NEC锂电池产品分类
- NEC锂电池新闻资讯
- 下一代无人机综合综述:氢燃料NEC锂
- Providing energy management of a
- Providing energy management of a
- Application of the modified memo
- Numerical investigation of the t
- Lityum tiyonül klorur ve Li-ion
- Elektrikli araçların şehir ş
- Denizaltı bataryalarının şar
- Cam-seramik ve katıhal reaksiyo
- Batarya karakteristik özellik v
下一代无人机综合综述:氢燃料NEC锂电池技术
亮点
主要研究结果是什么?
主要研究结果的意义是什么?
摘要
无人机(UAV)中使用的传统锂离子电池受限于较低的比能量,这使得小型平台的飞行续航时间被限制在约10至40分钟。因此,氢燃料电池技术引起了军方和民用航空领域日益增长的关注。质子交换膜燃料电池(PEMFCs)结合压缩氢气储存技术,提供了显著更高的系统级比能量和高电化学转换效率,是目前延长续航任务中最具前景的替代动力源。对于最大起飞重量低于25公斤的平台,IV型700巴储氢罐代表了已获认证的先进技术,而无内胆的V型储氢罐则仍是一个极具前景但尚未通过认证的选项。实现这些架构也依赖于轻量化结构材料,特别是碳纤维增强聚合物复合材料,以及用于将金属首领与复合材料外壳连接的结构粘合剂。本综述探讨了质子交换膜燃料电池(PEMFC)技术的基础、储氢系统、混合动力系统架构、包括动态建模和多堆功率分配在内的能量管理策略、安全与认证要求、代表性现场演示、经济与环境评估,以及主要的技术障碍和开放性研究问题。先进的热管理、新兴的电极和膜材料、具备健康感知能力和人工智能辅助的能量管理,以及此类控制器的可认证合规手段,被认为是决定氢动力无人机技术能否达到商业和运营成熟度的关键因素。
无人机; 氢燃料电池; PEMFC; 混合动力系统; 能源管理; 储氢; 电动垂直起降飞行器; 航空航天推进系统; 燃料电池衰减; 飞行续航能力; 配电架构
1. 引言
无人机已成为现代航空不可或缺的一部分,这得益于过去十年民用和军事领域技术的飞速发展[1]。其应用范围涵盖精准农业、基础设施巡检、灾难响应及国防应用,而其整体效能很大程度上取决于机载动力系统的性能特征[2]。无人机通常按最大起飞重量、作战半径和飞行高度分为纳米/微型、小型、战术型、中空长航时(MALE)和高空长航时(HALE)几类,每类都有不同的动力需求[3]. 表1展示了根据动力需求、最大起飞重量、航程和高度对无人机进行的分类。
表1。无人机分类与功耗要求。
锂聚合物(LiPo)和锂离子(Li-ion)电池技术目前占据市场主导地位。尽管在比能量(150–260 Wh/kg)和功率密度(500–2800 W/kg)方面表现出相当有利的特性,但考虑到起飞和机动对高功率的需求,这些化学体系限制了其作业时间窗口。小型无人机的飞行续航时间通常仅为10–40分钟[4]. 这一限制严重制约了需要长时间盘旋的应用,包括精准农作物处理、输电线路巡检以及持续性军事侦察。
氢燃料电池技术是克服这些局限性最有希望的候选技术之一。作为载体的氢气,按低位发热量计算,其质量能量含量为33.3 kWh/kg,约为传统液体碳氢燃料的三倍[5,6]氢燃料电池实现零排放(仅排放水蒸气),具有低热和声特征,电化学转换效率达40–60%。在完整的推进系统层面(即计入电堆、辅助系统和储氢容器后),据报道的系统所提供的可用比能量约为最先进可充电电池的1.5–4倍;随着任务持续时间增加,该比例会进一步提升,因为在长航时条件下,主导能量平衡的是储存的氢气质量,而非转换器质量[7]. 报告的飞行续航时间因平台设计和储氢方式而异,跨度很大。在市售的多旋翼系统中,标准条件下的续航时间记录为90–331分钟(表2)。在受控实验条件下,搭载MetaVista平台的Intelligent Energy 800 W燃料电池创下了727分钟的吉尼斯世界纪录,而由新源创能研发的六旋翼平台在单次飞行中实现了331分钟的连续飞行。在战术固定翼规模上,液氢动力Ion Tiger实现了48小时的连续飞行,这仍然是有记录以来氢动力无人机最长的续航时间。
表2。主要商用氢燃料电池多旋翼无人机平台的性能参数。
三个因素的汇聚使这一时刻成为氢能无人机技术的关键转折点:(i) 国际民航组织(ICAO)的国际航空碳抵消和减排计划(CORSIA)及同等国家指令下,减少航空排放的监管压力不断加大;(ii) 碱性电解和质子交换膜(PEM)电解制取绿氢的成本迅速下降,到2024年,多个地区的成本已降至5美元/公斤以下;(iii) 城市空中交通(UAM)和高空长航时(HALE)无人机需求不断扩大,而电池能量密度根本无法满足这些需求。在此背景下,质子交换膜燃料电池(PEMFC)系统在十年内已从实验室的奇特装置转变为商业化部署的动力解决方案[8这些进展很大程度上继承自车载燃料电池系统,通过对车载燃料电池文献的可视化分析,已绘制出其关键技术趋势[9]。航空领域提出了汽车领域未涵盖的要求。系统质量的惩罚代价要高得多,且电堆必须在较低的阴极压力和环境温度下工作。认证标准也遵循航空标准而非道路车辆标准(第2.2节和第5节).
本综述从系统层面评估了该技术的现状,是对已探讨单个子系统的单领域综述的补充[10] 范围涵盖了PEMFC基础与运行原理、储氢方法、系统集成策略、混合动力架构、包括动态建模与多堆功率分配在内的能量管理算法、安全要求与监管框架、固定翼与多旋翼平台的案例研究、经济与环境评估,以及阻碍广泛应用的主要障碍及开放的研究方向。所考虑的文献检索自Web of Science和Scopus数据库,时间跨度为2007年至2026年,检索词包括“氢燃料电池无人机”、“PEMFC无人机”、“混合燃料电池无人机能量管理”和“储氢无人机”。在缺乏同行评审等效文献的情况下,辅以标准文件和制造商技术数据。当文献报告了实验演示、具有验证结果的系统级模型或对基于PEMFC的无人机子系统的实质性技术综述时,予以保留。由于未采用记录识别、筛选和资格数量的正式筛选方案,本研究在全文中被描述为综合性综述,而非PRISMA意义上的系统性综述。
自2020年以来,已有多篇关于氢燃料电池推进系统的综合综述发表[4,10,11,12,13,14]。然而,这些综述要么侧重于单一子系统,要么侧重于单一平台类别,没有一篇将储能、动力总成、控制和认证整合在一个面向决策的框架内。表3将最相关的综述范围与本研究进行了对比。本文声称的具体贡献有四个方面:(i) 一个统一的任务到配置设计框架,该框架将任务剖面映射到存储技术、混合拓扑和能量管理策略(EMS;表4),并在两个实际任务示例上进行了验证(第3.3节);(ii)对栈级和系统级性能指标进行明确的协调,这些指标在文献中经常被混淆,也是导致已发表数据之间出现明显分歧的主要原因;(iii)对多栈架构、健康感知功率分配和直流母线稳定性的处理,这些内容在早期以无人机为导向的综述中是缺失的,但对于目前正在开发的高功率平台而言却是核心所在;以及(iv)将认证评估作为首要障碍,涵盖了数据驱动型能量管理缺乏公认的合规手段,以及汽车充放电循环认证与航空振动耦合疲劳要求之间的差距。
表3.近期氢燃料电池推进综合综述范围与本研究的对比。
表4.统一氢动力无人机设计框架:任务剖面到系统配置的映射。
图1展示了一张拉贡图,该图绘制了无人机推进系统所考虑的主要储能与能量转换技术的比能量(Wh/kg)与比功率(W/kg)的关系。该图显示,锂离子电池和锂聚合物电池的比能量适中(150–260 Wh/kg),比功率相对较高;而氢燃料电池(PEMFC)的比能量显著更高(250–1000 Wh/kg),但瞬时功率输出较低。相比之下,超级电容器则位于高功率、低能量的极端区域。燃料电池与电池之间的阴影重叠区域定义了设计空间,在此空间内需要采用燃料电池-电池混合架构,以同时满足高能量续航和高功率瞬态需求。这为下文讨论的混合动力系统架构提供了图形化的理论依据。第3节。本次修订对图表进行了两处完善。首先,根据2024-2025年的文献对电池包进行了核对。无人机上使用的商用锂离子和锂聚合物电池包的能量密度仍处于150-260 Wh/kg范围内。目前已有关于能量密度约为400-450 Wh/kg的硅负极和金属锂电池的报道。例如,一种NCM811‖Li软包电池的能量密度为411.8 Wh/kg,功率密度为1127 W/kg [15] 以及一种额定能量密度为450 Wh/kg的商用硅负极电池 [16]. 这些是电芯级数值,一旦计入封装、热管理和安全裕度,电池包级的数值就会降低。因此,在长续航条件下,这一增益缩小了与氢能的差距,但并未完全消除。其次,新增了两个任务运行点。多旋翼悬停点(约340 W/kg和510 Wh/kg)超出了所有电池包的能量范围,也超过了PEMFC系统包的功率范围。其起飞峰值(约690 W/kg)只能由电池或超级电容器满足。固定翼巡航点(约86 W/kg和340 Wh/kg)位于PEMFC系统包范围内,但其爬升峰值(约260 W/kg)则不在其中。无论哪种情况,单一能源都无法同时满足能量和峰值功率的需求。这就是混合动力参数匹配的定量依据。第3节以及示例中的第3.3节.
图1.无人机推进系统主要能源的比能量和比功率的拉贡图,已更新2024-2025年数据。PEMFC电堆包络线和完整的推进系统包络线(电堆、辅助系统和IV型储氢系统)分别显示,因为两者常被混淆。虚线框标出了2024-2025年报道的硅阳极和锂金属电池[15,16]。标记显示了在假设能量系统质量分数为0.35的情况下,两个代表性任务所需的完整能量系统的特定能量和功率。圆圈代表一架20公斤的多旋翼无人机,以每公斤最大起飞重量120瓦的功率悬停1.5小时,箭头指向其2倍起飞峰值。正方形代表一架20公斤的固定翼无人机,以每公斤最大起飞重量30瓦的功率巡航4小时,箭头指向其3倍爬升峰值。本图由作者根据引用的数据范围整理而成第1节, 第2节和第3节.2. 氢燃料电池基础
氢燃料电池通过电化学氧化将氢的化学能转化为电能。由于该过程绕过了限制热机的热力学循环限制,其理论转换效率超过了传统内燃机发电厂[11,12].
