在汽車產業中，從內燃機汽車向電動汽車的轉變正在世界範圍內蓬勃發展。豐田汽車於2017年宣布了普及電動汽車的挑戰（圖1），目標是在2030年的汽車銷量中，50%以上是電動車輛，10%以上是EV（電動汽車）和FCV（燃料電池汽車）。
其中，FCV雖然系統成本高，但具有單位重量能量密度高和燃料添加速度快的優點。如圖2所示，以續航距離為橫軸，以車輛尺寸為縱軸，EV可以滿足短距離的客戶需求，適合個人出行和乘用車，而FCV可以滿足中長距離的客戶需求，因此不僅適用於乘用車，還適用於公交車和重型卡車等車輛。
豐田於2014年12月在世界範圍內率先開始發售量產型FCV「MIRAI」（圖3），並於2018年3月推出了使用FC系統的新型FC公交車「SORA」（圖4）。此外，還於2019年在東京車展上發布了新一代FCV「MIRAI CONCEPT」（圖5）。
雖然FCV的量產還存在氫基礎設施等各種課題，但是降低成本是不可或缺的因素之一。為此，必須降低燃料電池堆的成本，手段之一是增加電流密度。如果可以在較小的發電面積上獲得相同的輸出功率，則可以減少電極和隔膜材料的使用量（圖6）。
本文將對燃料電池堆的高電流密度化的關鍵技術之一、即擴散層的分析方法和模擬技術進行說明。
燃料電池堆由多個電池構成。一個電池由氫氣和氧氣的反應部位即膜電極組件（MEA: Membrane Electrode Assembly）、擴散層（Gas Diffusion Layer）和用於供給氫氣和空氣的流路構成（圖7）。
圖8示出發電原理和詳細的基本結構。催化劑層（Catalyst Layer）是厚度約10μm的多孔質部件，由納米級的Pt粒子、數十納米的碳載體和離聚物構成，在陽極催化層中，通過電化學反應從氫氣中生成質子和電子。生成的質子穿過電解質膜，在陰極催化劑層中，通過氧還原反應由空氣中的氧氣和穿過外部電路的電子生成水。
擴散層位於催化劑層和流路之間（圖8左），是一種厚度約100～200μm的多孔質部件，由兩層構成：由直徑數μm的碳纖維構成的基材層（Substrate）以及由亞微米級的碳和PTFE構成的MPL（Micro Porous Layer）。此外，擴散層還具有許多功能，例如，擴散來自流路的氣體、傳導電子、排出生成的水、以及作為結構部件進行緩衝並使表面壓力分布均勻化等。
在提高燃料電池的電流密度時（圖6），如式（1）和式（2）所示，所需的氧氣量與電流成比例地增加，同時反應生成的水含量也增加。由於氧氣的供給量與流路的氣體流速成正比，因此在高電流下，流路不會被生成的水阻塞。另一方面，由於擴散層是多孔質結構，因此液態水的輸送由毛細管力控制，並且電流越大，負責氣體輸送的空隙越容易被液態水阻塞，有效擴散係數就會降低。結果，催化劑層表面的氧氣濃度降低，且電壓降低（圖9）。綜上所述，擴散層的排水設計對於燃料電池的高電流密度化十分重要。
在擴散層的排水設計中，重要的是了解發電過程中擴散層各位置的水含量。
在接下來的章節中，將主要介紹以下內容：由豐田中央研究所和SOKEN合作開發，且使用輻射光的發電過程中擴散層內的液態水觀察技術、發電兩相流模擬技術、以及組合兩項技術以分析液態水分布的結果。
眾所周知，X射線放射顯影術是一種觀察液態水分布的方法，但是為了在發電過程中觀察擴散層內的液態水分布，需要μm級的解析度。此外，為了實時觀察液態水的行為，必須縮短曝光時間，因此需要高亮度的X射線源。本方法使用了SPring-8（兵庫縣佐用町）的豐田光束線BL33XU（豐田中央研究所安裝的專用光束線）的X射線源（Nonaka，2016）。將X射線能量設定為11.4keV，作為易於識別水的同時抑制對Pt的吸收的條件。在1.3µm的像素解析度下，大約每1.6秒執行一次成像。
為了觀察電池橫截面方向上的液態水分布，使用碳制隔板製造如圖10所示的觀察用工具。由於X射線的傳輸距離越短，透射像的噪聲越小，因此將隔板的尺寸設置為可以再現電池中發電現象的最小尺寸（流路2條，肋1條，流向6mm）。
為了與實際條件相匹配，將負載和溫度設為可調整，並且為了模擬電池平面方向的溼度環境，使用鼓泡器進行了加溼。
