面向深入预测微生物电池能源输出
信号处理
2024-06-26 v1 新兴技术
摘要
土壤微生物电池（SMFC）是一种新兴技术，为能源需求较高、传统电源（如化学电池或太阳能）不适用的环境提供清洁可再生能源。尽管SMFC在开发后显示出在稳健且可负担的户外传感器网络中特别适用于农户的巨大潜力，但该技术开发的最大挑战之一是理解和预测SMFC能源生成的波动，因为电发生产生过程尚未完全理解。目前几乎没有工作试图建模和预测土壤条件与SMFC能源生成之间的关系，我们是首次使用机器学习来实现此目的。在本文中，我们训练了长短期记忆（LSTM）模型来预测SMFC在3分钟至1小时多个时间尺度上的未来能源生成，结果在中位数电压预测方面达到了2.33%至5.71%的平均绝对百分比误差（MAPE）。对于每个时间尺度，我们使用分位数回归获取点估计并建立这些估计不确定性的界限。在比较中位数预测值与实际值与测试期间总能量生成时，预测误差的大小范围为2.29%至16.05%。为了演示此研究的实际用途，我们还模拟了在SMFC供电设备在保存电量时关闭和激活间歇性运行的自动化环境，结果令人鼓舞。我们的深度学习预测和仿真框架将使SMFC供电设备实现中位数100%以上的成功操作提升，与基于过去平均电压生成的粗暴模型相比。
引用
@article{arxiv.2406.16939,
title = {Towards Deep Learning for Predicting Microbial Fuel Cell Energy Output},
author = {Adam Hess-Dunlop and Harshitha Kakani and Colleen Josephson},
journal= {arXiv preprint arXiv:2406.16939},
year = {2024}
}