质子交换膜燃料电池(PEMFC)中的基本电化学反应为:
阳极:H2→ 2H++ 2e−
阴极:½O2+ 2H++ 2e−→ H2O
净反应:H2+ ½O2→ H2O + 热量 + 电功
在阳极,氢气解离成质子(H+)和电子。质子通过聚合物电解质膜传导至阴极,而电子则通过外部电路传输,从而做功。在阴极,质子、电子和氧气结合生成水,作为唯一的反应产物。该反应对应的理论开路电压为1.23 V;在实际应用中,读档下的电池电压通常在0.6–0.8 V之间。PEMFC电堆由以下主要部件组成:
膜电极组件(MEA):MEA包含质子交换膜、阳极和阴极气体扩散层(GDL)以及铂族催化剂层。质子电导率、膜耐久性和催化剂层降解[17],连同电堆的水合管理,是直接决定系统效率的关键参数[18].
图2展示了质子交换膜燃料电池(PEMFC)电堆的内部结构,显示了膜电极组件(MEA)、气体扩散层(GDL)和双极板的顺序排列。该图标识了阳极侧的氢气入口路径、阴极侧的空气/氧气供应,以及嵌入双极板结构中用于调节工作温度的集成冷却通道。图中所示的紧凑平面堆叠配置是无人机专用轻量化PEMFC设计中采用的主要几何方案。在这些设计中,在保持活性膜区域反应物均匀分布的同时,最小化电堆总高度和重量是核心设计约束。MEA(包括质子交换膜、催化层和GDL)被确定为每个单电池的电化学活性核心,其降解特性直接决定了整个电堆的使用寿命。
图2。PEMFC电堆的示意截面图,展示了由双极板、燃料费扩散层、催化层和质子交换膜构成的重复电池单元。双极板中的浅蓝色矩形标示了流场和冷却通道。蓝色箭头表示H2和空气/O2进料以及H2O和热量出口,黑色箭头表示电子(e−) 流经读档,深绿色三角形代表质子 (H+)膜运输,双向箭头表示重复的细胞单元(×)。原始示意图由作者准备。). Original schematic prepared by the authors.
双极板:双极板在电堆内部提供燃料费流道、冷却通道和电气互连,占电堆总质量和体积的很大一部分。对于对重量效率要求极高的无人机应用,通常首选由石墨复合材料、钛或铝合金制成的板材[19].
燃料费扩散层(GDLs):GDLs将反应气体均匀分布在催化层表面,并促进生成水的排出。它们通常由碳纸或碳布制成。
2.1. 燃料电池类型与性能比较
与无人机推进系统相关的主要燃料电池类型总结在表5中,并添加了用于无人机部署的技术成熟度(TRL)估算值以辅助比较。
表5。燃料电池类型:技术规格与无人机推进适用性。
PEMFC是无人机应用中的主流方案,因其具备快速冷启动能力和接近环境温度的工作温度。SOFC系统被提议用于燃气轮机混合配置的高空长航时平台[20],但需要20-60分钟的预热时间,这使其无法满足大多数战术任务需求。DMFC系统通过液体甲醇储存简化了后勤,但缺乏高功率起飞阶段所需的高功率密度。AFC系统需要CO2洗涤装备增加了质量和复杂性,与小型无人机平台不兼容。质子交换膜燃料电池(PEMFC)的效率受三种主要损耗机制限制:在5–8 A电流范围内,活化损耗占主导地位;在8至20 A之间,欧姆损耗决定其行为;而在20 A以上,浓度损耗导致电压下降。实验证据表明,电流从5 A增加到10 A会导致效率降低7%,而从25 A增加到30 A则会导致18.4%的降幅[21]。因此,最佳运行区域位于15–20 A的电流范围内。
。近期研究缩小了但未消除在表5中列出的SOFC和DMFC障碍。对于SOFC,启动时间和热冲击敏感性问题主要通过电池架构来解决。微管电池的几何结构可分离燃料和空气,并能承受剧烈的温度梯度,通常可接受约100 °C/min的升温速率[22]。正如Zhao等人[22],采用氧化铈基电解质的金属支撑平面电池在500–620 °C下运行,启动时间约3分钟,并能经受2500次热循环。近期,阳极支撑的微管电池在约175和100 °C/min的升降温速率下,经受了超过100次热循环[23]。电池未出现开路电压损失,也未观察到明显的微观结构损伤。比功率仍是无人机应用的主要障碍。据报道,金属支撑和微管式电池堆的电堆级数值约为0.09 kW/kg,比航空推进所需的>1 kW/kg低了一个数量级[22]。陶瓷电池在转子阶次振动下的鲁棒性在公开文献中尚未量化,因此SOFC在表5对于直接甲醇燃料电池(DMFCs),甲醇交叉问题正通过膜设计来解决。将磺胺酸功能化的多孔石墨烯层压在Nafion上,可将甲醇交叉降低89%,但质子电导率却下降了约60%[24]。最近一项关于磺化聚醚醚酮膜的综述,通过甲醇渗透率和离子电导率这两个相同的属性,比较了填料和改性策略[25]。目前尚无膜能在抑制交叉的同时保持高质子电导率[24]。因此,DMFCs用于无人机推进的功率密度不足问题依然存在。
图3展示了代表性质子交换膜燃料电池(PEMFC)在无人机(UAV)运行条件下的特征极化曲线(电池电压与电流密度,左轴)及相应的功率密度曲线(右轴)。极化曲线中可识别出三个不同的性能区域:(i) 低电流密度(约8 A以下)下的活化损失区,由于电极动力学缓慢,电池电压从理论值1.23 V急剧下降;(ii) 中等电流密度(8–20 A)下的欧姆损失区,电压以受膜电阻和接触电阻控制的近似线性速率下降;以及(iii) 高电流密度(20 A以上)下的浓度损失区,由于催化层反应物质量传输受限,电压发生快速崩溃。功率密度曲线在峰值功率运行点达到最大值,而最佳效率运行窗口(在15–20 A范围内定义,如前所述)第2.1节,位于极化曲线的下降段,处于浓度损失开始之前。文中提到的与电流增量增加相关的7%和18.4%的效率降低,可以直接追溯到本图中可见的两个损失区域的各自斜率。
图3。无人机运行工况下代表性的PEMFC极化和功率曲线,标明了活化(粉色)、欧姆(黄色)和浓差(紫色)损失区域,以及15–20 A的最佳效率窗口(绿色阴影)。实线蓝曲线为电池电压(左轴),虚线红曲线为电池功率(右轴),点标示了峰值功率,灰色虚线标示了1.23 V的理论开路电压(OCV)。原始图表由作者根据[21].
从热效率的角度来看,以低位发热量为基准,一台代表性的2千瓦以下风冷质子交换膜燃料电池(PEMFC)的氢能输入分配大致如下:50%转化为电功,44%通过冷却剂和阴极排气作为热量排放,4%在周期性阳极吹扫过程中作为未反应的氢气损失,剩余的2%则作为潜热随产物水蒸气带走,因此各项总和为100% [4,26]。这些数值仅具参考意义而非普适标准:特别是排气比例,它在很大程度上取决于排气间隔以及阳极是采用死端式还是流过式运行。实测系统效率随读档范围变化,从怠速时约11%(此时系统辅助设备寄生功率占主导)到接近峰值效率运行点时约67% [4,21].2.2. 储氢技术
当前无人机系统中应用最广泛的储氢方法是高压气瓶中的压缩气体储存,分为五种结构类别[26]:
在讨论V型容器的具体挑战之前,表6基于一套统一的指标(最大工作压力、系统级氢气质量分数、体积氢密度、使用寿命、相对成本和技术成熟度)对五种结构类别进行了总结,以便能够将V型技术的成熟度与现有方案进行对比评估,而非孤立看待。
表6。压缩氢气储罐类型的综合比较,包括技术成熟度。
相对成本已归一化至同等容量的I型舰船。TRL值是作者基于公开文献中可获得的鉴定证据所做的评估;V型条目为设计预测,且缺乏已发表的系统级鉴定数据集支持。
III型和IV型之间的选择涉及重力效率与长期结构完整性之间的权衡。IV型具有更优的质量性能,这对于最大起飞重量低于2公斤的微型无人机至关重要。然而,其聚合物内衬比金属内衬对氢气更具渗透性,且在循环加压下碳纤维外裹层的微裂纹扩展仍是一个悬而未决的耐久性问题,直接影响到运行安全[4,26]。这意味着无人机专用认证协议必须包含在代表性叶片通过频率下的耦合振动-压力疲劳测试,这与当前汽车标准(EC 79/2009 [27],ISO 19881 [28])仅采用充装循环的方法截然不同。这一差距需要专门的测试基础设施以及来自欧洲航空安全局(EASA)和美国联邦航空管理局(FAA)的更新认证指南。
目前,IV型储氢容器已被宝马、丰田、现代、本田和日产等数家汽车制造商采用[29,30,31,32]。这些容器由聚合物内衬组成,并完全包裹在碳纤维增强聚合物(CFRP)复合材料中[ %%]。V型容器[33,34,35,36,37,相比之下,是完全由纤维增强聚合物复合材料制造的无内衬结构,这使得它们比IV型同类产品明显更轻。由于V型技术尚未完全成熟,其高达72 MPa(720 bar)的工作压力和所引用的减重数据均为设计预测值,而非已认证的数值。38,39,40,41,42,43,44图4展示了五种船型的构造。 shows the construction of the five vessel types.
图4。五种压缩储氢容器类型的构建,包括最大工作压力、系统级氢气质量分数以及无人机应用的技术成熟度。原始示意图由作者准备;数据汇编自表6.
IV型容器满足汽车领域的严格要求[30],但它们仍然相对昂贵,且对于重量敏感的航空航天应用来说还不够轻。因此,V型容器已成为航空、无人机领域[45,46,47,48]以及汽车行业的主要研究重点。其超轻量化、无内衬的结构有望提供一种具有成本效益、安全且可大规模生产的解决方案,同时能够实现与复杂结构高效集成的异形几何形状[49]. 几家制造商已启动了以该目标为目的的开发计划 [45,46,47,48,50]。然而,这些预期尚未得到认证证据的支持,接下来的讨论将指出将预期性能与可认证产品区分开来的具体障碍。
然而,几个关键挑战仍阻碍着V型储氢系统的广泛应用。其中最显著的问题之一是氢气渗透[30,51,52,53,54,55,56,57,58],这是由于氢气分子尺寸极小且分子量低所致。这些特性使得氢分子能够扩散穿过聚合物基体,并且在某些情况下,沿复合材料壁内的纤维-基体界面扩散。这种扩散最终可能导致氢气泄漏、复合材料组分的逐渐降解,从而降低储罐的结构完整性和储存效率[59,60].
