최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기한국수소 및 신에너지학회 논문집 = Transactions of the Korean Hydrogen and New Energy Society, v.31 no.5, 2020년, pp.436 - 443
이재윤 (한국기계연구원 청정연료발전연구실) , 이스라엘 또레스 삐네다 (한국기계연구원 청정연료발전연구실) , 잡 반 티엔 (한국기계연구원 청정연료발전연구실) , 이동근 (한국기계연구원 청정연료발전연구실) , 김영상 (한국기계연구원 청정연료발전연구실) , 안국영 (한국기계연구원 청정연료발전연구실) , 이영덕 (한국기계연구원 청정연료발전연구실)
The performance prediction model of a solid oxide fuel cell stack has been developed using deep neural network technique, one of the machine learning methods. The machine learning has been received much interest in various fields, including energy system mo- deling. Using machine learning technique ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
고체 산화물 연료전지의 장점은? | 다양한 친환경 발전기술 중 연료전지는 전기 화학 반응을 통해 전기를 생성하여 질소 산화물이 발생하지 않으며, 상대적으로 발전효율이 높아 차세대 발전 기술로 주목받고 있다1,2). 특히, 고체 산화물 연료전지(solid oxide fuel cell, SOFC)는 다양한 연료전지 방식 중 가장 고온에서 작동하기 때문에 비가역손실이 작아 가장 높은 발전효율을 보이며, 폐열의 온도 또한 높아 다양한 분야에 활용이 가능하다는 장점을 가지고 있다3). 최근 집중적인 연구개발4-6) 덕분에 현재 고체산화물 연료전지는 연구개발 단계를 벗어나 상용화 제품7,8)이 출시되는 단계에 이르고 있다. | |
고체 산화물 연료전지의 출력에 영향을 미치는 요인 중 사용자가 조절이 가능한 것에는 무엇이 있는가? | 고체 산화물 연료전지 발전시스템을 개발하는 데 있어, 안정적인 제어 시스템과 고장 감지 및 진단 시스템을 구축하는 것은 매우 중요하며, 이를 위해서는 연료전지 스택의 성능을 정량적으로, 정확하게 예측하는 것이 중요하다. 고체 산화물 연료전지의 출력에 영향을 미치는 요인 중 사용자가 조절이 가능한 변수는 전류 인가에 따른 연료 소비량, 공급하는 연료의 유량, 전류값과 연료 투입량으로 결정되는 연료 이용률 등이 있으며, 다양한 작동조건에 따라 스택의 운전 온도, 출력이 결정된다. 현재는 이러한 조건의 변화를 일일이 실험을 통해 측정하여 시간적, 금전적 비용이 크게 발생하고 있다. | |
고체 산화물 연료전지가 고온에서 작동함으로 인해 어떤 문제점이 있는가? | 현재는 이러한 조건의 변화를 일일이 실험을 통해 측정하여 시간적, 금전적 비용이 크게 발생하고 있다. 특히, 고온에서 작동하는 특성상 시동 및 정지 절차는 물론, 운전조건 변화에 따라서 성능이 변화하는 데에는 긴 안정화 시간이 필요하여 연료전지 성능이 예측된 값을 나타내는지 판단하고, 성능모델을 구축하는 데에도 많은 시간과 비용이 소요된다. |
T. S. Park, T. H. Nam, D. G. Lee, S. K. Lee, and J. S. Moon, "A study of deduction of evaluation items for design of SOFC stack safety performance evaluation system", J. Korean Inst. Gas., Vol. 21, No. 6, 2017, pp. 81-87, doi: https://doi.org/10.7842/kigas.2017.21.6.81.
F. Ramadhani, M. A. Hussain, H. Mokhlis, and S. Hajimolana, "Optimization strategies for solid oxide fuel cell (SOFC) application: a literature survey", Renewable Sustainable Energy Rev., Vol. 76, 2017, pp. 460-484, doi: https://doi.org/10.1016/j.rser.2017.03.052.
A. Kirubakaran, S. Jain, and R. K. Nema, "A review on fuel cell technologies and power electronic interface", Renewable Sustainable Energy Rev., Vol. 13, No. 9, pp. 2430-2440, doi: https://doi.org/10.1016/j.rser.2009.04.004.
M. C. Williams, S. D. Vora, and G. J. Gary, "Worldwide status of solid oxide fuel cell technology" ECS Transactions, Vol. 96, No.1, 2020, pp. 1-10, doi: https://doi.org/10.1149/09601.0001ecst.
M. Yoda, S. Inoue, Y. Takuwa, K. Yasuhara, and M. Suzuki, "Development and commercialization of new residential SOFC CHP system", ECS transactions, Vol. 78, No.1, 2017, pp. 125-132, doi: https://doi.org/10.1149/07801.0125ecst.
W. M. Chen and H. N. Kim, "Energy, economic, and social impacts of a clean energy economic policy: fuel cells deployment in Delaware", Energy Policy, Vol. 144, 2020, pp. 111617, doi: https://doi.org/10.1016/j.enpol.2020.111617.
M. Noponen, P. Torri, J. Goos, J. Puranen, H. Kaar, S. Pylypko, and E. Ounpuu, "Elcogen-next generation solid oxide cell and stack technology", ECS Transactions, Vol. 91, No. 1, 2019, pp. 91-97, doi: https://doi.org/10.1149/09101.0091ecst.
Y. S. Kim, Y. D. Lee, and K. Y. Ahn, "System integration and proof-of-concept test results of SOFC-engine hybrid power generation system", Applied Energy, Vol. 277, 2020, 115542, doi: https://doi.org/10.1016/j.apenergy.2020.115542.
S. Malek, F. Melgani, and Y. Bazi, "One-dimensional convolutional neural networks for spectroscopic signal regression", J. Chemom., Vol. 32, No. 5, 2018, pp. e2977, doi: https://doi.org/10.1002/cem.2977.
R. Ma, T. Yang, E. Breaz, Z. Li, P. Briois, and F. Gao, "Data-driven proton exchange membrane fuel cell degradation predication through deep learning method", Applied Energy, Vol. 231, 2018, pp. 102-115, doi: https://doi.org/10.1016/j.apenergy.2018.09.111.
Y. H. Jang, J. Y. Kim, and S. K. Oh, "A study on information data segmentation method using optimization algorithm", Journal of Korean Institute of Intelligent Systems, Vol. 28, No. 4, 2018, pp. 321-327, doi: https://doi.org/10.5391/JKIIS.2018.28.4.321.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.