Comparing Mitigation Techniques for Effective CO Mitigation in a Polymer Electrolyte Fuel Cell
Notice bibliographique
Résumé
The presence of carbon monoxide impurities in hydrogen can be a major deterrent to polymer electrolyte fuel cell (PEFC) performance. CO molecules present in hydrogen fuel rapidly get adsorbed on the platinum (Pt) active sites at the anode electrode and deactivate the surface reactions responsible for hydrogen oxidation [1]. On the other hand, obtaining 99.999% hydrogen purity requires major purification processes driving up the cost of hydrogen fuel [2]. To realise an economical hydrogen fuel price for fuel cell applications, reformate hydrogen containing CO can be used along with a suitable mitigation technique to reduce the adsorption of CO on Pt surface by means of oxidation or stripping. Catalyst modifications, air bleeding [3] and pulsed oxidation [4, 5] are commonly used techniques to resolve CO contamination issues in fuel cells. However, a detailed comparison of these techniques to define the efficiency as well as performance improvement in presence of CO contaminated fuel is not available. In this work, we present a comparison of results and scientific explanation of the use of various mitigation techniques to alleviate the effect of CO on the performance of a PEFC. Experiments were carried out on a single cell fuel cell at 80 ºC having modified anode catalyst (Pt/C and Pt-Ru/C) and a Pt/C cathode catalyst. CO mixed with pure hydrogen was fed to the anode and air was fed to the cathode. The cell potential was monitored when the fuel source was switched from pure hydrogen to CO doped hydrogen at a constant current density to study the impact of poisoning. Anode catalyst modification with ruthenium resulted in 200 mV increase in CO tolerance compared to platinum at a constant current density. Air bleeding in presence of Pt/C and Pt-Ru/C showed similar results in performance which caused a gradual potential loss when operated for extended periods. However, when pulsed oxidation was employed, the cell potential remained close to pure hydrogen potential ranges even for longer testing periods. Acknowledgement: This work was supported by Indian Oil Corporation (R&D) and Simon Fraser University under the SFU-IOCL joint PhD program in clean energy. [1] M. Abdollahi, J. Yu, P. K. T. Liu, R. Ciora, M. Sahimi, T. T. Tsotsis, J. Membrane Science, 390-391, 32 (2012) [2] D. Jansen, J. W. Dijkstra, R. W. van den Brink, T. A. Peters, M. Stange, R. Bredesen, A. Goldbach, H. Y. Xu, A. Gottschalk, A. Doukelis, Energy Procedia 1, 253 (2009) [3] L-Yu Sung, B-Joe Hwang, K-Lin Hsueh, W-Nien Su, C-Chung Yang, J. Power Sources 242 (2013) 264-272 [4] C.G. Farrell, C.L. Gardner and M. Ternan, J. Power Sources, 117, 282 (2007) [5] A. H. Thomason, T. R. Lalk, A. J. Appleby, J. Power Sources 135 (2004) 204-211
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».