渗透是一种物理输运现象,定义为在压力梯度下原子或分子通过固体材料的稳态扩散[61]。渗透过程通常包含三个连续阶段[55]:(1)氢气在材料表面的吸收,(2)氢气在材料中的扩散,以及(3)氢气从另一侧表面的脱附。尽管渗透在某种程度上是不可避免的,但长时间暴露于氢气中会降低复合材料的机械性能,尤其是用于V型储罐的材料。在持续的内部压力下,聚合物基体容易产生微裂纹,这些微裂纹可能会逐渐发展为纤维-基体界面脱粘,如图5所示持续的损伤累积随后可能导致氢气泄漏、层间剥离、纤维断裂,并最终导致压力容器发生灾难性失效[62,63]。由于氢气极易燃,任何泄漏都会造成严重的安全性危害。
除了这一定性过程外,无内衬容器的耐久性最终取决于横向基体裂纹扩展和合并的速率,这可以通过定量断裂力学方法进行处理。在交叉铺层或缠绕复合材料中,形成进一步横向裂纹的驱动力是与裂纹层和完整层之间应力重新分布相关的有限应变能释放率。对于给定的铺层厚度,裂纹密度ρc因此,当新增裂纹释放的能量低于层间韧性时,裂纹密度会达到一个特征间距并趋于饱和。由于缠绕壳体的应变场与内压成正比,压力循环结束时的裂纹密度是工作压力与爆破压力之比的函数。据报道的碳纤维/环氧树脂层压板数据,可测量的横向裂纹在约0.4–0.6%的施加应变下开始出现,这处于70 MPa压力容器的设计应变范围内[mc]。一旦横向裂纹到达层间界面,它就会被阻止并转化为界面分层,其每个压力循环的扩展速率通常用巴黎型关系式描述,d64/d(Δ,对于混合模式I-II载荷下的碳纤维/环氧树脂,该指数通常在4到8之间。该指数的大小解释了为什么循环压力幅值的适度增加,或在压力循环中叠加旋翼机振动频谱,会导致循环寿命不成比例地大幅降低[]。对于无人机服务而言,两种损伤模式之间的耦合关系起着决定性作用:无衬里壁的渗透率与贯穿厚度的裂纹网络连通性成比例,因此机械损伤累积与氢气流失并非独立的失效准则,而是单一的耦合准则[ = ]。在公开文献中,基本缺乏将裂纹密度、循环压力幅值、振动频谱与实测渗透率联系起来的无人机专用定量数据,而生成这些数据被确定为当前的首要研究需求。(ΔG/Gc)m, with exponents m typically between 4 and 8 for carbon/epoxy under mixed mode I–II loading. The magnitude of this exponent explains why a modest increase in cyclic pressure amplitude, or the superposition of a rotorcraft vibration spectrum on the pressure cycle, produces a disproportionate reduction in cycle life [62,65]. For UAV service, the coupling between the two damage modes is decisive: the permeation rate through a linerless wall scales with the connectivity of the through-thickness crack network, so mechanical damage accumulation and hydrogen loss are not independent failure criteria but a single coupled one [54]. Quantitative, UAV-specific data linking crack density, cyclic pressure amplitude, vibration spectrum and measured permeation rate are essentially absent from the open literature, and generating them is identified here as a priority research need.
图5。无衬里V型复合材料容器壁的损伤演化过程:()内压作用下氢气穿透基体;()基体横向微裂纹;()纤维-基体界面脱粘;()起泡和层间剥离。水平箭头表示损伤从(). ( 中的红色箭头表示氢通量,灰色圆圈是米色基体中的纤维,深红色标记是裂纹、界面脱粘和分层。这里是内部压力,是横向裂纹密度,以及ρ和–I型和II型断裂的临界应变能释放率。原始示意图由作者根据[中描述的机制绘制). Red arrows in (a) show the hydrogen flux, grey circles are fibres in the beige matrix, and dark-red marks are cracks, debonded interfaces and delaminations. Here pint is the internal pressure, ρc the transverse crack density, and GIc and GIIc the critical strain energy release rates in mode I and mode II. Original schematic prepared by the authors from the mechanisms described in [53,54,55,62,63,66,67,68].
在层压复合材料储氢罐中观察到的另一种降解机制是起泡,即在复合材料结构内部形成充满气体的空腔。当氢气在反复充放气循环中扩散到复合材料内部并被困在材料中时,就会发生起泡现象,从而产生局部气囊和额外的内应力[62]。随着时间的推移,这些空腔可能会扩大,从而损害储罐的结构完整性[63,66,67]。空洞的形成还会破坏层压板内部的均匀应力分布,产生局部应力集中[68],从而促进层间分层并导致结构进一步退化[59,60].
氢脆是影响复合氢储氢系统的另一个重要降解机制。在长期暴露过程中,氢扩散到复合材料组分中,特别是聚合物基体和纤维-基体界面,使材料的力学响应从相对的延性转变为日益的脆性行为[69] 快速加注过程中产生的高温会加速氢气向复合壁面的扩散,从而加剧脆化过程,并进一步降低储罐的长期耐久性和可靠性。
应对这些损伤机制对层压板和密封容器的接头提出了特定要求。层压碳纤维复合材料因其高比刚度和强度、低密度以及良好的疲劳和损伤容限,成为第五型壳体的理想选择[65,70,71,72,73]。然而,在氢气容器的背景下,层压板行为只有两个方面直接影响功能:厚度方向的渗透率±θ纤维缠绕壁,在没有内衬的情况下,是防止氢气泄漏的唯一屏障,以及该壁面对上述微裂纹和分层现象的抵抗力。目前正在研究的首要缓解途径是应用于内表面的聚合物阻隔层[55,74,75],而树脂增韧和层间增韧则针对第二种情况[44].
第二个要求涉及金属首领,它是无衬里容器中唯一的非复合材料元件,必须通过粘接界面将压力引起的读档传递到壳体中。对第四型容器中首领组件的失效分析表明,正是这个界面而非壳体本身,经常决定了爆裂前泄漏的行为[76,77]。接头设计需要测量相关约束条件下的粘合剂应力-应变数据,因为大块试样的性能无法直接应用于薄粘合层。对于刚性和柔性粘合剂,通常都需要进行约束剪切测试才能获得可用的剪切应力-应变曲线[78,79]。尽管韧性粘合剂的标称强度较低,但在应力集中明显的接头中,由于其具有更大的断裂应变和重新分配载荷的能力,其表现通常优于脆性粘合剂[80]。由于接头在服役期间也会受到冲击、疲劳和湿热循环的影响,暴露后的残余强度数据对于适航验证而言,与准静态强度数据同样重要[81,82,83,84,85,86,87].
最后,必须将薄壁和厚壁压力容器的力学[88,89]以及受限空间内快速充放气的热力学[76,77]结合起来处理,而不是分开处理,因为快速充气过程中的温度波动在降低基体刚度的同时,也会提高氢气在基体中的扩散率。正是这种压力-温度-扩散的综合问题,而非其中任何单一因素,决定了第五型容器的设计包络线。目前可用于复合材料容器的预测损伤模型[64] 为建立该包络提供了框架。
尽管氢气在所有常规燃料中具有最高的质量能量密度,但其较低的体积能量密度要求在极高压力下储存,因此需要巨大的储存空间[5,6]。因此,如何高效利用车辆内部的可用空间已成为一项重大的设计挑战,特别是在航空航天等对重量敏感的应用领域。这一挑战促使了第五型无内衬复合材料压力容器的发展,这种容器能够采用符合几何形状,从而最大限度地提高质量和体积储存效率[41,87,90].
传统的储氢高压容器主要采用圆柱形或球形,因为这些几何形状能最大限度地减少内压下的应力集中[45,46,47,48]。然而,此类形状对可用安装空间的利用率较低,导致车辆结构内部留有大量未利用空间(参见图6)。为了克服这一局限性,研究越来越多地聚焦于异形Type V压力容器,如长方体或其他非轴对称几何形状,这些容器能更有效地集成到车辆的结构布局中(参见图7)。这些设计可以更充分地利用可用空间,同时减轻车辆整体重量并提高储物效率[50,91].
图6。无人机集成中容器几何形状的体积影响:() 安装在矩形载荷舱内的圆柱形III/IV型容器,显示了不可用的死体积(阴影部分);() 占据相同载荷舱的贴合型V型容器。蓝色表示压力容器,棕色小方块表示金属首领。原始示意图由作者准备。b) a conformal Type V vessel occupying the same bay. Blue denotes the pressure vessel and the small brown square the metallic boss. Original schematic prepared by the authors.
图7。结构集成式共形储氢:() 固定翼无人机,储氢罐构成机翼盒的一部分;() eVTOL配置,储氢罐与地板和机臂集成。蓝色形状为储氢罐,红色方框为燃料电池堆及辅助系统(PEMFC + BoP)。原始示意图由作者绘制。b) eVTOL configuration with floor- and boom-integrated vessels. Blue shapes are the hydrogen tanks and the red box is the fuel cell stack with balance of plant (PEMFC + BoP). Original schematic prepared by the authors.
尽管利益相关者(尤其是航空航天领域)的兴趣日益浓厚,但关于共形V型氢气罐的公开研究仍然有限[33,51]。尽管如此,航空航天工业对氢动力推进系统的日益重视,也加大了将高压储氢系统集成到飞机结构中的研究力度[51]。此外,关于机身集成储氢罐的行业概念研究也已公布[52],但尚未公布其结构或适航数据。这种集成方式可实现新型飞行器架构,使储氢罐成为机身固有的一部分,而非独立的载荷组件。如图7所示,未来的氢动力飞机可以携带符合空气动力学外形的储氢容器。由此带来的空气动力效率和结构集成方面的提升尚未得到证实。
这种设计理念与传统的圆柱形压力容器有着本质的区别。共形复合材料储罐不仅能作为储能装置,还能充当机身结构件。一个典型的例子是将氢气储罐集成到轻型飞机的机翼结构中(图7),其中储氢罐既储存氢气,又增强了机翼的结构刚度和承载能力。这种多功能结构为减轻重量和提高系统效率提供了巨大机遇,这在航空航天应用中尤为宝贵。
此类贴合式容器需要具备低氢渗透性、高损伤容限和耐腐蚀性的材料,并且能够以粘接方式在复杂几何形状中进行连接。层压纤维增强聚合物复合材料和结构粘接技术满足了这些要求的大部分条件。它们是主要的赋能技术,也是氢气储存领域专门国际研究项目的研究课题[92,93,94].