根據所獲得的透射像的亮度值和X射線強度的衰減特性來量化液態水含量（圖11）。
可以通過式（1）計算出水的生成量，但是擴散層的設計並不容易，因為液態水的分布取決於諸多因素之間的平衡，例如，局部反應分布、由擴散層的親水性/斥水性等造成的部件的液態水輸送阻力、由溫度分布造成的蒸發/冷凝等。因此，需要對含有燃料電池內液態水的物質輸送現象和電化學反應進行模擬，因而開發了基於數值流體模擬的發電模擬模型。
該模型是將連續性方程、納維-斯託克斯方程、各種化學物質的傳輸方程、能量方程、電荷和質子的運輸方程作為控制方程組合而成的。特別是本次關注的擴散層中的氣液兩相流使用Multiphase Mixture（M2）模型（C.Y.Wang，2004）（L.Hao，2016）。模擬的輸入使用圖10中電池的三維形狀、工作條件以及分別獲得的每個構件的物理特性。
圖12示出實驗的可視化圖像與模擬之間的比較結果。由該圖可知，可以再現肋正下方具有大量液態水的情況。
5.1 不同性能擴散層的水分布差異
使用上述方法，對具有不同發電性能的電池擴散層A和B的液態水分布進行了比較，並通過模擬分析了水分布差異是由哪個擴散層的物理特性引起的。根據運行條件，在電池內，平面方向的溼度分布為0％RH到過加溼。此次，為了模擬電池的中央部，將陰極入口溼度設定為126％RH，並將陽極入口溼度設定為98％RH。
與使用擴散層A的電池相比，使用擴散層B的電池性能更優異，比較實際測量的液態水分布後發現，A的液態水含量大於B（圖13），從而可知高含量液態水會阻礙氧氣的擴散。為了確認影響發電的液態水區域，將擴散層內的區域劃分為12等份，將各區域中液態水含量的差異作為因子，以電流密度為目標變量，並通過模擬計算貢獻度後發現（圖14），擴散層基材流路下的液態水分布對性能差異影響很大，由此可知，減少該部分的液態水分布對於提高電流密度十分重要。
5.2 液態水分布與擴散層導熱率之間的關係
為了闡明液態水分布與擴散層物理性質之間的關係，通過模擬對擴散層的各物理性質值進行了敏感度調查。對於基材和MPL的導熱率，分別選擇了結合肋下和槽下的4個因子、MPL的平面方向/垂直方向的擴散係數的2個因子、以及基材的毛細管壓力這7個因子，並根據實驗計劃進行敏感度分析。
圖15示出對圖14的流路下基材液態水含量（Group No.1-3）進行的敏感度分析結果。圖中，藍色表示與液態水含量呈正相關，而紅色表示呈負相關。由圖可知，在此次發電條件下，基材和MPL的導熱率對液態水含量的影響較大，基材的導熱率越小且MPL越大，液態水含量越小。
這是因為，基材的導熱率越小，基材的溫度越高，冷凝的液態水越少（I），MPL的導熱率越大，向陰極側的熱通量越大，陽極側的溫度越低，從陰極流向陽極的水含量越高（Ⅱ）（圖16）。
實際上，上一章介紹的擴散層A、B的基材和MPL的導熱率的實際測量結果如圖17所示，與A相比，液態水含量較少的擴散層B的基材導熱率較低，MPL的導熱率較高，因此上述機制是合理的。
綜上所述，通過結合使用輻射光的液態水觀察技術和模擬技術，對具有不同性能的擴散層進行比較分析，可以闡明燃料電池內發生的一些複雜現象。特別是擴散層的熱設計可以說是燃料電池的液態水設計中不可或缺的重要因素。
本文通過發電性能和液態水分布將擴散層與宏觀物理特性聯繫起來。為了基於這種宏觀物理特性來製造產品，必須理解材料和製造方法（工藝）。為此，雖然可以通過反覆試驗直到滿足所需的物理性能，從而找出合適的材料和工藝方法，但是這種方法難以將開發成本和開發周期最小化。因此，如圖18所示，將電極微觀結構定義為物理性質和工藝之間的中間層，並需要對可生成微觀結構的各種材料和工藝條件進行預測的工藝模擬技術、以及能夠從微結構預測電極物理性質的微觀結構模擬技術。
微觀結構模擬的研發已經成熟（J.Tomiyasu，2010），並且可以從市場買到商業軟體。另一方面，燃料電池工藝模擬的現象涉及很多方面，規模從納米到裝置規模不等，因此有很大的研發空間。例如，在催化層中，正在進行Pt/C、離聚物、溶劑的製備/分散引起的催化劑油墨中的相互作用（松岡，2019）、溶劑乾燥引起的細孔結構表達機理（Munekata，2013）（Inoue. G and Kawase.M，2016）等的研究，並且有望在未來的實際設計中得到有效利用。
