近日，清华大学车辆与运载学院副研究员、河北清华发展研究院（下称“研究院”）氢内燃机研发中心主任马凡华团队联合科研力量，在国际学术期刊《International Journal of Hydrogen Energy》上发表题为《Exhaust heat recovery improvement by organic Rankine cycle with steam methane reforming process and prediction of the hydrogen production rate by decision tree regression models》的研究论文。该研究创新性地将蒸汽甲烷重整（SMR）与有机朗肯循环（ORC）集成于氢内燃机排气系统，实现发动机高温废气“先制氢、再发电”的高效梯级利用，并结合决策树机器学习模型实现制氢速率精准预测，体现了研究院氢内燃机研发中心在氢能与余热回收前沿领域的重要学术价值。
图1 研究团队提出的SMR-ORC集成系统示意图
氢内燃机是实现“双碳”目标的重要技术路径之一。然而，传统氢内燃机仍有大量能量以高温废热形式浪费。如何高效回收这部分能量并用于氢气制备，是提升系统整体能效的关键。针对这一难题，本研究提出了一种耦合SMR和ORC的新型余热回收架构。该架构以20%氢气掺混的HCNG发动机排气（974 K）作为热源，通过SMR反应将甲烷和水蒸气重整为氢气；同时，利用下游ORC子系统进一步捕获SMR后剩余的排气热能，实现“先制氢、再发电”的梯级利用。
研究基于ASPEN Plus仿真平台，系统评估了该集成方案的热力学性能：SMR过程可回收约58%的排气废热，在1273 K重整温度下，氢气产量达6.72 kg/h。引入ORC后，总热回收率提升至83%，系统整体效率从SMR-only方案的69.33%提升至71.34%；若将副产一氧化碳（CO）的能量价值纳入考量，系统效率可进一步攀升至76.43%。此外，研究还揭示了关键运行参数的影响规律：提高蒸汽碳比（S/C）和重整温度均可显著促进氢气产率，其中将S/C比从1增至5时，产氢量跃升40.4%；而提高压力则会抑制产氢，表明低压操作更优。
除了热力学创新，本研究还引入了机器学习方法。研究团队利用Fine Tree、Medium Tree和Coarse Tree三种决策树模型，基于340组仿真数据对氢气产率进行预测。结果表明，Fine Tree模型表现最佳，决定系数（R²）达0.99，均方根误差（RMSE）仅0.713，能够在极短计算代价下准确映射操作参数与产氢量之间的复杂非线性关系。这一模型有望为后续系统实时优化与控制提供智能决策工具。
该研究为HCNG发动机废热利用提供了一条“热-化-电”联产的全新路径，显著提升了能源综合利用效率。与此同时，决策树预测模型为复杂热化学系统的数字化与智能化运行提供了可行方案。团队指出，未来工作将聚焦于换热器构型优化、可再生能源耦合以及系统全生命周期经济性评估，以推动该技术的规模化应用。
马凡华为本文唯一通讯作者，上海交通大学Muhammad Ihsan Shahid博士后为本文第一作者。
参考文献：
-标题：Exhaust heat recovery improvement by organic Rankine cycle with steam methane reforming process and prediction of the hydrogen production rate by decision tree regression models
[1] Yang P, et al. Thermodynamic performance comparison of a SOFC system integrated with steam reforming and dry reforming by utilizing different fuels. Energy Convers Manag 2024;300:117981.
[2] Ihsan Shahid M, et al. Hydrogen production techniques and use of hydrogen in internal combustion engine: a comprehensive review. Fuel 2024;378(August).
[3] Yue M, Lambert H, Pahon E, Roche R, Jemei S, Hissel D. Hydrogen energy systems: a critical review of technologies, applications, trends and challenges. Renew Sustain Energy Rev 2021;146:111180.
- DOI：10.1016/j.ijhydene.2026.156966
