疑似データと転移学習による水電気分解スタックの状態推定の精度向上

カテゴリ: 部門大会

論文No: P63

グループ名: 【B】令和6年電気学会電力・エネルギー部門大会

発行日: 2024/08/23

タイトル(英語): Pseudo Data and Transfer Learning Improve the Accuracy on State Estimation of Water Electrolyzers

著者名: 伊木涼真（東京理科大学），片山昇（東京理科大学）

著者名(英語): Ryoma Iki (Tokyo University of Science), Noboru Katayama (Tokyo University of Science)

キーワード: 水電気分解|インピーダンス法|状態推定|ニューラルネットワーク|転移学習|water electrolyzer|impedance spectroscopy|state estimation|neural network|transfer learning

要約(日本語): 水電気分解スタックの温度および直流電流を推定することを目的とし、電気化学インピーダンス法と機械学習を組み合わせた手法について検討した。本研究では、等価回路モデルによる生成インピーダンスを用いて学習し、さらに測定値の一部を用いた転移学習を行った。その結果として推定精度が向上し、RMSE は温度1.31 ℃、直流電流0.39 Aを達成した。今後の課題としては、ハイパーパラメータやパラメータ推定の近似手法を変更して、推定精度がさらに向上するかを検証することが考えられる。

PDFファイルサイズ: 410 Kバイト