Research on intelligent operation and maintenance of electrochemical energy storage plant based on multimodal fusion sensing technology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In order to realize the intelligent operation and maintenance of electrochemical energy storage power station and make the working process of the power station battery more efficient, stable and safe, this paper establishes a safety monitoring system of electrochemical energy storage power station through multimodal fusion sensing technology.The multi-sensor fusion technology and multi-sensor calibration process are proposed, and the Kalman joint filter fusion algorithm is obtained based on the traditional Kalman filter extension, which fuses the collected multi-modal sensing data to realize the real-time detection of the state information of each battery of the energy storage power station.Simulation experiments are carried out to verify the reliability of the Kalman joint filter fusion algorithm, and the deviation value of this algorithm in the filter fusion processing is only 0.1426, which is lower than that of the comparative sliding average filtering algorithm.The RMSE values of X-axis and Y-axis in the motion target tracking experiments are less than those of the comparative mean drift algorithm 0.189 and 0.1412, and in the speed, they are less than those of 0.0062 and 0.0073, which are better in terms of accuracy performance.And in the application practice of battery safety monitoring system for electrochemical energy storage power station, the error between SOC estimation and actual value is less than 5% in either DST condition or UDDS condition, and the internal resistance 0 R change curve is similar to the actual value of the internal resistance, and the estimation error is less than 4%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle