固体氧化物燃料电池电化学阻抗谱中的不确定性量化评估
统计计算
2021-07-21 v3 机器学习
应用统计
机器学习
摘要
电化学阻抗谱（EIS）是表征燃料电池及其他电化学转换系统的广泛使用的工具。当应用于现场环境下的在线监测时，扰动、漂移和传感器噪声可能导致评估谱的严重失真，尤其在低频部分。忽略随机效应会导致对谱的误读，进而造成误导性的诊断推理。这一事实在迄今的研究中鲜有涉及。本文提出一种依赖于等效电路模型（ECM）不确定性评估的谱不确定性量化方法。我们采用计算高效的变分贝叶斯（VB）方法，并将结果与马尔可夫链蒙特卡洛（MCMC）算法所得结果的质量进行比较。具体而言，MCMC算法能返回估计模型参数的准确分布，而VB方法提供近似分布。通过使用模拟和真实数据，我们表明VB方法给出的近似结果尽管略显乐观，但仍接近更真实的MCMC估计。VB方法用于在线监测的一大优势是计算负载低，比MCMC低数个数量级。VB算法的性能在6电池固体氧化物燃料电池（SOFC）电堆的ECM参数估计案例中得到了展示。用于复现结果的完整数值实现可在 https://repo.ijs.si/lznidaric/variational-bayes-supplementary-material 找到。
引用
@article{arxiv.2101.08049,
title = {Evaluating uncertainties in electrochemical impedance spectra of solid oxide fuel cells},
author = {Luka Žnidarič and Gjorgji Nusev and Bertrand Morel and Julie Mougin and Đani Juričić and Pavle Boškoski},
journal= {arXiv preprint arXiv:2101.08049},
year = {2021}
}
备注
28 pages, 18 figures. Submitted to: Applied Energy