Local Mass Transport Resistance of Low-Loaded PEM Fuel-Cell Catalyst-Layers
Notice bibliographique
Résumé
To this day, the content of noble metals in the catalyst layers of proton exchange membrane fuel cells (PEMFCs) is still accounting for up to 60 % of the total stack cost and is therefore needed to be reduced for large-scale applications as automobile industry. Though a lot of effort was put into fabrication of catalyst-layers (CLs) with sufficiently low platinum loading, the performance below a certain content starts to decay rapidly. Within the CL, a complex interplay of mass and charge transport takes place, making the identification and quantification of the limiting parameters especially difficult and laborious. Finally, this resistance was found to be due to a local mass transport resistance scaling inversely with the electrochemical active surface area (ECSA). In this presentation, the results for the local transport resistance measured in-situ via our unique hydrogen limiting current setup for CLs of varying loading, ionomer content and fabrication are shown. The effects of temperature and relative humidity on this intrinsic property are discussed, allowing a deeper understanding of the processes occurring close to the catalyst surface. Though water production, oxide effects and possible peroxide formation can make oxygen limiting currents hard to quantify in detail, data is included, allowing a direct comparison of the transport properties and pathways of both reactants. The data provided shows the potential of this measurement technic to identify the transport limitations in a fast and easy way, which helps to optimize the electrode structure, composition and fabrication for several operation-conditions and therefore applications. Acknowledgements This work was supported by the Assistant Secretary for Energy Efficiency and Renewable Energy, Fuel Cell Technologies Program of the U.S. Department of Energy under Contract No. DE-AC02-05CH11231 and by CRADA agreement LB08003874 between Lawrence Berkeley National Laboratory and Toyota Motor Company. Figure 1
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».