循環流動層ボイラーの状態監視と評価のための人工知能:レビュー

本研究は、電力用蒸気タービンの故障予測精度向上と、高次元・非線形監視データおよび煩雑なハイパーパラメータチューニングの課題に対応するため、インテリジェントな故障予測手法を提案する。提案手法「BO-CNN-BiLSTM」は、MI(相互情報量)ベースの適応的特徴量選択と、CNN-BiLSTMネットワークのハイパーパラメータチューニングのためのベイズ最適化(BO)を統合した自動パイプラインである。まず、MIとK-meansクラスタリングを組み合わせて故障状態と強く関連する主要特徴量を自動的に特定・保持し、入力次元数を効果的に削減する。次に、BOフレームワークを用いて最適なハイパーパラメータ構成を自…

クラウドサービス、AI、大規模デジタルアプリケーションの急成長により、データセンターのエネルギー消費が増加している。本レビューは、データセンターの負荷予測におけるAIおよび機械学習(ML)技術の利用を調査する。従来の統計的手法、教師あり学習アルゴリズム、深層学習モデル、確率的予測技術、物理情報に基づいたハイブリッドアプローチを網羅する。予測期間、特徴量選択、性能評価、実運用上の課題も議論される。LSTM、GRU、Transformerベースのモデル、デジタルツイン(DT)フレームワークなどの先進的なアプローチは、予測性能を向上させ、エネルギー効率の高い運用を支援できる。これらの手法は、カーボ…

• PADN(Physics-Anchored Dual-Network)フレームワークを提案し、変動負荷運転下でのSOFC健康指標の条件付き予測を実現した
• 公開の変動負荷エイジングデータセット(SOFC単一セル2つ)で評価し、6つの細胞・分割ポイントの組み合わせのうち5つで最も低いMAPEを達成した
• データが最も制限されるシナリオ(記録タイムラインの50%分割点)でも、セル-1で2.645%、セル-2で2.934%のMAPEを維持した

本研究は、電気ネットワークにおける22の候補リスク要因を6段階の正規化された重症度レベルに変換し、同時システム状態を低・中・高レベルの保護決定にマッピングするソフトウェアベースのデータベース生成およびスマート学習フレームワークを導入する。本ソフトウェアの主な新規性は、既存の測定値を評価するだけでなく、長期的な実際のフィールド測定値がまだ利用できない場合に、文献および標準情報に基づいた合成データベースを生成することである。このデータベースは、変数制限の定義、現実的な運用状態のサンプリング、重症度ラベルの計算、および予測保守モデルのトレーニングまたは検証に後で使用できる入出力ペアの保存によって生…

• 不完全な充電電圧曲線を用いたTransformerベースのオンライン故障セルスクリーニング手法を提案し、実際の18,650セル生産データで検証。