論文の概要: Predicting battery end of life from solar off-grid system field data using machine learning

• arxiv url: http://arxiv.org/abs/2107.13856v1
• Date: Thu, 29 Jul 2021 09:37:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-30 13:08:12.290070
• Title: Predicting battery end of life from solar off-grid system field data using machine learning
• Title（参考訳）: 機械学習を用いたソーラーオフグリッドシステムフィールドデータからのバッテリー寿命予測
• Authors: Antti Aitio and David A. Howey
• Abstract要約: 太陽熱接続型鉛蓄電池1027の健康診断に,スケール可能な機械学習アプローチを適用した。 73%の正確な寿命予測を8週間前に実施し,失敗時に82%まで上昇した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hundreds of millions of people lack access to electricity. Decentralised solar-battery systems are key for addressing this whilst avoiding carbon emissions and air pollution, but are hindered by relatively high costs and rural locations that inhibit timely preventative maintenance. Accurate diagnosis of battery health and prediction of end of life from operational data improves user experience and reduces costs. But lack of controlled validation tests and variable data quality mean existing lab-based techniques fail to work. We apply a scaleable probabilistic machine learning approach to diagnose health in 1027 solar-connected lead-acid batteries, each running for 400-760 days, totalling 620 million data rows. We demonstrate 73% accurate prediction of end of life, eight weeks in advance, rising to 82% at the point of failure. This work highlights the opportunity to estimate health from existing measurements using `big data' techniques, without additional equipment, extending lifetime and improving performance in real-world applications.
• Abstract（参考訳）: 何百万人もの人々が電気にアクセスできない。 分散型太陽熱システムは、二酸化炭素排出や大気汚染を回避しながらこれに対処する上で鍵となるが、比較的高いコストと、タイムリーな予防的維持を妨げる農村部によって妨げられている。 運用データからバッテリの正確な診断と寿命予測により、ユーザエクスペリエンスが向上し、コストが削減される。 しかし、制御された検証テストと可変データの品質の欠如は、既存のラボベースのテクニックが機能しないことを意味する。 ソーラー接続鉛酸電池1027台を400～760日、合計6億2000万行で稼働させ、健康診断にスケール可能な確率的機械学習手法を適用した。 終末期の正確な予測は73%で,8週間前であり,失敗時点では82%まで上昇した。 この研究は、"ビッグデータ"技術を用いて既存の測定値から健康を推定する機会を強調し、追加の機器を使わずに、寿命を延ばし、現実世界のアプリケーションの性能を向上させる。

関連論文リスト

• Gaussian process-based online health monitoring and fault analysis of lithium-ion battery systems from field data [0.0]
  データセットには、保証のためにメーカーに返却された29のバッテリーシステムが含まれている。 この分析は、最も弱いリンク障害と一致して、単一の細胞のみが異常な行動または膝点を示すことを示している。 コードをオープンソース化し、記事のレビューが完了するとデータセットを公開します。
  論文  参考訳（メタデータ） (2024-06-27T09:00:05Z)
• A Mapping Study of Machine Learning Methods for Remaining Useful Life Estimation of Lead-Acid Batteries [0.0]
  State of Health (SoH) と Remaining Useful Life (RUL) は、バッテリーシステムの予測保守、信頼性、寿命の向上に貢献している。 本稿では,鉛蓄電池のSoHとRULを推定するための機械学習手法における最先端のマッピング研究について述べる。
  論文  参考訳（メタデータ） (2023-07-11T10:41:41Z)
• Data-driven soiling detection in PV modules [58.6906336996604]
  太陽光発電モジュールの土質比を推定する問題について検討した。 私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。 実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-01-30T14:35:47Z)
• How Much More Data Do I Need? Estimating Requirements for Downstream Tasks [99.44608160188905]
  小さなトレーニングデータセットと学習アルゴリズムがあれば、ターゲットの検証やテストのパフォーマンスに到達するのに、どれくらいのデータが必要か? データ要求を過大評価または過小評価すると、十分な予算で回避できる相当なコストが発生する。 本ガイドラインを用いることで,機械学習システムのデータ要求を正確に推定し,開発時間とデータ取得コストの双方で節約することができる。
  論文  参考訳（メタデータ） (2022-07-04T21:16:05Z)
• CellDefectNet: A Machine-designed Attention Condenser Network for Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
  太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。 本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。 発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
  論文  参考訳（メタデータ） (2022-04-25T16:35:19Z)
• Battery Cloud with Advanced Algorithms [1.7205106391379026]
  バッテリクラウドまたはクラウドバッテリ管理システムは、クラウド計算パワーとデータストレージを活用して、バッテリ安全性、パフォーマンス、経済性を改善する。 この研究は、電気自動車やエネルギー貯蔵システムから計測されたバッテリーデータを収集するバッテリクラウドを提示する。
  論文  参考訳（メタデータ） (2022-03-07T21:56:17Z)
• Data Driven Prediction of Battery Cycle Life Before Capacity Degradation [0.0]
  本稿では,Kristen A. Seversonらが実施したデータと手法を用いて,研究チームが使用した方法論を探索する。 基本的な取り組みは、機械学習技術が、バッテリー容量を正確に予測するために、早期ライフサイクルデータを使用するように訓練されているかどうかを確認することである。
  論文  参考訳（メタデータ） (2021-10-19T01:35:12Z)
• Overcoming limited battery data challenges: A coupled neural network approach [0.0]
  深層ニューラルネットワークを用いた時系列バッテリデータ拡張手法を提案する。 あるモデルはバッテリ充電プロファイルを生成し、別のモデルはバッテリ放電プロファイルを生成する。 その結果,バッテリーデータに制限がある場合の問題点を解消するために,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-10-05T16:17:19Z)
• Optimizing a domestic battery and solar photovoltaic system with deep reinforcement learning [69.68068088508505]
  バッテリーと太陽光発電システムのコストの低下は、ソーラーバッテリーの家庭用システムの増加に繋がった。 本研究では,システム内の電池の充電および放電挙動を最適化するために,深い決定論的ポリシーアルゴリズムを用いる。
  論文  参考訳（メタデータ） (2021-09-10T10:59:14Z)
• The impact of online machine-learning methods on long-term investment decisions and generator utilization in electricity markets [69.68068088508505]
  電力需要プロファイルを24時間以内に予測するために,オフライン11とオンライン5の学習アルゴリズムが与える影響を調査した。 最良オフラインアルゴリズムと比較して,オンラインアルゴリズムを用いて平均絶対誤差を30%削減できることを示した。 また,予測精度の大きな誤差は,17年間の投資に不均等な誤差があることを示す。
  論文  参考訳（メタデータ） (2021-03-07T11:28:54Z)
• Learning from Data to Optimize Control in Precision Farming [77.34726150561087]
  特集は、統計的推論、機械学習、精密農業のための最適制御における最新の発展を示す。 衛星の位置決めとナビゲーションとそれに続くInternet-of-Thingsは、リアルタイムで農業プロセスの最適化に使用できる膨大な情報を生成する。
  論文  参考訳（メタデータ） (2020-07-07T12:44:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。