Fugu-MT 論文翻訳(概要): Evaluating uncertainties in electrochemical impedance spectra of solid oxide fuel cells

論文の概要: Evaluating uncertainties in electrochemical impedance spectra of solid oxide fuel cells

arxiv url: http://arxiv.org/abs/2101.08049v1
Date: Wed, 20 Jan 2021 10:07:32 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 07:05:32.873832
Title: Evaluating uncertainties in electrochemical impedance spectra of solid oxide fuel cells
Title（参考訳）: 固体酸化物燃料電池の電気化学的インピーダンススペクトルの不確かさの評価
Authors: Luka \v{Z}nidari\v{c}, Gjorgji Nusev, Bertrand Morel, Julie Mougin, {\DJ}ani Juri\v{c}i\'c and Pavle Bo\v{s}koski
Abstract要約: 変動ベイズ(VB)による回路モデルパラメータの不確実性の定量化 MCMCアルゴリズムは、正確な後方分布を返すことが期待される。 VBアプローチは近似を生成します。これはやや楽観的ですが、まだより現実的なMCMC推定にかなり近いです。
参考スコア（独自算出の注目度）: 30.360808551072104
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Electrochemical impedance spectra is a widely used tool for characterization of fuel cells and electrochemical conversion systems in general. When applied to the on-line monitoring in context of in-field applications, the disturbances, drifts and sensor noise may cause severe distortions in the evaluated spectra, especially in the low-frequency part. Failure to account for the random effects can implicate difficulties in interpreting the spectra and misleading diagnostic reasoning. In the literature, this fact has been largely ignored. In this paper, we propose a computationally efficient approach to the quantification of the spectral uncertainty by quantifying the uncertainty of the equivalent circuit model (ECM) parameters by means of the Variational Bayes (VB) approach. To assess the quality of the VB posterior estimates, we compare the results of VB approach with those obtained with the Markov Chain Monte Carlo (MCMC) algorithm. Namely, MCMC algorithm is expected to return accurate posterior distributions, while VB approach provides the approximative distributions. By using simulated and real data we show that VB approach generates approximations, which although slightly over-optimistic, are still pretty close to the more realistic MCMC estimates. A great advantage of the VB method for online monitoring is low computational load, which is several orders of magnitude lighter than that of MCMC. The performance of VB algorithm is demonstrated on a case of ECM parameters estimation in a 6 cell solid-oxide fuel cell stack. The complete numerical implementation for recreating the results can be found at https://repo.ijs.si/lznidaric/ variational-bayes-supplementar y-material.
Abstract（参考訳）: 電気化学インピーダンススペクトルは、燃料電池や電気化学変換システムの特性評価に広く用いられている。フィールド内応用におけるオンラインモニタリングに応用した場合、外乱、ドリフト、センサノイズは評価スペクトル、特に低周波部分において深刻な歪みを引き起こす可能性がある。ランダムな効果を考慮できないことは、スペクトルの解釈と誤解を招く診断推論の難しさを意味する。文献では、この事実はほとんど無視されている。本稿では,等価回路モデル(ecm)パラメータの不確かさを変分ベイズ(vb)法を用いて定量化することにより,スペクトル不確かさを定量化する計算効率の高い手法を提案する。 VB後部推定値の品質を評価するために,マルコフ連鎖モンテカルロ(MCMC)アルゴリズムを用いて得られた値と比較した。すなわち、MCMCアルゴリズムは正確な後続分布を返すことが期待され、VBアプローチは近似分布を提供する。シミュレーションと実データを使用することで、vbアプローチが近似を生成することが分かる。オンラインモニタリングにおけるVB法の大きな利点は計算負荷が低く、MCMCよりも数桁軽くなることである。 VBアルゴリズムの性能は6セル固体酸化物燃料電池スタックにおけるECMパラメータ推定のケースで実証される。結果を再現するための完全な数値的な実装は、https://repo.ijs.si/lznidaric/ variational-bayes-supplementar y- Materialsにある。
全文参考訳へのリンク