低温液氢储存是实际选项中体积性能最高的。液氢的固有密度为71 kg/m3在-252.87 °C时,按低位发热量计算相当于2.36 kWh/L。在系统层面,计入低温容器及其绝热层后,质量储氢效率为14.2 wt%,体积能量密度为1.68 kWh/L。因此,相应的系统级比能量为0.142 × 33.3 kWh/kg = 4.73 kWh/kg,而体积数据则对应约50 kg/m³的有效系统级氢密度3一旦计入容器体积。Stroman等人在一架小型长航时飞行器上对具有自主压力控制的液氢杜瓦瓶进行了飞行测试。它比同等质量的压缩气体系统多出约85%的飞行时间[14,95]。韩国开发的MetaVista多旋翼平台使用6升液氢容器实现了727分钟的飞行(12.1小时,2019年吉尼斯世界纪录),这至今仍是多旋翼平台的续航纪录。地面处理的复杂性、蒸发损失和基础设施成本仍然是实现大规模商业化的主要障碍[21]。低温压缩将系统质量储能效率提升至7.38 wt%,体积密度提升至0.045 kg H2/L,在相同基础上使系统级比能量达到0.0738 × 33.3 = 2.46 kWh/kg。然而,其所需的专用基础设施目前限制了其在无人机领域的应用。
硼氢化钠(NaBH)水解已应用于KARI和KAIST开发的无人机平台。该反应[496]
NaBH4+ 2H2O → NaBO2+ 4H2
为固态NaBH提供氢气为无人机开发的发电机,其重比能和体积比能分别报告为739.1 Wh/kg和272.8 Wh/L [414,97然而,系统级惩罚(包括供水、副产物收集容器和反应室加热)相比仅燃料重量增加了15-30%的额外质量。这缩小了许多战术无人机类别相对于IV型压缩储氢的净优势[98]。约25分钟的启动延迟是额外的操作限制。
氨硼烷(NH3BH3) 在120–180 °C下的脱氢反应可提供高达19.6 wt%的储氢容量,但反应动力学缓慢和产生气体杂质意味着该方法仍处于研究阶段。金属氢化物储氢(质量储氢效率:0.65%;质量能量密度:0.26 kWh/kg)可提供室温稳定的储氢,但低容量和热管理要求限制了其实际应用[99].
与压缩气体储氢相比,液氢储氢在1 MPa以下的压力下运行,避免了与气体压缩相关的高昂成本。然而,液氢也带来了挑战,例如需要极低温度,以及取决于隔热质量、氢气体积、储存时间、环境条件和储罐几何形状等因素的蒸发损失[100]。液氢储存也面临着能量效率低、总成本高以及液化过程中能耗高的问题,这被称为液化能量惩罚[42].
图8从质量和体积两个方面比较了主要的储氢方法。图(a)绘制了系统级的质量储氢容量(wt%),图(b)绘制了系统级的体积储氢密度(g H2/L,在每种情况下均指代包括容器在内的完整储能子系统。次坐标轴利用33.3 kWh/kg的低位发热量,将这些数值转换为比能量(Wh/kg)和能量密度(Wh/L)。在同一坐标轴上同时展示容量和能量,消除了储能文献中常见的“比能量”与“能量密度”之间的歧义。从本节开始,本综述中的所有数值均按此含义使用。低温液氢在两个坐标轴上均达到最高值,而700巴压力下的IV型储氢罐在结构合格的范围内提供了最理想的平衡。化学氢化物系统聚集在中等体积能量和低质量能量的区域,这反映了反应室、储水箱和副产物容器的系统级质量。金属氢化物处于两个坐标轴的低端,证实了它们在质量受限的无人机平台上的应用价值有限。V型容器以空心柱状图表示:尽管通常引用其预计的质量比为8-12 wt%,但尚未有包含首领、阀门和安装质量的合格系统级数据集发表。因此,这些预测值无法直接与图中所示的其他技术的实测值进行比较。图8为下文给出的技术选择指导以及汇总在表4各任务剖面类别中的设计建议提供了定量依据。
图8。储氢方法系统级对比:()质量储氢容量(wt%),次坐标轴显示相应的比能;()体积储氢密度(g H/L),次坐标轴显示相应的能量密度。两种换算均采用LHV = 33.3 kWh/kg。V型容器以空心柱状图表示,因为目前尚无合格的系统级数据集。原图由作者准备。) volumetric hydrogen density (g H2/L), with the secondary axis giving the corresponding energy density. Both conversions use LHV = 33.3 kWh/kg. Type V vessels are shown as an open bar because no qualified system-level dataset is yet available. Original figure prepared by the authors.
对于无人机设计,III-IV型储氢罐仍是续航时间低于6小时、最大起飞重量低于25公斤任务的首选方案。对于超过6小时的任务,当基础设施成本合理时,液氢储存越来越受到青睐。化学氢化物则处于中间地位,适用于对环境温度储存有操作性要求且可接受启动延迟的应用场景。
本综述采用了三个关系式进行一阶续航估算和功率定型。第一个是质量续航模型:
·LHV· = (ηH2·LHV·ηsys)/Pcruise
其中E是续航时间(小时),mH2是可用氢气质量(公斤),LHV = 33.3 kWh/kg 是氢气的低位发热量,ηsys是从氢气输入到轴功率的系统总效率(质子交换膜燃料电池及其传动系统通常为0.40–0.55)和Pcruise是巡航功率需求(kW)。
第二个是控制瞬时功率分配的混合动力功率平衡:
PFC(t) + Pbat(t) = Pload(t) + Ploss(t)
其中PFC是燃料电池输出功率,Pbat是电池功率(放电时为正,充电时为负),Pload是瞬时推进需求和Ploss代表了转换器和寄生损耗。在起飞阶段Pload通常达到巡航值的两到五倍,这需要电池放电来补充燃料电池的输出[26].
第三个关系式明确了储能子系统,因为在长时间任务中,限制续航时间的是储能质量分数而非电堆。写出ζs储能子系统的系统级氢气质量分数(在图中绘制的图8a) 中)和mstor对于该子系统的总质量,可用氢质量为mH2 = ζs mstor,因此方程(5)变为
ζ = (·LHV·s·ηstor·LHV·ηsys)/Pcruise
公式(7)直接展示了为什么ζs的预测值与合格值之间的区别对V型船只至关重要:续航能力与ζs呈线性关系,因此预测的8-12 wt%与实际验证的4-5 wt%之间的差异会导致任务时间缩短一半。这种敏感性证明了本综述中对V型技术采取保守处理方式的合理性。3. 系统集成与混合动力架构
独立运行的质子交换膜燃料电池(PEMFC)的主要局限性在于其动态功率响应受限,这一约束在纯电和混合动力固定翼推进架构中普遍存在[101]。燃料电池具有高比能量(电堆级为250–1000 Wh/kg),但其功率密度(电堆级为400–700 W/kg,计入系统辅助设备质量后约为200–450 W/kg)仍远低于锂离子电池(500–2800 W/kg)[102]。本文在此处及全文中均明确区分了这两个层级第2.1节,因为将它们混为一谈是文献中经常出现的不一致来源。在多旋翼无人机中,起飞功率需求可能是巡航值的两到五倍,产生瞬态读档需求,若不扩大电堆尺寸,独立的燃料电池无法满足这一需求。因此,大多数无人机应用采用混合动力系统,将质子交换膜燃料电池与辅助储能元件配对。
图9展示了代表性多性向无人机任务的时间分辨功率需求曲线,并显示了燃料电池和电池子系统在每个飞行阶段的相应贡献。在起飞阶段,总推进需求激增至巡航基准的2-5倍。仅靠燃料电池输出不足以满足这一瞬态需求,因此电池提供了补充峰值功率,如阴影部分所示的电池正向贡献区域。在巡航阶段,燃料电池在接近其最佳效率点运行并为电池充电,在曲线中由电池负功率段表示。在下降和着陆期间,电池辅助再次缓冲瞬态需求波动。图9为本节描述的混合动力架构提供了直接的定量依据:起飞和巡航之间的功率差异(在剖面图中清晰可见)是配对高能量燃料电池与高功率二次储能元件的主要工程驱动因素。它还表明了为什么在多旋翼无人机应用中,不带储能装置的独立燃料电池运行是不切实际的。
图9。代表性多旋翼氢动力无人机任务的功率剖面图,显示了燃料电池的贡献、起飞和着陆瞬态期间的电池放电,以及稳态巡航期间燃料电池对电池的充电。双向垂直箭头标记了起飞功率瞬态(为巡航需求的2-5倍),棕色箭头指向燃料电池为电池充电的区间。
3.1. 单堆系统的混合拓扑结构
并联混合拓扑:燃料电池和电池通过电力电子设备连接到电机驱动器,以便每个电源根据需要提供动力。电池在需求高峰阶段提供补充动力,而燃料电池在巡航期间为电池充电[103,104]。这是无人机应用中最广泛采用的配置。
串联混合动力配置:燃料电池为电池充电,电池再为电动机供电。这种方式可以更系统地控制功率流,但额外的功率转换阶段会使整体系统效率降低5-12%,具体取决于转换器的规格[26].
燃料电池-超级电容器混合动力:超级电容器(功率密度1000-10,000 W/kg)可缓冲快速的瞬态功率需求,特别是在起飞阶段,从而减少PEMFC膜暴露在高电流纹波下的时间,并延长电堆的使用寿命[105]。然而,超级电容器的能量密度(5-15 Wh/kg)远低于电池,这使得该配置最适合具有短时间、明确定义的高功率瞬态任务。
一个重要的系统级权衡涉及电力电子设备的质量和体积惩罚。在500–2000 W功率等级下,串联和有源并联拓扑所需的DC–DC转换器重量为0.8–2.5 kg,占典型小型无人机载荷能力的10–20% [4]。对于2–15 kg级战术无人机,旁路燃料电池母线有源DC–DC控制器需求的并联无源混合配置提供了一种务实的替代方案,以牺牲优化灵活性为代价换取质量和复杂性的降低。
图10展示了氢能无人机中使用的四种混合拓扑结构的电路级原理图。在并联无源拓扑结构(图10a)中,燃料电池和电池共享一条通往电机母线的直流母线,燃料电池支路仅包含一个阻断二极管。无需专用的燃料电池直流-直流转换器,这节省了质量和转换损耗,但限制了对功率流的控制。并联有源拓扑结构(图10b) 在燃料电池支路中增加一个单向DC-DC转换器,在电池支路中增加一个双向转换器。这样EMS就能完全控制功率分配,但代价是上述转换器的质量。串联拓扑结构(图10c) 将所有燃料电池功率在到达电机母线前先通过电池。这允许更严格的荷电状态控制,但额外的转换阶段使系统整体效率降低了5-12%。燃料电池-超级电容器拓扑结构(图10d) 用超级电容器组取代电池,该电容器组能吸收并释放高倍率瞬态电流(如起飞时的峰值),且几乎没有衰减。因此,它非常适合任务中包含频繁、短暂功率峰值的旋翼机。
图10。氢能无人机应用中使用的混合动力系统拓扑结构:()并联被动式;()带双DC-DC转换的并联主动式;()串联储能缓冲式;() 燃料电池-超级电容器。箭头表示功率流向(双向箭头表示双向流动);红色区块为PEM燃料电池,黄色区块为DC-DC转换器,蓝色为电池,紫色为超级电容器,绿色为电机和电子调速器(ESC)。原始原理图由作者准备。c) series, storage-buffered; (d) fuel cell–supercapacitor. Arrows show the direction of power flow (double-headed arrows denote bidirectional flow); red blocks are the PEM fuel cell, yellow blocks DC–DC converters, blue the battery, purple the supercapacitor, and green the motor and electronic speed controller (ESC). Original schematics prepared by the authors.
