近日，我院计算物理团队袁宏宽教授，王彪副教授携手清华大学王笑楠、新加坡国立大学谢建平教授研究团队，原创性地提出了一种基于气象大数据的机器学习模型，并深度融合全国空间-地理大数据，剖析了中国各地的制氢潜能以及下游产业链布局的合理性。这一突破性的研究成果已在国际能源交叉学科权威期刊《Applied Energy》（影响因子10.1，中科院一区TOP期刊）上发表，题为 “Scaling solar photocatalytic hydrogen production in China: Integrated geospatial-meteorological analysis”。西南大学为该论文第一完成单位，王彪老师为通讯作者。
太阳能光催化制氢技术，凭借其直接利用太阳能、全程环境友好的特性，被视为未来氢能生产的极具潜力的途径。该研究首次融合了地理空间数据与气象数据，并运用机器学习模型对光催化制氢效率进行了优化，为中国乃至全球范围内规模化绿色氢能的生产开辟了一条新颖且科学的路径。研究不仅揭示了中国在光催化制氢领域巨大的应用潜力，还提出了一条经济可行的技术实施路线，为氢能未来的大规模应用打下一定基础。此外，通过对氢能生产波动性的深入分析，该研究为氢能储存与利用设施的优化设计提供了宝贵参考，可望推动氢能产业链的完善与发展。这一成果不仅在能源科学领域具有重要学术意义，更为中国实现碳中和目标提供了技术参考。通过本研究，可以看到，太阳能光催化制氢技术在中国拥有广阔的发展前景。
据悉，王彪老师研究团队近年来一直聚焦于太阳能光催化制氢研究领域。本研究前后历时两年，期间获得了国家重点研发计划、国家自科基金委、中国科协优秀中外青年交流计划、国家留学基金委、四川省科技厅重点研发计划、重庆市自然科学基金和西南大学创新研究2035先导计划等项目资助，得到了西南大学物理科学与技术学院和“微纳结构光电子学”重庆市重点实验室的大力支持。
论文网址：https://doi.org/10.1016/j.apenergy.2024.125179
供稿：王彪
审核：宋佳芮 赵建伟 舒刚
首页