文献
J-GLOBAL ID:202002259351727617   整理番号:20A2798839

非線形自己回帰外因性ニューラルネットワークモデルを用いた電池セル温度を推定するためのデータ駆動アプローチ【JST・京大機械翻訳】

A data-driven approach to estimate battery cell temperature using a nonlinear autoregressive exogenous neural network model
著者 (5件):
資料名:
巻: 32  ページ: Null  発行年: 2020年 
JST資料番号: W3042A  ISSN: 2352-152X  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
電池温度は,電池寿命劣化,安全性,および動的性能における重要パラメータである。強い充電-放電操作と高い周囲温度は電池セル温度を高め,その劣化を加速する。したがって,正確な電池セル温度推定は,電池エネルギー貯蔵システム(BESS)の最適運転を確実にする際に重要な役割を果たす。電池セル温度をできるだけ正確に推定するために,非線形モデルの使用は,電池操作の非線形特性のために不可欠である。本論文では,非線形自己回帰外因性(NARX)ニューラルネットワークに基づくデータ駆動モデルを提案し,電力-放電電流および周囲温度のような強く相関する独立変数を考慮して,ユーティリティスケールBESSにおける電池セル温度を推定した。各季節における異なる温度と天候特性により,季節的NARXモデルも導出し,普遍的なものと比較した。PVプラント内のグリッド接続BESSから収集したフィールドデータを用いて提案モデルの性能を検証した。シミュレーション結果は,大規模電池とコンテナ熱動力学の複雑性を考慮しない,季節と普遍的モデルの両方に対する測定データと比較して,提案モデルの高精度を示した。特に,時間の95%以上において,推定値は,異なる条件で1°C以下の二乗平均平方根誤差(RMSE)をもたらし,提案モデルの妥当性と精度を確認した。さらに,季節モデルは,普遍的モデルと比較して,平均で18%から50%少ないRMSE(1時間から24時間前方推定)で,より良い性能を示した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (3件):
分類
JSTが定めた文献の分類名称とコードです
二次電池  ,  人工知能  ,  燃料電池 

前のページに戻る