在某些长航时应用中,光伏电池板被集成作为第三种能源。这种三合一混合架构对于长时间高空固定翼无人机任务特别有效,太阳辐射可补充机载氢气储备并提高能源自主性[106,107].3.2. 多堆栈架构、协同控制与直流母线稳定性
单堆栈架构在当前无人机实践中占据主导地位,因为平台功率很少超过3千瓦。然而,目前正在开发的eVTOL和重型货运级无人机需要10至100千瓦的功率,这超出了单个风冷航空燃料电池堆的实际尺寸。因此,模块化多堆栈架构——即多个堆栈通过各自的转换器向公共直流母线供电——是这些功率水平下的预期配置,并且它们会引发单堆栈情况下不会出现的控制问题。由于早期的无人机综述中未涉及这些问题,因此本文将对其进行详细阐述。
首先是读档电流共享。制造偏差和不均匀的老化使得每个堆栈具有不同的极化曲线,因此简单的均分电流会将最弱的堆栈推离其最佳工作点,并加速其退化。因此,这种差距会随着时间的推移而扩大。集中式分配原则上可以解决这个问题,但扩展性差,且存在单点故障。分布式协作方案可以实现相同的分配,并且在节点丢失时能够实现优雅降级[108在这些方案中,每个转换器仅与邻近节点交换局部信息,并通过共识协议就母线电压和电流分配比例达成一致。对于航空系统而言,其决定性优势在于没有任何单一控制器是飞行关键部件,这与集中式管理系统所需的认证论据有着本质区别。
第二个问题是励磁下的母线电压稳定性。多性向系统的健康监测日益依赖于在线电化学阻抗谱(EIS)。在EIS中,注入一个小信号电流扰动,并利用产生的电压响应来分离欧姆、电荷转移和质量传输的贡献,而无需中断任务。然而,该扰动会传播到共享直流母线,并与变换器控制回路发生交互。传统的比例-积分调节无法在不破坏阻抗测量或违反母线容差带的情况下将其消除。基于增强型扩展状态观测器的有源扰动抑制控制将扰动、读档瞬态和未建模的堆栈动力学的综合影响视为集中扰动,实时估计并抵消该扰动。赵等人[109] 专门针对多堆叠PEMFC系统的EIS测试展示了这种方法,并报告了与PI控制相比显著降低的母线电压波动。图11展示了最终的架构以及母线响应的定性差异。
图11。具有健康感知功率分配和基于观测器的直流母线调节的多性向PEMFC架构:()系统架构;()在传统PI调节和基于增强型扩展状态观测器的ADRC调节下,直流母线电压对EIS激励和负载瞬态的响应概念图。在(),箭头表示从每个燃料电池堆通过其DC-DC转换器流向直流母线、推进读档和电池/超级电容器(SC)缓冲器的功率流;红色区块为燃料电池堆及其健康状态(SOH),黄色区块为DC-DC转换器,绿色为推进读档,蓝色为缓冲器和监督EMS,紫色为在线EIS和ADRC模块,其阻抗和健康反馈由紫色虚线箭头表示。在(),红色曲线代表常规PI调节,深蓝色曲线代表增强型ESO/ADRC,浅绿色区域为±5%的母线容差带。图表由作者准备;面板()中的定性响应遵循[), arrows show the power flow from each stack through its DC–DC converter to the DC bus, the propulsion load and the battery/supercapacitor (SC) buffer; red blocks are fuel cell stacks with their state of health (SOH), yellow blocks DC–DC converters, green the propulsion load, blue the buffer and the supervisory EMS, and purple the online EIS and ADRC module, whose impedance and health feedback is shown by the dashed purple arrows. In (b), the red curve is conventional PI regulation, the dark-blue curve is the enhanced ESO/ADRC, and the light-green band is the ±5% bus tolerance band. Figure prepared by the authors; the qualitative response in panel (b) follows the behaviour reported in [109].
这项工作对无人机应用的重要意义在于,它使状态监测能够与飞行兼容。如果在飞行中无需干扰总线即可测量每个电池堆的阻抗,那么在4.4节中讨论的分配策略所需的状态健康信息不再仅限于地面,而是可以在线可用。这需要满足两个条件。分布式协同控制和在线EIS尚未在飞行平台上得到验证,且它们所需的额外转换器、传感器和布线质量在25公斤以下的级别尚未被量化,这可能会成为一个难以逾越的障碍。因此,本文将这两者视为待解决的问题,而非现成的解决方案。
表4综合了任务、储能、混合拓扑和EMS维度的系统选择逻辑,为氢能无人机工程师提供设计决策框架。该表整合了分散的指导原则,涵盖第2节, 第3节和第4节整合为单一的实用参考资料。第3.3节将其应用于两个具体的任务剖面。3.3. 框架应用:两个实例
表4在此应用于两种任务剖面,以展示其如何指导设计决策。储能容量通过公式(5)和(7)确定,功率分配遵循公式(6)。输入参数具有代表性,而非绑定特定产品,结果已与已验证平台进行对比验证表2.
案例A:多旋翼电力线巡检,2小时。该平台为22公斤六旋翼无人机,平均悬停与巡检功率为2.0千瓦。其起飞与阵风峰值功率约为该值的2.5倍。当ηsys= 0.45时,公式(5)得出可用氢质量为2.0×2/(33.3×0.45)≈0.27公斤,或在保留10%着陆余量的情况下约为0.30公斤。公式(7)随后确定了两种合格储氢容器类型之间的选择。30兆帕III型容器在ζs≈ 3.5 wt%时,重量约为8.5公斤。70兆帕IV型容器在ζs≈ 5 wt% 的重量约为 6 kg。功率密度为 450 W/kg、功率约为 2.5 kW 的 PEMFC 系统重量约为 5.5 kg,机身、电机和载荷约为 9 kg。因此,只有 IV 型方案能满足 22 kg 的最大起飞重量限制。预计的 V 型飞行器会更轻,但因尚未通过认证而被排除(第2.2节)。燃料电池的容量接近悬停功率,使其运行在效率最佳点附近。约1.5公斤的高倍率锂聚合物电池组提供剩余2.5–3千瓦的起飞需求。功率分配主要受短时间、可预测的瞬态影响,且质量预算非常紧张。因此,该框架选择了并联被动拓扑结构,从而节省了0.8–2.5公斤的有源直流-直流转换器重量(第3.1节)。基于规则的能量管理系统将电池保持在预留着陆能量的荷电状态窗口内。该配置与表4中的“旋翼多性向”和“战术侦察”行相匹配。这也符合商业实践,因为表2中的DS30平台(最大起飞重量21.9公斤,功率2.6千瓦,容量10.8升)报告的续航时间为120分钟。
案例B:固定翼走廊巡检,8小时和24小时两种方案。该平台为20公斤级固定翼无人机,巡航电功率为0.6千瓦,涵盖动力、航电和载荷系统。在爬升阶段,功率需求会上升至巡航值的约两倍。对于8小时的任务,根据公式(5)计算,需0.6 × 8/(33.3 × 0.45) ≈ 0.32公斤氢气,含备用量则为0.35公斤。储存该数量氢气的70兆帕IV型储氢罐重约7公斤。配合1千瓦燃料电池系统(约2.5公斤)、小型缓冲电池以及约8公斤的机身和载荷,该设计在IV型储氢方案上实现了闭环。在24小时方案中,氢气需求量上升至约1.05公斤。储存该数量氢气的IV型储氢罐将重约21公斤,超过了最大起飞重量。采用代表性的14.2质量百分比的液氢系统第2.2节重量约为7.5公斤。因此,在此续航时间下,储氢技术从压缩氢气转为液氢。这是“中等续航勘测”与“中空长航时”行之间的过渡。表4,这与48小时液氢Ion Tiger飞行实验结果一致。爬升至巡航的功率比很小,且任务时间长且可预测。因此,决定功率分配的是巡航效率而非瞬态需求。选择有源并联拓扑结构是为了使燃料电池能保持在最佳工作点,而可预测的任务则有利于模型预测控制。考虑到在第4.3节中的认证地位建议将MPC作为咨询角色,置于由可验证的基于规则的层所强制执行的信封内。
在这两个示例中,储能技术取决于公式 (7) 和质量预算。拓扑结构取决于峰值与平均功率比及其可预测性,而能量管理系统则取决于任务可预测性和认证暴露程度。改变一个任务参数(此处为续航时间从 8 小时增加到 24 小时),就会使设计跨越技术边界。仅凭组件级文献无法看到这一边界。4. 能量管理策略
混合动力系统的能量管理由优化燃料电池与电池之间瞬时功率分配的算法组成,这些算法综合考虑了各能源的状态、任务剖面以及动态功率需求。一个有效的能量管理系统必须同时实现多个目标:最小化氢气消耗、将电池荷电状态(SOC)维持在安全范围内、延长燃料电池使用寿命,并最大化任务完成概率[13,110].
