Đại học Glasgow phát triển phương pháp học máy kết hợp lý thuyết vật lý dự báo suy giảm tuổi thọ máy điện phân PEM, nâng cao độ tin cậy sản xuất hydro xanh
Ngày: 30 tháng 5, 2026
Annie Nguyễn
Trong bối cảnh ngành công nghiệp hydro toàn cầu đang chuyển từ thử nghiệm sang thương mại hóa, một nhóm nghiên cứu tại Đại học Glasgow (Vương quốc Anh) vừa công bố phương pháp dự báo suy giảm hiệu suất và tuổi thọ thiết bị điện phân màng trao đổi proton (PEMEC) dựa trên học máy kết hợp lý thuyết vật lý (theory-guided data-driven approach). Công trình mang tên "Theory-Guided Data-Driven Prediction of PEMEC Degradation and Durability for Reliable Green Hydrogen Production" đã được Hội nghị ESREL (Châu Âu về An toàn và Độ tin cậy) 2026 chấp nhận đăng và sẽ được trình bày tại Braga, Bồ Đào Nha từ ngày 14 đến 19 tháng 6 năm 2026.
Bài toán then chốt: Suy giảm hiệu suất và thiếu dữ liệu tuổi thọ
Máy điện phân màng trao đổi proton (PEMEC) được xem là công nghệ sản xuất hydro xanh hàng đầu nhờ khả năng hoạt động ở mật độ dòng điện cao, đáp ứng động nhanh và thiết kế nhỏ gọn. Tuy nhiên, quá trình suy giảm hiệu suất theo thời gian làm giảm hiệu quả và tăng chi phí vận hành, trong khi các phương pháp thực nghiệm để đánh giá tuổi thọ thiết bị thường kéo dài hàng nghìn giờ, gây tốn kém và cản trở quá trình thương mại hóa.
Nhóm nghiên cứu gồm Thomas Waite, Shahin Alipour Bonab, Mohsen Abdolahi, Wenjuan Song, David Flynn và Mohammad Yazdani-Asrami – tất cả đều thuộc Trường Kỹ thuật James Watt, Đại học Glasgow – đã phát triển một phương pháp học máy lai ghép để giải quyết thách thức này. Phương pháp của họ khai thác các mô hình suy giảm dựa trên lý thuyết vật lý, trước tiên chỉ định một cấu trúc mô hình, sau đó sử dụng dữ liệu thực nghiệm để ước tính các tham số chưa biết.
Kết hợp lý thuyết vật lý và học máy: Hướng tiếp cận lai ghép
Khác với các mô hình học máy truyền thống – vốn được xem như "hộp đen" và yêu cầu lượng dữ liệu rất lớn – phương pháp của nhóm Glasgow tích hợp kiến thức nền tảng về cơ chế suy giảm (như mỏng màng, phân hủy chất xúc tác, biến dạng cơ học) vào cấu trúc mô hình, từ đó giảm đáng kể nhu cầu dữ liệu thực nghiệm. Cách tiếp cận kết hợp này cho phép dự báo chính xác hơn, đồng thời giữ được khả năng giải thích – một yếu tố quan trọng để các kỹ sư và nhà vận hành tin tưởng áp dụng vào thực tế.
Nhóm nghiên cứu cho biết, việc dự báo suy giảm hiệu suất và tuổi thọ còn lại của thiết bị không chỉ giúp tối ưu hóa lịch trình bảo trì, kéo dài tuổi thọ thiết bị, mà còn cung cấp dữ liệu đầu vào cần thiết để các tổ chức tài chính và bảo hiểm đánh giá rủi ro, từ đó tạo điều kiện thu hút vốn cho các dự án hydro xanh quy mô lớn.
Nằm trong chương trình nghiên cứu quốc gia HI-ACT
Nghiên cứu này được tài trợ một phần bởi Hội đồng Nghiên cứu Kỹ thuật và Khoa học Vật lý Vương quốc Anh (EPSRC) theo khoản tài trợ EP/X038823/1, trong khuôn khổ dự án HI-ACT (Hydrogen Integration for Accelerated Energy Transitions) – một trong những chương trình nghiên cứu hydro lớn nhất Vương quốc Anh với kinh phí 12,5 triệu bảng Anh, do Đại học Birmingham dẫn đầu. HI-ACT quy tụ hơn 20 đối tác từ các trường đại học, viện nghiên cứu và doanh nghiệp công nghiệp, đặt mục tiêu thúc đẩy tích hợp hệ thống hydro cho quá trình chuyển đổi năng lượng trung hòa carbon.
Bối cảnh: Học máy đang định hình tương lai ngành hydro
Công bố này diễn ra trong bối cảnh AI và học máy đang thâm nhập sâu vào toàn bộ chuỗi giá trị hydro. Trước đó, cũng trong năm 2025, Thomas Waite đã có nghiên cứu đăng trên Sustainable Construction Review về khả năng của AI trong việc dự báo suy giảm hiệu suất máy điện phân, trong đó ông nhấn mạnh: "Khả năng dự báo suy giảm hiệu suất là yếu tố quyết định tính khả thi kinh tế và lịch trình bảo trì của máy điện phân PEMWE."
Đáng chú ý, cùng trong tháng 5 năm 2026, một nhóm nghiên cứu quốc tế tại Đại học Leiden (Hà Lan) trong khuôn khổ dự án HyTROS cũng đã phát triển phương pháp học máy tự động để dự báo suy giảm tuổi thọ, phát hiện bất thường và tối ưu kế hoạch bảo trì cho các thiết bị hydro, bao gồm máy nén, thiết bị điện phân và thiết bị đo độ tinh khiết. Điều này cho thấy xu hướng ứng dụng AI vào dự báo suy giảm và bảo trì dự báo đang trở thành tiêu chuẩn trong ngành.
Triển vọng và ứng dụng thực tiễn
Nhóm nghiên cứu Glasgow dự kiến sẽ trình bày chi tiết công trình tại Hội nghị ESREL 2026, một trong những hội nghị quốc tế hàng đầu về an toàn và độ tin cậy hệ thống. Kết quả của nghiên cứu này được kỳ vọng sẽ góp phần rút ngắn thời gian thử nghiệm và đưa máy điện phân PEM vào ứng dụng công nghiệp rộng rãi hơn, đồng thời cung cấp các công cụ ra quyết định cho nhà vận hành và nhà đầu tư trong lĩnh vực hydro xanh.
Trong bối cảnh ngành công nghiệp hydro toàn cầu đang bước vào giai đoạn tăng tốc với các chính sách hỗ trợ lớn từ châu Âu (gói 1,3 tỷ euro của Đức, mạng lưới lõi hydro Hà Lan và Đức) và Trung Quốc (Kế hoạch 5 năm lần thứ 15, các khu trình diễn xe tải hydro), những phương pháp dự báo suy giảm và bảo trì dự báo dựa trên AI sẽ đóng vai trò then chốt để đảm bảo tài sản hydro vận hành an toàn, hiệu quả và có lợi nhuận trong suốt vòng đời của chúng.
