文献

J-GLOBAL ID：202202234696082756   整理番号：22A0326106

機械学習による高性能高分子電解質膜電解槽の解析とモデリング【JST・京大機械翻訳】

Analysis and modeling of high-performance polymer electrolyte membrane electrolyzers by machine learning

著者 (3件)： Guenay M. Erdem (Department of Energy Systems Engineering, Istanbul Bilgi University, 34060, Eyup-Istanbul, Turkey) ,  Tapan N. Alper (Department of Chemical Engineering, Gazi University, 06570, Maltepe-Ankara, Turkey) ,  Akkoc Gizem (Department of Chemical Engineering, Gazi University, 06570, Maltepe-Ankara, Turkey)
資料名： International Journal of Hydrogen Energy  (International Journal of Hydrogen Energy)
巻： 47  号： 4  ページ： 2134-2151  発行年： 2022年 
JST資料番号： B0192B  ISSN： 0360-3199  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本研究では,ボックスとウィスカと主成分分析,ならびに機械学習の一部としての分類と回帰ツリーモデリングを,PEM(高分子電解質膜)電解で構築したデータベース上で,789のデータポイントを30の最近発表して行った。Boxウィスカプロットは,カソード表面での純Pt,アノード担体でのTi,アノード表面でのPt,Ir,Co,Ruの存在,電極でのTi多孔性構造,純水-電解質,およびプロトン交換膜燃料電池におけるNafionとAquivion型膜が最高の性能を提供することを発見した。主成分分析は,カソード表面がほとんど純粋なNiから成るとき,アノード電極が担体またはバナジウム(10-20%)ドープTiO_2担体なしで,アノード電極表面がコバルト-鉄合金(0.5:0.5と0.333:0.666mol比)またはRuO_2から成るとき,低性能のリスクがあることを示す。分類ツリーは,電流密度と電位,カソード表面Niモル分率,アノード表面Coモル分率が電解槽の性能にとって最も重要な変数であることを明らかにした。最後に,回帰木技術は,0.18のRMSE(二乗平均平方根誤差)値で,偏光挙動をうまくモデル化した。Copyright 2022 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： 電位 ,  *電解 ,  ホイスカ ,  チタン ,  ニッケル ,  *電解槽 ,  キャリア ,  ドーピング ,  *モデリング ,  電流密度 ,  *電解質 ,  主成分分析 ,  アノード ,  カソード
準シソーラス用語： Nafion , 【Automatic Indexing@JST】

著者キーワード (6件)： PEM ,  分類木 ,  機械学習 ,  箱とホイスカプロット ,  回帰木 ,  主成分

分類 (2件)： 燃料電池  (YB04040V) ,  電解装置  (XE02030E)

タイトルに関連する用語 (5件)： 機械学習 ,  高分子電解質膜 ,  電解槽 ,  解析 ,  モデリング