德国：制氢电解槽量产之路 要让机器人接管

绿氢被视为难以电气化行业的解决方案:钢铁厂、化工厂、重型运输。需求巨大,供应稀缺。而核心技术电解槽，在不少企业，更像是在作坊中生产,而非在工厂中制造。

氢能领航项目"H2 Giga"旨在改变这一现状。自2021年以来,大学、研究机构和企业一直致力于将电解槽推向大规模生产。弗劳恩霍夫生产技术与自动化研究所(Fraunhofer IPA)参与了五个子项目,研究成果现已公布。

氢能生产:寻找缺失的分子

氢元素储量丰富,但很少以游离态存在。它被锁定在水(H₂O)等分子中,必须先被分离出来——这正是电解槽的任务。电解槽将水分解为氢气(H₂)和氧气(O)。获得的氢气可以驱动燃料电池或在高炉中替代化石燃料。

但截止目前, 德国电解槽的生产批量小、成本高。

这种情况将要改变。自2021年以来,"H2 Giga"领航项目一直在研究吉瓦级规模的生产,这一目标标志着从手工作坊向工业化生产的转变。

机器人接管电解槽制造

目前, 欧洲企业的电解槽主要还是由人工组装。而在石勒苏益格-荷尔斯泰因州的布拉克,一种对比鲜明的场景正在形成:一条自动化生产线。

在"PEP.IN"子项目中,科学家们与工业界共同建立了一个设施,机器人在其中承担所谓的"堆叠"工作——精确地将电极和膜层层叠加。

弗劳恩霍夫IPA的Nicolas Mandry说:"机器人只需一秒钟就能将一个部件叠放到另一个部件上。"

一秒钟——这是手工无法达到的速度。团队自主开发了相应的抓取器,质量保证也通过摄像头和图像处理完成,筛选出有缺陷的产品,保留无关紧要的瑕疵。

这样就建成了吉瓦级规模的工厂。

Mandry说:"这里一年内生产的电解槽累计额定功率至少达到一吉瓦——是采用大量手工制造时产量的数倍。"

数字孪生:数字化镜像

工业化需要全局视野。因此在FRHY子项目中,研究人员开发了一个联网的生产IT系统,实时收集所有生产模块的数据——一个数字孪生体,可以显示错误并实现优化。

但尽管雄心勃勃,并非一切都按计划进行。

Henry Himmelstoß说:"研究项目即将结束时,分布在五个弗劳恩霍夫研究所的生产设备仍未全部完工或投入运行。"

供应瓶颈延误了建设进度。模拟器暂时模拟未来机器应承担的工作。这看起来像是临时措施——但却孕育着后续项目的希望。

铱:稀缺元素

PEM电解槽阳极的情况清楚地表明了该技术对全球原材料市场的依赖。阳极涂有铱——最稀有的元素之一。每千瓦需要约0.67克铱。

在"IREKA"子项目中,Stefan Kölle领导的团队寻找减少铱需求的方法。

第一个想法:仅在铱发挥作用的地方涂覆——即表面。团队通过电镀技术制造极薄的涂层。

Kölle说: "只有表面的材料直接参与水的分解。"

没有循环经济就无法实现

功能已得到证实,但长期稳定性问题仍未解决。

第二种可能性:合金。镍不适合作为搭档,因为它溶解得太快。锡和钌则可行——但钌本身也是贵金属。

Kölle总结道:"目前看不到无贵金属的PEM电解槽。"

结论显而易见:没有循环经济就无法实现。

极限模拟

在"DEGRAD-EL3-Q"项目中,研究团队深入探究材料本质——从字面意义上讲。研究重点是电解过程中材料的行为,传统模拟在此遇到瓶颈。

Jan Schnabel说:"在为往往昂贵的原材料投资之前,应该通过计算机模拟了解材料在电解过程中的表现。"

量子计算可能长期有助于在分子层面理解材料。虽然这还是未来愿景,但研究人员获得了关于合适算法的重要见解。在传统方面,他们开发了一个机器学习模型,可以预测电解槽的降解行为——朝着更好的寿命模型迈出的一步。

电解槽和燃料电池的自动化合理回收

如果未来要批量生产数百万台电解槽和燃料电池,就必须能够对它们进行回收——自动化且经济合理。在"ReNaRe"子项目中,Anwar Al Assadi领导的团队为此开发了一种机器人辅助方法。

初步分析表明:电堆差异很大,其状态取决于使用时间,这使自动化变得困难。

团队确定了可适应的流程,并开发了机器人技能,用于处理电堆和拆卸螺栓连接。强化学习智能体将确保机器人即使在不精确的情况下也能可靠抓取。

同时开发了一个数字孪生体,可以映射不同的电堆设计并实现能源优化的拆解流程——未来循环经济的基石。

（信息来源：industrial-production）