电力是全球数以百万计的人不可用。克服这个问题的关键,同时避免碳排放和空气污染是建立分散式太阳能电池系统。
图片来源:牛津大学。
然而,这样的太阳能电池系统是受到高成本和远程站点禁止及时维修。当电池在这些系统中死亡,这可能是难以取代它们,让没有能力的人。
知道电池可能会死的时候是至关重要的计划维护程序,减少停电。新技术来确定电池故障,由法拉第开发机构的多尺度建模项目,已被证明是15% - -20%比现有方法更准确的应用到相同的数据集。的协作研究牛津大学和法拉第机构最近发表在《华尔街日报》焦耳。
研究者们测试了他们的方法通过合作Bboxx——新一代实用程序提供清洁能源的生产、分配和经济上支持分散的太阳能系统在发展中国家——来评估他们的方法,产生实际操作数据。这规避缺点之前的电池健康建模研究,这主要依赖于小数据集在实验室环境下获得的。
Bboxx获得原始测量电压、电流和温度数据来自1000多个功能的电池在非洲一个为期两年的期间。这种技术不需要额外的传感器或其他需求,从而使能源系统来保持。
我们的方法是独特的在展示基于物理机器学习如何在实际电池大规模应用。我们使用先进的概率机器学习技术来推断电池内部电阻的电流、温度、电荷状态和时间,使校准标准条件。
教授大卫•Howey模式工程科学系、牛津大学欧洲杯线上买球
”成功的方法是由于全民健康的组合模型和蓄电池电解质健康指示器,变得越来越信息化对生命的结束说:“教授Howey模式。
的方法揭示了导致电池老化的因素,如电压和极端温度和方法可以用于任何电池,可以表示为一个基本的电路模型。
这些结果感兴趣的广大读者的电池运营商和客户和可以用来加速创新理解电池性能,特别是组织提供操作数据更广泛的方式Bboxx首创。我们很高兴这个研究论文是一个可伸缩的首次演示方法从野外数据获得的见解。
教授大卫•Howey模式工程科学系、牛津大学欧洲杯线上买球
Bboxx已同意让数据公开,运营指标的数据包括超过6亿行从真正的电池系统。
我们希望这将被证明是一个关键的资源为社区和启动工作分析现场数据对电池性能的新见解。
教授大卫•Howey模式工程科学系、牛津大学欧洲杯线上买球
期刊引用:
Aitio & Howey模式,D(2021)预测电池的使用机器学习从太阳能离网系统字段数据。焦耳。doi.org/10.1016/j.joule.2021.11.006。
来源:https://www.ox.ac.uk/