燃料電池操作時改變氣體濃度或分壓造成的電流密度變化是可預測的?

—

作者:

最近在重新複習與推導電化學核心的 Butler–Volmer Model。在推導完公式後，目光停留在了交換電流密度（Exchange Current Density, $i_o$）與反應物濃度（Concentration, $C$）的依賴關係上：

i_o = i_{o,\text{ref}} \left(\frac{C}{C^*}\right)^\gamma

看到這個公式的當下就直接將其用於手邊有的實驗數據上：
實驗數據中，記錄了兩組在1大氣壓下改變氧氣濃度的數據：

利用這兩組數據，可以解聯立方程式，得出反應級數為1.04與參考常數800，並可寫成下列公式。

j_{\text{計算值}} = 800 \cdot (氣體濃度)^{1.04}

為了驗證「電流密度變化是否可預測」，我們拿這個求得的數學模型，來預測1.5 atm背壓環境純氧的表現。依理想理想氣體計算濃度帶入1.5：

j_{\text{計算值}} = 800 \cdot (1.5)^{1.04} \approx 1219\text{ mA/cm}^2

這個計算結果與實際的實驗量測值相當接近。
為了在日常實驗中能快速驗證數據，我開發了一個輕量化的「反應級數γ計算器」，大家可以點擊連結使用。

我們能進一步觸及燃料電池設計中一個非常深度的物理本質：反應級數γ計算器算出來的數值大小，其實是一把雙刃劍。

如果 γ= 1，當氧氣濃度從 1.0(純氧) 切換到 0.2(空氣) 時，電流密度會呈現線性式降低（例如從 800 掉到 150)。
如果我們能將觸媒優化，使 γ 值調低到 0.5 左右。同樣在 C=0.2 的空氣環境下，電流密度只會緩步下降至： 358這整整提升了原本空氣性能的 2.3 倍！調低 γ 值能讓電池在低濃度環境下，電流密度表現出更強的抗跌能力。

從電化學吸附理論來看，γ值的高低本質上可能取決於催化劑表面的吸附能（Binding Energy）。如果要降低γ值，核心方法是降低觸媒表面對產物與中間反應物的過強吸附，避免活性位點被「毒化」與佔據。

目前在材料工程上，主要倚賴以下三種調控手段達成：

合金化（Alloying Effect）： 引人過渡金屬（如 Pt-Co, Pt-Ni），利用配位效應改變 Pt 的 d-band center，減弱對含氧中間體的吸附。
核殼結構（Core-Shell Nanostructures）： 透過核心金屬對外殼 Pt 施加晶格應變（Strain Effect），優化表面吸附能。
晶面調控（Facet Engineering）： 精準暴露 ORR 活性最高、吸附最適中的特定晶面（如 Pt(111)），實現本徵活性的飛躍。

留言