaşımı sunmakta olup, anot ve katot elektrokatalizör yüklemelerinin performans üzerindeki birleşik etkilerini araştırmaktadır. Katalizör yüklemeleri, membran türü, sıcaklık, akış hızı, tork ve akım yoğunluğu gibi parametreleri içeren 1344 örneklik deneysel veri seti analiz edilmiştir. XGBoost, Rastgele Orman (RF), Karar Ağacı (DT) ve CatBoost olmak üzere dört MÖ modeli Bayesian hiperparametre optimizasyonu ile eğitilmiş ve sırasıyla (0,9594, 0,8944, 0,9594 ve 0,9404) R² değerleri elde edilmiştir. DT modeli en düşük hata varyasyonu (46,8 mA/cm²) ile en iyi performansı göstermiş olup, Wilcoxon işaretli-sıra testi ile doğrulanmış ve modeller arasında anlamlı farklar tespit edilmiştir (p ≤ 0,05). SHapley Katkı Açıklamaları (SHAP) analizi, sıcaklık ve katot katalizör yüklemesini en etkili özellikler olarak belirlemiştir. Optimal performans 0,6 mg cm⁻² platin-karbon (Pt/C) ve 3,0 mg cm⁻² iridyum dioksit (IrO₂) değerlerinde elde edilmiş olup, katalizör yüklemeleri ile akım yoğunluğu arasında doğrusal olmayan korelasyonlar gözlemlenmiştir. Maliyet-performans analizi, optimal konfigürasyonun (19,36$ toplam maliyet) yüksek maliyetli alternatiflere göre %14,8 performans iyileştirmesi sağladığını ortaya koymuş ve stratejik katalizör azaltmanın hem performansı hem de ekonomik uygulanabilirliği artırdığını göstermiştir. Bu çalışma, açıklanabilir makine öğrenmesinin PEMWE tasarım ve optimizasyonunda rehberlik etme potansiyelini göstermekte olup, büyük ölçekli uygulamalar için ekonomik uygulanabilirlik sağlarken hidrojen üretim verimliliğini artırmak için veri odaklı bir çerçeve sunmaktadır.
Özet (Çeviri)
Polymer electrolyte membrane (PEM) water electrolyzers (PEMWE) are promising for sustainable hydrogen production, but optimizing their performance remains challenging. This study presents a machine learning-based optimization approach for PEM electrolyzer components, investigating the combined effects of anode and cathode electrocatalyst loadings on performance. An experimental dataset of 1344 samples, incorporating parameters such as catalyst loadings, membrane type, temperature, flow rate, torque, and current density, was analyzed. Four machine learning models namely XGBoost, Random Forest (RF), Decision Tree (DT), and CatBoost) were trained with Bayesian hyperparameter optimization, achieving R² values of 0.9594, 0.8944, 0.9594, and 0.9404, respectively. DT model demonstrated the best performance with lowest error variation (46.8 mA/cm²), validated by Wilcoxon signed-rank test showing significant differences between models (p ≤ 0.05). SHapley Additive exPlanations (SHAP) analysis identified temperature and cathode catalyst loading as most influential features. Optimal performance was achieved at 0.6 mg cm⁻² platinum-carbon (Pt/C) and 3.0 mg cm⁻² iridium dioxide (IrO2), with nonlinear correlations observed between catalyst loadings and current density. Cost-performance analysis revealed the optimal configuration ($19.36 total cost) provided 14.8% performance improvement over higher-cost alternatives, demonstrating that strategic catalyst reduction enhances both performance and economic viability. This study demonstrates the potential of explainable machine learning in guiding the design and optimization of PEMWE, providing a data-driven framework for enhancing hydrogen production efficiency while achieving economic viability for large-scale applications.
Benzer Tezler
- PEM elektrolizörün sayısal modellemesi ve deneysel doğrulanması
Numerical modeling and experimental validation of PEM electrolyzer
SAFİYE NUR ÖZDEMİR
- Effects of porous transport layers on the performance ofpem water electrolyzers
Gözenekli taşıyıcı tabakaların pem su elektrolizörlerininperformansına etkisi
DENİZ BUSE ALTINDAŞ KANTARCILAR
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. MEHMET SUHA YAZICI
- PEM elektrolizörlerde kullanılan anot gaz difüzyon elektrotlarında akış davranışının deneysel ve sayısal olarak incelenmesi
Experimental and numerical investigation of flow behavior in anode gas diffusion electrodes used in PEM electrolyzers
SÜLEYMAN UYSAL
Yüksek Lisans
Türkçe
2022
EnerjiErciyes ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET FATİH KAYA
- Polimer elektrolit membran (PEM) elektrolizör için membran sentezi ve karakterizasyonu
Synthesis and characterization of membrane for polymer elektrolyte membrane (PEM) elektrolyzer
NADİLE ECEM KAPUSUZ
Yüksek Lisans
Türkçe
2020
Kimya MühendisliğiOndokuz Mayıs ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERKER FIÇICILAR
- PEM elektrolizörlerin manyetik alan altındaki çalışma performansının incelenmesi ve katalizör geliştirilmesi
Investigation the performance of PEM water electrolyzers under magnetic field anddevelopment of electrocatalyst
MEHMET FATİH KAYA
Doktora
Türkçe
2018
EnerjiErciyes ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. NESRİN KAYATAŞ DEMİR