文献

J-GLOBAL ID：201902244041674976   整理番号：19A0490488

不均一細胞老化による定常電池システムの充電/放電のモデル化のための機械学習アプローチの性能解析【JST・京大機械翻訳】

Performance Analysis of Machine-Learning Approaches for Modeling the Charging/Discharging Proflles of Stationary Battery Systems with Non-Uniform Cell Aging

著者 (5件)： Kandasamy Nandha Kumar (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore 639798, Singapore) ,  Badrinarayanan Rajagopalan (Unit Energy Technology, Vlaamse Instelling voor Technologisch Onderzoek, 2400 Boeretang, Belgium) ,  Kanamarlapudi Venkata Ravi Kishore (Energy Research Institute @ NTU, Nanyang Technological University, Singapore 639798, Singapore) ,  Tseng King Jet (Engineering Cluster, Singapore Institute of Technology, Singapore 138682, Singapore) ,  Soong Boon-Hee (School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore 639798, Singapore)
資料名： Batteries (Web)  (Batteries (Web))
巻： 3  号： 2  ページ： 18  発行年： 2017年 
JST資料番号： U7140A  ISSN： 2313-0105  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 世界中の様々な配電網に接続された定常電池システム(SBS)の数は大幅に増加している。再生エネルギー源の統合の増加はSBSの数の増加に対する主要な寄与の一つである。SBSは,ピーク負荷管理,負荷シフト,電圧調整および電力品質改善などの他の応用にも使用されている。種々の例(充電/放電プロファイル)でのSBSの充電/放電特性を正確にモデル化することは多くの応用にとって極めて重要である。電池のエージングによる容量損失はSBSの充電/放電プロファイルをより正確に推定するために考慮すべき重要な因子である。経験的モデリングは,容量損失を推定するための文献で用いられる一般的なアプローチであり,SBSの充電/放電プロファイルを推定するためにさらに使用される。しかし,再生可能な統合と他のグリッド関連アプリケーションに使用されるSBSの場合,機械学習(ML)ベースのモデルは極端な柔軟性を提供し,実装のための最小の資源を必要とする。モデルは,SBSの充電/放電プロファイルを推定するために,既存のスマートメータデータを活用できる。本論文では,個々のセルのエージングが不均一であるシナリオに対して,SBSとして使用されるリチウム鉄リン酸塩電池システムおよびバナジウムレドックスフロー電池システムに適用できる異なるMLアプローチの性能に関する解析を提示した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *充電 ,  応用プログラム ,  *機械学習 ,  ピーク負荷 ,  *モデル ,  電圧制御 ,  *モデリング ,  管理 ,  *性能分析 ,  柔軟性 ,  *放電 ,  *電池
準シソーラス用語： スマートメータ ,  再生可能エネルギー源 ,  配電網 , 【Automatic Indexing@JST】

著者キーワード (4件)： 定置電池システム ,  充電/排出プロファイル ,  容量損失 ,  機械学習アプローチ

分類 (1件)： 二次電池  (YB04030K)

引用文献 (27件)：

• Stationary Storage Fraction of Advanced Battery Market. Available online: https://www.energymanagertoday.com/stationary-storage-fraction-of-advanced-battery-market-097419/ (accessed on 27 March 2017). Stationary Battery Energy Storage Speeds up the Energy Transition and Creates a $13.5 Billion Opportunity by 2023. Available online: http://www.yole.fr/Energy_Management_Battery.aspx#.WRE7X_mGNaQ (accessed on 15 May 2017). Education Bureau. 900 HDB Blocks, Eight Govt Sites to be Equipped with Solar Panels. Available online: https://www.edb.gov.sg/content/edb/en/news-and-events/news/2015-news/hdb-launches-first-tender-under-edb-ledprogramme-solarnova.html (accessed on 27 March 2017).
• Wong, R. 244 Solar Potential of HDB Blocks in Singapore. Energy Stud. Inst. Bull. Energy Trends Dev. 2011, 4, 6-7.
• Wu, J.; Botterud, A.; Mills, A.; Zhou, Z.; Hodge, B.M.; Heaney, M. Integrating solar PV (photovoltaics) in utility system operations: Analytical framework and Arizona case study. Energy 2015, 85, 1-9.
• Jenkins, N. Distributed Generation; The Institution of Engineering and Technology: Herts, UK, 2010.
• Vegunta, S.C.; Twomey, P.; Randles, D. Impact of PV and Load Penetration on LV Network Voltages and Unbalance and Potential Solutions. In Proceedings of the IEEE 22nd International Conference and Exhibition on Electricity Distribution (CIRED 2013), Stockholm, Sweden, 10-13 June 2013; pp. 1-4.

タイトルに関連する用語 (8件)： 不均一 ,  細胞老化 ,  電池 ,  充電 ,  放電 ,  モデル化 ,  機械学習 ,  性能解析