基于GA-BP神经网络优化的尾煤辅助电解水制氢技术研究

研究人员针对传统煤辅助电解水(CAWE)技术中碳氧化反应(COR)电流密度低(<10 mA/cm2)的瓶颈问题，创新性地采用遗传算法-反向传播(GA-BP)神经网络优化工艺参数。通过Box-Behnken实验设计，建立了煤浓度、硫酸浓度和搅拌速度与阳极电流密度的关系模型，在1.07 V vs. RHE条件下实现143.18 mA/cm2的电流密度，较传统方法提升27.8倍，为煤化工废弃物高值化利用提供了新思路。

　　

在全球能源转型背景下，氢能因其零碳排放特性被誉为21世纪最具潜力的清洁能源载体。然而传统电解水技术面临阳极析氧反应(OER)过电位高(1.23 V vs. RHE)的难题，导致能耗高达4.5-5.5 kWh/Nm³。煤辅助电解水(CAWE)技术通过用碳氧化反应(COR)替代OER，理论上可将起始电压降至0.21 V，但实际应用中COR电流密度长期低于10 mA/cm²，成为制约该技术工业化的关键瓶颈。

中国矿业大学的研究人员创新性地将遗传算法-反向传播(GA-BP)神经网络引入CAWE系统优化，以胜利煤田乐新煤层的浮选尾煤为研究对象。该团队通过Box-Behnken实验设计构建了多参数关联模型，发现尾煤中丰富的含氧官能团通过Fe²⁺/Fe³⁺氧化还原对介导的间接电子转移机制显著提升反应活性。相关成果发表在《International Journal of Hydrogen Energy》上，为煤化工废弃物资源化利用开辟了新途径。

研究采用三项关键技术：1) Box-Behnken实验设计建立参数-性能关系矩阵；2) GA-BP神经网络模型实现多参数协同优化；3) 线性扫描伏安法(LSV)评估COR动力学特性。实验选用内蒙古胜利煤田乐新煤层浮选尾煤作为碳源，通过控制变量法研究各参数单独作用规律。

单因素分析
硫酸浓度实验显示2 mol/L时电流密度达峰值，过高浓度会因H⁺竞争吸附抑制Fe³⁺活性；煤浓度在0.37 g/mL时最佳，过量会导致颗粒团聚；搅拌速度在1156 rpm时能有效缓解传质限制。

GA-BP模型优化
通过200次遗传迭代优化的神经网络模型预测误差仅2.1%，确定最优条件为1.85 mol/L H₂SO₄、0.37 g/mL煤浓度和1156 rpm搅拌速度，电流密度提升至143.18 mA/cm²。特征重要性分析显示煤浓度贡献度达49.82%，酸浓度和搅拌速度分别为29.07%和21.11%。

结论与意义
该研究首次将智能优化算法应用于CAWE系统，突破传统单变量优化的局限性，揭示了多参数协同作用机制。提出的技术方案使电流密度实现数量级提升，同时将尾煤这类煤化工废弃物转化为高效制氢原料，兼具环境效益与经济效益。这项工作为复杂电化学系统的智能化优化提供了范式，对推进清洁能源技术产业化具有重要指导价值。