4.1. 瞬态负载下的动态建模与参数辨识
能量管理策略的优劣取决于其控制的能源模型,以及第2.1节不是那个模型。在旋翼机运行的瞬态读档特性下,电堆电压并不遵循极化曲线。电化学双电层中的电荷积累、供气系统的有限响应以及膜水合过程中的传输延迟引入了时间常数跨越三个数量级(从毫秒到数十秒)的动力学特性。忽略这些因素会导致能量管理系统发出电堆无法跟进的功率阶跃指令,这表现为瞬态阴极缺氧,是混合动力运行中主要的加速降解机制之一。
通常用于控制的模型是等效电路表示,其中可逆电势通过欧姆项和经双电层电容滤波的活化项进行修正[111]:
Vst(t) = Nc [Erev − vact(t) − Rohm i(t)]
具有活化动力学
/ddl dvact/dt = i(t) − vact(t)/Ract
其中Nc是电池数量,Erev可逆电池电势,Rohm膜电阻与接触电阻的组合,Ract电荷转移电阻,Cdl双电层电容和i电池堆电流。特征时间常数τ = RactCdl约为10–10秒,对于低于2千瓦的电堆而言,这与实际能源管理系统的更新周期相当,因此不可忽略。通过引入由压缩机或鼓风机动态驱动的氧气过量比状态,扩展公式(8)来捕捉阴极缺氧现象。−2−1
方程(8)和(9)的参数不是常数:Rohm随着膜的干燥和老化而上升,并且Ract随着催化层降解而上升,因此模型必须在线识别。目前有两种方法在使用。带有遗忘因子的递归最小二乘法,
[数学处理错误]θ^(k)=θ^(k−1)+K(k)[y(k)−φT(k)θ^(k−1)]
其中θ = [Rohm, Ract, Cdl], Tφ是由测量的电流和电压构建的回归量K是增益序列,通过普通运行数据追踪缓慢的参数漂移,且无需额外硬件。电化学阻抗谱通过在频率上分离参数,从而无歧义地解析相同参数,但代价是注入扰动,这正是文中讨论的总线稳定性问题的根源。第3.2节在实践中,两者是互补的:递归识别提供持续的低成本跟踪,而周期性阻抗测量提供防止估计器漂移的重新校准。目前尚未有任何关于无人机上具备飞行认证功能的报告,且识别参数的不确定性向预测性EMS的传播仍是一个开放性问题。这一差距是EMS文献中报告的模拟结果与实际飞行性能之间最薄弱的环节。4.2. 基于规则、状态机和优化的策略
基于规则的控制是最简单的能量管理系统类别,通过预定义的阈值条件和逻辑规则来控制功率分配[112]。这些策略在标准自动驾驶硬件(Pixhawk级微控制器)上具有低计算开销和实时可实现性,但它们适应不同任务条件的能力有限。分层规则集(例如,在SOC高于80%时仅运行燃料电池,在SOC介于60%至80%之间时结合两种能源,以及在SOC低于60%时仅靠电池动力着陆)已成功应用于多旋翼平台[110]. 准确的电池荷电状态(SOC)和健康状态(SOH)实时估计对于此类应用的可靠性至关重要,而AI辅助的电池状态估计正日益受到该领域关注 [113]. 表7比较了主要类型的能量管理策略。
表7。能源管理策略的对比分析。
4.3. 基于学习的策略与认证差距
强化学习(RL)、深度神经网络和基于模糊逻辑的能量管理系统(EMS)方法引起了广泛的研究兴趣[114,115]。三层EMS框架在实地测试中已被证明能同时降低氢气消耗和电池退化[116]。在这些框架中,第一层负责燃料电池状态监测与保护,第二层执行实时功率分配优化,第三层管理任务级的能量规划。
在模拟中展示的EMS性能必须与在经过认证的机载硬件上的部署就绪性区分开来。模型预测控制和深度学习方法需要计算资源(>100 MIPS,且在典型EMS更新频率10–100 Hz下,具有<10 ms的硬实时延迟约束[110]). 这些功能超出了当前现成自动驾驶微控制器的能力。然而,认证比计算预算构成了更根本的障碍。民用飞机系统认可的开发保证框架是SAE ARP4754A,FAA通过AC 20-174(民用飞机和系统开发)接受该标准 [117]。与其软件对应标准DO-178C [118],它假设物品的行为可以追溯到需求,并根据其设计进行验证。EASA特殊条件SC E-19(电动/混合动力推进系统)[119] 规定了电推进和混合电推进的认证基础,并且是与燃料电池-电池动力总成最接近的文件。该文件同样是基于传统设计的控制功能编写的。两份文件均未对数据驱动功能做出规定,而关于机器学习的指导意见直到现在才出现。欧洲航空安全局(EASA)已发布其《人工智能概念文件》(第2版,关于1级和2级机器学习应用的指导意见)[120]。它还在NPA 2025-07中就人工智能可信度的详细规范征求了意见[121]。美国联邦航空管理局(FAA)已发布其《人工智能安全保障路线图》[122],SAE G-34/EUROCAE WG-114 联合委员会正在起草 ARP6983/ED-324 流程标准[123]。目前,这些标准均尚未成为飞行关键推进功能中基于学习的控制器的认可合规手段。无论技术性能如何,这一差距都可能限制其商业化应用。因此,生产部署仍沿用基于规则或状态机的策略,而人工智能辅助的发动机管理系统(EMS)仍处于研究阶段[13,124].
这种难度源于基于学习的EMS的黑盒或灰盒特性。深度强化学习(DRL)策略是由成千上万甚至数百万个训练参数定义的,而非基于需求。因此,作为传统软件保障核心证据的需求测试和结构覆盖,对其而言没有直接意义。其在训练分布之外的行为在设计上不受限制。如果策略在服务中持续适应,认证配置也无法固定。在EMS中,这些问题会转化为具体的运行约束。基于模拟或汽车工况循环训练的策略(4.4节中讨论的分配策略所需的状态健康信息)仍必须遵守燃料电池堆的当前功率限制和缺氧裕度。在遭遇阵风、非计划爬升或燃料电池堆性能下降时,它还必须保留安全着陆所需的电池电量储备。新兴的指导方针通过学习保证来应对,即提供数据质量和代表性的证据、明确的运行设计域和泛化边界,并辅以可解释性和人工监督[120,123].
目前正在研究的几种方法可以提供缺失的证据。形式化验证可以证明训练好的神经网络满足既定的输入输出属性。基于SMT的求解器(如Reluplex)首次在ACAS Xu机载防撞表的神经网络压缩中得到应用[125]. 同样的技术可以证明,在有界输入域内,EMS策略永远不会使当前栈超过其斜坡限制。通过屏蔽实现的安全强化学习,在智能体和受控对象之间放置了一个经过验证的监控器[126]。该屏蔽层会覆盖任何违反时序逻辑安全规范的动作,因此安全性依赖于屏蔽层而非学习到的策略。运行时保证将这一理念从控制器扩展到系统层面。一个按常规设计、可认证的恢复控制器会监控安全包络线,并在复杂功能接近其边界时接管控制。对于EMS而言,恢复控制器将是如以下列出的基于规则或状态机的策略表7。ASTM F3269-21为包含复杂功能的航空系统规范了这种架构[127]。经如此保护的神经网络避障功能已通过飞行测试[128],且针对机器学习机载系统的设计保证流程已被提出[129对于氢燃料电池无人机,近期最可行的路线是采用分层架构。基于学习或模型预测控制(MPC)的优化器在可认证的基于规则的包络层所限定的范围内,充当咨询或监督功能。这样,认证工作仅限于简单的规则层,同时又能保留先进策略在燃油效率和降低损耗方面的诸多优势。在飞行燃料电池无人机上验证这种架构是当前的研究重点。此外,测量模拟优势在包络限制下能保留多少也是一项重要任务。4.4. 多堆系统中的健康感知功率分配与数据驱动预测
目前讨论的策略将燃料电池视为单一的均匀健康源。在以下描述的多堆架构中第3.2节该假设失效,因为各电堆老化速率不同,且这种差异具有自我强化效应。健康状态最低的电堆具有最陡的极化斜率。因此,仅优化瞬时氢耗的分配规则会在低电流时优先为其分配氢气,在高电流时减少其分配,这并不符合最小化总退化量的原则。因此,分配必须以各电堆的健康状态为条件,而不能仅依据总功率需求。Mei等人[130] 将其表述为一个强化学习问题,其中奖励机制同时惩罚氢气消耗和健康状态差异的增长。他们报告称,软演员-评论家智能体能够使各堆栈之间的退化程度趋于一致,且相对于消耗最优基准而言,氢气消耗惩罚较小。对于无人机而言,其结果是维护方面的:多堆栈推进系统的维护间隔由其最弱的堆栈决定,因此即使燃料消耗略有增加,使退化程度均衡也能延长该间隔。对于成本驱动因素是可用性而非燃料的运营商来说,这种交易是有利的。
健康感知分配的前提是退化是可以预测的,而不仅仅是可测量的。质子交换膜燃料电池(PEMFC)中的电压退化并非单调的:它包含与再水合以及停机后表面氧化物去除相关的可逆恢复过程。这种恢复限制了经典外推法和循环架构(如LSTM)的准确性,因为这些架构往往会将恢复事件误读为潜在趋势的变化。基于注意力的序列模型能更稳健地处理这种情况,因为它们可以直接关注较远的操作历史,而不是通过隐藏状态进行传播。Meng等人[131] 将一种带有恢复事件分段过滤和掩码的Transformer架构应用于PEMFC退化预测,并报告了相对于LSTM和回声状态网络基准模型在长时预测准确度上的提升。应用于无人机时,该模型将预测结果从维护输入转换为调度输入:在任务功率水平下预测的电堆寿命终点电压,将决定运行规则所要求的功率储备在任务结束时是否依然可用。
这项能力与实际部署之间存在两大障碍。首先是数据问题。退化模型几乎完全基于固定或汽车工况循环进行训练,而没有任何公开的无人机数据集涵盖了旋翼机运行中频繁的深度功率瞬变、随高度变化的阴极压力以及间歇性运行等特征。将基于汽车循环训练的模型迁移到旋翼机循环中属于外推而非应用。迁移学习为这种数据短缺提供了一种部分解决方案。吴等人 [132]结合TimesNet与LSTM网络提取反映老化的低频电压趋势。随后,他们仅在源域和目标域之间传输这些低频特征,从而缩小了两者之间的分布差异。该方法能够利用有限的目标数据,实现跨设备和运行条件的快速多步预测。这适用于无人机案例,即必须将丰富的静态或汽车老化数据与稀缺的飞行数据相结合。其在旋翼机工作循环下的准确性尚未得到测试。第二点是认证,如在...中讨论第4.3节中的认证地位:一个为调度决策提供信息的预后模型本身正在执行飞行关键功能,且目前尚无公认的合规手段。因此,健康感知多栈分配在此被评估为技术上具有前景,但用于机载的成熟度等级(TRL)仅为3-4级。5. 安全、标准与法规
无人机搭载压力氢气引入了三个领域的特定安全工程要求:储氢容器的结构完整性、泄漏检测与遏制,以及抗撞击性能[4,26].