在本次報告的將物理性質和發電性能聯繫起來的發電模擬中，在提高預測精度和性能本身方面仍有開發空間，例如，未來有必要對由擴散層製造條件不同導致的結構變化、各運輸類型的界面阻力進行現象分析和建模。此外，如開頭所述，由於對FCV公交車、重型卡車等商務車的應用需求日益高漲，因此有必要對與這些需求相對應的劣化現象進行整理和預測。
關於這些課題，為了普及FCV，急需開發新的測量方法、闡明其機理並開發模擬技術。
參考文獻：
1. Wang C. Y., Fundamental Models for Fuel Cell Engineering, Chemical Reviews, Vol.104 (2004), pp.4727–4766.
2. Inoue G. and Kawase M., Understanding Formation Mechanism of Heterogeneous Porous Structure of Catalyst Layer in Polymer Electrolyte Fuel Cell, International Journal of Hydrogen Energy, Vol.41, No.46 (2016), pp.21352–21365.
3. 林大甫，利用幅射光X射線的燃料電池電極內可視化和模擬開發，豐田技術評審（TOYOTA Technical Review），Vol.63 (2017), pp.100–106.
4. Hao L., Moriyama K, Gu W., and Wang C. Y., Three Dimensional Computations and Experimental Comparisons for a Large-Scale Proton Exchange Membrane Fuel Cell, Journal of the Electrochemical Society, Vol.163 (2016), pp. F744–F751.
5. 松岡克彌，有利於FCV設計創新的材料MBD活動，2019年汽車技術協會春季演講大會， 216. Munekata T, Suzuki T, Yamakawa S, and Asahi R., Effects of Viscosity, Surface Tension, and Evaporation Rate of Solvent on Dry Colloidal Structures: A Lattice Boltzmann Study. Phys Rev E., Vol.88 (2013), pp.052314–052322.
6. Nonaka T., Dohmae K., Hayashi Y., Araki T., Yamaguchi S., Nagai Y., Hirose Y., Tanaka T., Kitamura H., Uruga T., Yamazaki H., Yumoto H., Ohashi H., and Goto S., Toyota beamline (BL33XU) at SPring-8, AIP Conference Proceedings, Vol.1741 (2016), 030043.
7. Tomiyasu J., Harada T., Fujiuchi M., Inamuro T., Hyodo S., and Munekata T., Development of Electrode Structure for High Performance Fuel Cell Using CAE, Proceedings of the ASME 2010 8th International Conference on Fuel Cell Science, Engineering and Technology, Vol.1 (2010), pp.805–810.
翻譯：李釋雲
審校：李涵、賈陸葉
統稿：李淑珊