一种用于AEM水电解退化预测的高效机器学习方法
An Efficient Machine Learning Approach for Degradation Forecasting in AEM Water Electrolysis
浏览论文内容
中文总结 AI 辅助
本研究提出一种高效机器学习方法，利用多实验活动的AEMWE数据集，通过线性基线与深度学习模型进行中期电压退化预测，并在严格框架下验证其有效性。
中文摘要 AI 辅助
本研究对单电池阴离子交换膜水电解器（AEMWE）的新数据集进行了数据驱动分析，该数据集在多个异构实验活动中以恒定电流负载运行。我们训练并评估了一系列不同复杂度的机器学习模型，包括线性基线、LSTM和CNN，以执行电池电压退化曲线的中期预测。这些模型在一个专为异构工业数据设计的严格训练和评估框架内进行评估。
英文摘要
This study provides a data-driven analysis of a novel dataset of single-cell Anion Exchange Membrane water electrolyzers (AEMWE), operated under constant current load across multiple heterogeneous experimental campaigns. We train and evaluate a range of machine learning models with different complexity, including linear baselines, LSTMs and CNNs, to perform medium-term forecasting of the cell voltage degradation curve. The models are assessed within a rigorous training and evaluation framework specifically designed for heterogeneous industrial data.
发表机构
- MaLGa Center Università degli Studi di Genova（热那亚大学MaLGa中心）
- Antares Electrolysis S.r.l.（Antares Electrolysis有限公司）
机构由 AI 辅助整理，请以论文原文为准。