由于氢气分子量低且扩散性强,在密闭空间内积聚的燃料费可形成爆炸性混合物(空气中可燃极限:4–75 vol%,爆轰极限:18–59 vol%),且点火能量极低(0.017 mJ)。储罐材料必须通过严格的鉴定测试,证明其具备抗机械冲击、抗振动和抗热循环的能力。在重复加压循环下,IV型复合材料气瓶的长期疲劳行为和微裂纹扩展是直接关系到运行安全的重要研究课题。从碰撞安全性角度来看,复合材料氢气压力容器在高速冲击下的失效模式(碎片飞溅和气体突然释放),需要采取与电池热失控事件中受控泄压截然不同的设计缓解措施。
氢气泄漏检测采用催化、电化学和半导体传感器技术。多传感器融合结合AI辅助异常检测,即使在低浓度水平下也能提供快速预警。紧急切断阀、自动通风系统和故障安全着陆程序构成了泄漏场景的主要安全层。FAA和EASA认证指南均要求对氢气系统进行失效模式与影响分析(FMEA)(涵盖调节器失效、电磁阀故障、隔膜破裂和传感器失效模式),且应从概念设计阶段就将其整合。在真实通风条件下无人机机身内的氢气扩散建模仍是一个已发表的无人机专用数据稀缺的领域。监管无人机应用中氢燃料电池系统的主要监管框架和技术标准总结在表8该表列出了为确保适航性、系统可靠性和环境合规性而必须满足的国际安全、设计和运行要求。
表8。适用于氢燃料电池无人机系统的关键标准和法规。
其他相关机构包括ISO/TC 197、SAE International (SAE AS6858)、IEC/TC 105和ICAO。各国航空当局正在制定氢能无人机系统型号合格证和运行批准的专门评估标准,主要评估要求包括氢气储存安全、FMEA、安全返航行为、MTBF阈值以及防火防爆能力。一个特别的不确定性来源是,目前尚未建立与载人飞机电力推进系统现行标准同等的氢能无人机特殊条件框架。受FAA和EASA管辖的制造商目前必须逐个项目协商合规方式。
无人机应用领域面临的一个尚未解决的挑战是IV型储气罐在运行循环下的结构完整性。源自汽车行业的IV型气瓶标准(EC 79/2009和ISO 19881,后者取代了已废止的ISO/TS 15869 [28]) 定义了在受控充装循环条件下高达700bar的疲劳寿命。然而,无人机的部署引入了地面车辆特性分析中不存在的额外应力:旋翼机叶片通过频率(40–120 Hz)下的高频振动读档,地面储存温度(−20 °C至+50 °C)与高空环境(HALE运行高度为−50 °C)之间的快速热循环,以及在压力和弯曲载荷共同作用下,碳纤维复合材料缠绕层中加速的微裂纹扩展。疲劳数据表明,与仅受静态载荷相比,在同时受振动和压力载荷作用下,复合材料包覆层的裂纹扩展速率会增加[139]。因此,对于无人机认证,除了汽车标准的充填循环方法外,还需要在代表性振动频谱下进行专门的资质测试。
当比较这两类标准的要求时,这种差异最为明显。汽车容器标准(EC 79/2009、ISO 19881 [28]和UN GTR No. 13)主要通过水压循环、爆破、火灾、掉落和穿透测试来鉴定容器,而振动测试仅作为相对温和的道路运输频谱出现。航空装备标准(RTCA DO-160G第8节 [137]和MIL-STD-810H第514方法 [138]) 真实地规定了振动要求,包括在多性向环境中占主导地位的窄带转子阶次成分。然而,这些标准是针对装备而非压力容器编写的,完全没有包含压力循环要求。因此,这两套标准都未能解决适用于无人机氢气容器的读档情况,即在低温环境下,持续的转子阶次振动频谱上叠加压力循环。
这不仅仅是账目上的疏忽。因为分层扩展遵循高指数的帕里斯关系(第2.2节),分别对两种载荷进行评估并不能限制组合情况,且施加它们的顺序会改变结果。在压力循环下积累了横向裂纹网络的容器,与完好无损的容器相比,在后续的振动频谱中会呈现出不同的分层起始群体。SAE AS6858 [134]是目前最接近的航空燃料电池安装衔接文件,但它并未规定储罐的耦合振动-压力疲劳谱。在作者看来,定义此类谱系并就代表该谱系的加速测试达成一致,是氢能无人机适航领域最关键的标准空白,且目前汽车界和航空界均未对此负责。6. 应用与现场演示
PEMFC氢燃料电池技术已在轻型、长续航固定翼无人机平台上成功得到验证[140,141]。针对2–25公斤级平台的研究表明,在优化设计条件下可实现显著的性能指标[19,142]。在实地测试结果中,6.5公斤级的Hydra平台实现了四小时的基础续航时间。与同等电池平台的优化PEMFC-电池混合系统相比,飞行续航时间延长了3.76倍[21]。美国海军的Ion Tiger是一款重量约为16公斤的固定翼平台,使用液氢实现了48小时的连续飞行记录;这至今仍是战术无人机规模下长航时氢动力最清晰的基准。Renau等人开发的一种高空固定翼无人机采用定制的400瓦高温质子交换膜燃料电池(HT-PEMFC,工作温度为120–180 °C),在高达3000米的高度上实现了同等电池平台五倍的续航时间[143]。HT-PEMFC系统在达到工作温度前需要10-30分钟的预热时间。通过水热管理建模,对传统PEMFC系统在零下环境温度下的冷启动行为进行了单独表征,从而确立了零下运行的电池内部设计标准[144].
在自2015年以来市场大幅增长的旋翼机领域,针对不同功率等级和续航目标的现场测试展现出了广泛的性能包络线。商用及实验测试系统的关键性能参数总结如下表2 [4,14].
飞行续航时间是商用氢能无人机平台的主要性能差异点,也是燃料电池动力系统相比电池动力系统增加系统复杂性的核心理由。图12汇总了在以下详细说明的商用及实验验证系统中记录的续航时间数值表2,从而实现了2015-2023年产品代际间的直接跨平台比较。
图12。氢燃料电池多旋翼无人机平台飞行续航能力展示,2015–2023年,按储氢方式及商业或实验状态区分。数值及其来源如表2所示。原图由作者准备。
图12展示了2015-2023年间商业和实验性氢燃料电池多旋翼无人机平台的记录飞行续航时间。柱状图显示,大多数商业压缩气体系统可实现90-270分钟的续航时间。HYDrone-1800(270分钟,14升储罐)和新源创能平台(331分钟,19升/35兆帕)代表了压缩氢气性能包络线的上限。实验性的MetaVista平台(首尔,2019年)是一个明显的离群值,其续航时间达到727分钟,这是通过6升液氢储存系统实现的。在同等储罐质量下,压缩气态氢无法达到这种续航时间,这与引用的吉尼斯世界纪录相对应第2.2节在近期的商用系统中,DT30X(DMI,2023)在2700瓦的电堆功率下实现了150分钟的续航,这反映了电堆功率密度和IV型储氢罐体积的逐步提升。柱状图中的广泛分布表明,续航能力在很大程度上取决于储氢方式、储氢罐体积和系统级效率,而不仅仅取决于电堆功率。图12应结合以下内容阅读表2,它提供了相应的系统级参数(燃料电池额定功率、最大起飞重量和储氢体积),这些参数解释了各平台在续航分布中的位置。
一个注意事项适用于表2整体而言。制造商公布的续航里程值是在很少说明具体条件的情况下获得的:在大多数情况下,有效载荷、环境温度、风速、储备电量以及所引用的数值是指悬停还是巡航均未说明。这些数值也未经过独立验证。若存在同行评审的来源,则直接采用该来源的数值,并且每一项数据的来源均在最后一列中注明。仅基于制造商资料的记录应被视为参考上限而非实测性能,本节中的比较陈述也已据此制定。另外两项实验记录则相反:MetaVista的记录经过了外部裁定机构的验证,而Xinyuan的飞行则同时报告了油箱容积和压力,这使得独立能量核查成为可能。氢燃料无人机缺乏类似于道路车辆WLTP的标准化续航报告规范,这本身就是进行有意义比较和采购的障碍,因此建议相关标准机构将其作为目标。
城市空中交通领域正在加速开发用于客运和货运的eVTOL飞行器[145]。采用混合燃料电池-电池动力系统的氢燃料电池飞机概念,其目标运行范围超过100公里[146,147,148]。在高密度城市运行中,电池热失控构成了不可接受的安全隐患[149],这使得人们对基于燃料电池的动力架构产生了浓厚兴趣。对于续航里程超过50公里的情况,混合燃料电池-电池eVTOL平台相比纯电池配置实现了更优的功率重量比性能,因为氢气储存的质量优势变得至关重要[150]. 将氢能系统整合进城市空域会带来超越飞机本身的工程需求:垂直起降机场的氢燃料加注基础设施、氢气纯度监测以及城市扩散风险评估。这些需求代表了当前飞机级研究与商业化城市空中交通部署所需的监管基础设施框架之间存在的系统级差距。
在国防领域,配备氢燃料电池的无人机为ISR任务提供了显著优势。低热特征、极低声发射和零排放提高了未被发现运行的概率[151]。对于超过六小时的持续监视任务,燃料电池技术提供了锂离子电池系统无法提供的续航能力。燃料电池无人机还可用于工业巡检任务。Belmonte等人(2018年)全面评估了用于移动起重机巡检的燃料电池动力八旋翼无人机的设计、成本和环境影响[152].7. 经济与环境评估
7.1. 市场动态与成本趋势
商业氢燃料电池无人机市场已迅速扩张。截至2022年,全球已生产约659架商业氢燃料电池无人机,据Mariscal等人报告,预计到2030年,该领域的复合年增长率(CAGR)将达到76.3%[153]。独立市场评估预测,到2030年全球氢燃料电池无人机市场规模将超过18亿美元,但考虑到氢能基础设施部署时间表对政策环境和绿氢生产成本的高度敏感性,此类预测存在相当大的不确定性。
氢燃料无人机运营的总拥有成本(TCO)包括资本装备成本、氢燃料成本、维护成本和基础设施成本。目前商业PEMFC系统的电堆价格约为每千瓦500至1500美元,2千瓦的无人机电堆意味着在推进子系统上需投入1000至3000美元的资本支出,远高于同等电池系统200至600美元的成本。然而,当综合考虑燃料成本和续航能力时,氢燃料无人机在需要持续运行的应用场景中展现出更优的经济性。对于需要连续运行8小时的持久监视任务,氢燃料成本(按当前灰氢价格约每任务0.8至2.5美元,或绿氢3.5至6美元)与同等电池无人机机队的电池更换周期成本及充电基础设施运营成本相比,具有明显优势[153].
一个重要的降本途径是生产规模对PEMFC电堆制造的影响。行业分析表明,当年产量达到10,000台时,电堆成本有望降至100–300美元/千瓦。在此成本水平下,当任务时长超过90分钟时,氢动力系统在每飞行小时成本上将与电池系统具备竞争优势。主要的成本不确定性在于氢燃料价格:2–3美元/公斤的绿氢被认为是无人机广泛应用商业可行性的门槛。7.2. 生命周期评估与环境影响
氢燃料电池无人机在运行点仅排放水蒸气,但整个生命周期的环境影响很大程度上取决于氢气生产路径[154]。目前全球约95%的氢气生产源自化石燃料(蒸汽甲烷重整),其生命周期温室气体排放量为每公斤氢气10–14公斤二氧化碳2当量2 (grey hydrogen). When operated on grey hydrogen, the well-to-wake carbon intensity of a PEMFC UAV is comparable to, or greater than, that of a combustion-engine UAV of similar endurance. Green hydrogen produced by alkaline electrolysis powered by wind or solar energy achieves lifecycle GHG emissions below 1 kg CO2-eq/kg H2, yielding a well-to-wake carbon intensity for the UAV mission below 5% of the grey hydrogen equivalent.
-以100年为基准的等值。2-equivalent on a 100-year basis.
对代表性2千瓦质子交换膜燃料电池(PEMFC)多旋翼无人机在500小时运行寿命期间进行生命周期评估框架分析表明,当使用绿氢作为燃料时,PEMFC电堆制造阶段(铂催化剂、Nafion膜、碳纤维双极板)占总生命周期温室气体排放的35%至50%,而当灰氢主导燃料阶段时,该比例不足5%。这一发现表明,氢能无人机的环境优势与氢气供应链密不可分:使用灰氢部署的氢能无人机,在生命周期碳排放方面相较于使用典型电网混合能源充电的电池替代方案并无优势。在可再生能源渗透率高或可获得低成本绿氢的地区,其环境效益最为显著。在电堆寿命结束时回收和循环利用铂催化剂可减少制造阶段20%至40%的排放,这是近期行业的重要优先事项。
在统一的“从油井到醒来”基础上进行比较,使这种依赖关系变得清晰明确。以氢气的低位发热量33.3 kWh/kg计算,每公斤氢气产生10–14公斤CO2-eq的灰氢2相当于燃料阶段碳强度为300–420克CO2-eq/每千瓦时氢能,而每公斤氢气产生低于1公斤CO2-eq的绿氢2低于30克CO2-eq/kWh。对于上述代表性的2千瓦多性向平台,在平均轴功率约为1.2千瓦、系统效率为0.45的情况下,每飞行小时的氢气消耗量约为0.08千克。因此,燃料阶段的排放量约为0.8–1.1千克CO2-eq每飞行小时(使用灰氢)以及低于0.08千克CO2-eq每飞行小时(使用绿氢)。从电网为等效电池平台充电,排放量为400克CO2-eq/kWh,大约产生0.5–0.6千克CO2-eq 每飞行小时,在计入充电和电池往返损耗后。因此,在用能阶段,灰氢的表现比电网充电更差,而绿氢则优于前者约一个数量级。这量化了上述定性结论。若计入制造阶段(在使用绿氢时,该阶段占生命周期排放的35–50%),绿氢的排放量将上升至约0.12–0.16 kg CO2-在500小时的使用寿命内,每飞行小时的排放量。这些数据仅具参考意义,主要受假设的电网和氢气生产强度影响,而非推进系统本身。若要将其与汽车和航空文献放在同等地位,则需要建立一套目前尚不存在的、针对无人机的统一“从油井到航迹”生命周期评估模型[152,153,154].
图13将此比较扩展到氢能路径,因为燃料阶段的排放量与生产强度成线性比例。与使用400克二氧化碳当量/千瓦时电网充电的电池平台相比,仅燃料阶段的盈亏平衡点约为6.9公斤二氧化碳当量2-eq/kWh电网,盈亏平衡点约为6.9公斤二氧化碳当量2-eq的绿氢2仅燃料阶段。它降至约6.1公斤二氧化碳当量2-eq的绿氢2一旦将制造过程纳入考虑。对于250克二氧化碳排放量的电网,相应数值约为4.3和3.5。因此,在任何现实电网中,灰氢的排放量都远高于盈亏平衡点,而绿氢则远低于该点。据报道,蓝氢的全生命周期排放量比灰氢低50%至80%(在捕集率高且甲烷泄漏率低的情况下)[2],仅比灰氢低9%至12%[155]。上限值假设上游甲烷泄漏率为3.5%,且全球变暖潜势为20年[156因此,蓝氢跨越了盈亏平衡区域,若不进行针对特定供应链的评估,就不能假设其具有优势。以供应组合(156图13b)表示,只有当氢燃料无人机约40-60%的氢气为绿氢时,它才能在400克二氧化碳当量/千瓦时(-eq/kWh)的电网环境下与电池无人机相媲美。而在250克二氧化碳当量/千瓦时(2-eq/kWh)的电网环境下,绿氢比例必须超过约70-80%。正是这些阈值,而非零尾气排放,支持了“亮点”中的论述。仅使用灰氢运行,在生命周期碳排放方面并不比电池具有优势。2-eq/kWh grid, the green share must exceed about 70–80%. These thresholds, rather than the absence of tailpipe emissions, support the statement in the Highlights. Operation on grey hydrogen alone offers no life-cycle carbon advantage over batteries.
图13。代表性2千瓦级PEMFC多性向无人机(0.08千克H)的从井到醒碳足迹对氢气供应的敏感性。2)排放量随氢气生产强度的变化函数。阴影区域表示绿色(<1)、蓝色(约2至>10)和灰色(10–14千克CO)氢气的指示范围。该区域还计入了摊销的制造阶段(0.04–0.08千克CO-eq的绿氢-eq 每飞行小时)。(2) 排放量作为灰/绿供应组合中绿氢比例的函数,包括 0.06 kg CO2-eq 每飞行小时的制造排放。蓝线显示了在指定电网碳强度下(每飞行小时从电网抽取 1.375 kWh)等效电池电驱动无人机的运行阶段排放。原始图表由作者根据文中给出的关系整理而成。2-eq per flight hour). (b) Emissions as a function of the green-hydrogen share of a grey/green supply mix, including 0.06 kg CO2-eq per flight hour for manufacturing. Blue lines show use-phase emissions of an equivalent battery-electric UAV at the indicated grid carbon intensities (1.375 kWh drawn from the grid per flight hour). Original figure prepared by the authors from the relations given in the text.
在容器和机身层面的材料选择也会影响生命周期平衡。碳纤维热固性复合材料在当前航空航天结构中占据主导地位,包括氢气容器[157],但其不可逆的固化化学特性意味着退役部件大多被填埋。仅风力涡轮机叶片的预测就显示,到2050年欧洲每年将产生约32.5万吨复合材料废物[158,159,160]。热塑性基体可重新熔融、焊接、修复和回收,加工时间仅需几分钟而非数小时,因此改变了评估的寿命期限以及制造期限,其在航空航天一级和二级结构中的应用也随之扩大[161,162,163,164对于氢能无人机而言,相关影响在于,上述识别出的隐含排放中占很大比例的复合材料容器和机身,将变为部分可回收而非完全耗散。然而,目前尚无热塑性氢能容器的定量无人机规模生命周期数据,这进一步加剧了该技术在环境论证方面的空白。8. 结论
本综述探讨了氢燃料电池技术在无人机应用中的主要优势和当前局限性,涵盖了PEMFC基础知识、储氢系统、混合动力架构、能量管理策略、安全与认证要求、现场演示以及经济和环境评估。PEMFC系统具有250–1000 Wh/kg的电堆级比能量和40–60%的电化学转换效率,可提供约1。在计入系统平衡与氢气储存后,其可用比能量是目前主流锂离子电池技术的5至4倍,且该比例随任务时长增加而提升。在市售压缩气体多旋翼平台上记录的续航时间为90至331分钟,实验性液氢MetaVista演示机为727分钟,而优化后的固定翼设计连续飞行时间可达48小时,这些数据共同确立了氢燃料电池推进系统作为超越电池续航极限任务的首选可行替代方案。在储能技术中,700巴的IV型复合压力容器为最大起飞重量低于25公斤的无人机提供了最佳的质量性能比。V型无内衬容器仍是目前最有前景的预认证选项,而液氢虽然增加了基础设施的复杂性,却为高空长航时(HALE)平台提供了无与伦比的续航潜力。截至2022年,全球已生产659套商用系统,预计复合年增长率(CAGR)为76.3% [153], 该技术正从早期成熟阶段迈向商业化规模应用。将PEMFC与电池或超级电容器配对的混合动力架构,对于管理起飞到巡航阶段两到五倍的功率差异至关重要。并联被动拓扑结构为小型无人机提供了最佳的质量效率,而带有DC-DC转换器的有源拓扑结构虽然增加了质量和认证负担,但能实现更复杂的能量管理。基于规则和状态机的EMS策略仍是量产系统的实际标准,而包括多堆架构中健康感知分配在内的先进学习方法,虽然在模拟中表现良好,但在当前FAA和EASA框架下仍面临未解决的认证障碍。
尽管取得了这些进展,但在氢能无人机技术实现广泛的作战部署之前,仍需解决几个相互关联的技术差距。可靠的零下冷启动性能仍是目前最关键的未解决障碍:在−10 °C以下无辅助的冷启动会导致电堆电压在30至90秒内崩溃(Zeng等人 [144]). 目前,要求在-50°C至-65°C环境下冷启动的高空长航时(HALE)任务尚无适航解决方案,这使得飞行中启动失败成为不可恢复的任务中止条件。轻量化辅助系统(BoP)组件设计是另一项平行工程难题,在2千瓦以下规模的系统中,BoP子系统目前占总系统质量的30%至50%,这一限制尚未得到商业电堆制造商的全面解决。AI辅助能源管理系统的适航认证是同样紧迫的监管空白:目前尚无公认的合规手段可用于数据驱动的飞行关键控制器。FAA AC 20-174认可的开发保证框架以及EASA针对电动/混合动力推进系统的特殊条件(SC E-19)均未对其做出规定。目前由EASA、FAA和SAE G-34/EUROCAE WG-114制定的AI指南尚未产生相关规定。应用于EMS算法的形式化验证、运行时保障和可解释AI方法被确定为与认证直接相关的近期研究重点。在无人机特定运行循环(包括旋翼机叶片通过振动频率、快速高空热循环以及压力-弯曲复合疲劳)下,IV型储氢罐的结构完整性仍是一个待解决的适航问题。汽车领域的疲劳数据无法直接转化为无人机运行频谱,且氢能无人机运营商的长期实地数据尚不可得。最后,城市空中交通的绿氢供应链(涵盖小型垂直起降场电解或压缩燃料费输送、氢气纯度监测以及城市扩散风险评估)是一个跨学科的基础设施缺口,必须与飞行器层面的开发同步解决,才能推进商业化UAM部署。
在既定时间表内填补这些空白对于技术成熟至关重要。表9展示了氢能无人机商业化在五个主要技术领域中的定量技术成熟度目标,这些目标与国际民航组织可持续航空燃料路径和欧洲航空安全局先进空中交通路线图所采用的2030年和2035年时间表相一致。
表9中列出的冷启动方法均不适用。氢能无人机系统领域的2025-2035年技术成熟度目标。
根据欧盟地平线欧洲指南的TRL定义。“认证”表示在适用的FAA/EASA监管框架下具有型号认证资格的状态。AI EMS TRL提升至8级的前提是为机器学习功能建立公认的合规手段(例如,基于EASA AI概念文件和ARP6983/ED-324)。EASA AMC = 可接受的合规手段。在表9目前已具备高空长航时无人机部署的飞行适航资质,这体现了实验室演示与适航系统集成之间的成熟度差距。
氢动力无人机架构规模化发展的战略路线图,需要技术效率、运行可行性和经济可行性同步推进。表10列出了2030-2035年关键定量性能指标的目标值,包括系统级比功率(W/kg)、氢储能质量效率、目标单位/运行成本以及延长飞行时间。这些目标共同定义了下一代无人系统预期的技术成熟度。
表10。氢动力无人机关键技术、运行和经济目标(2030-2035年)。
氢燃料电池技术已证明其具备应对电池动力无人机在持续飞行任务中基本局限性所需的续航能力、效率和操作灵活性。从能力验证向商业成熟的过渡,需要材料科学、电力电子、人工智能认证框架以及绿氢基础设施的协同进步。这项技术的环保价值取决于氢气供应链:只有绿色氢能路径才能实现全生命周期的碳减排,从而证明其相对于先进电池替代方案所增加的系统复杂性是合理的。当这些赋能条件汇聚时(且在多个技术和监管领域,这种汇聚正在加速),氢燃料电池无人机将有望成为战术、商业和城市航空领域长航时、低环境影响任务的首选动力方案。实现这一潜力还需要本文讨论的复合材料和粘接技术专长第2.2节,因为储气罐及其首领接头,而非堆栈,现在是推进系统的资格限制因素。

