energylab.jp Open in urlscan Pro
172.64.155.247  Public Scan

Form analysis
0 forms found in the DOM

Text Content

ALT



NEWS



2024-07-01

当研究室の研究成果をICEE2024で発表します。 Our research achievement is present in ICEE2024

2023-04-01

10名の４年生が研究室に配属されました

2022-11-08

新技術説明会で研究成果(機械学習とインピーダンス法を用いた二次電池の診断)を発表します。

Our research achievement is presented in JST New Technology Presentation
Meetings

2022-07-21

メンテナンス・レジリエンスTOKYO2022 で研究成果を発表します。

Our research achievement is presented in Maintenance ＆Resilience TOKYO 2022.


ALT



RESEARCH





静電噴霧法による固体高分子形燃料電池触媒層の形成 PREPARATION OF POLYMER ELECTROLYTE MEMEBRANE FUEL CELL
CATALYST LAYER WITH ELECTROSPRAY DEPOSITION


固体高分子形燃料電池の触媒層は電気化学反応が起こる非常に重要な部分です。触媒層は表面積をできるだけ大きくするとともに水素・酸素ガス，電子，イオンがスムーズに運ばれる必要があります。現在，触媒層はエアスプレーやスクリーン印刷で作ることが一般的ですが，我々は静電噴霧法と呼ばれる手法で作成し性能向上を狙っています。静電噴霧法は高電圧を用いて触媒を非常に細かな霧状にする技術で，触媒層の構造を制御することができます。また，一つ一つの触媒粒子は静電気で狙ったところに引き寄せられるため製造時の無駄も大幅に削減できます。

The catalyst layers of fuel cells are an important component where the
electrochemical reaction takes place. The catalyst layer must have large surface
area as well as high transportation property for hydrogen, oxygen, electron and
ion. In general, the catalyst layer is prepared with air spray or screen
printing techniques. We are trying to obtain high performance controlling the
catalyst layer structure with electrospray technique, which applies high voltage
to the spray nozzle to make very small catalyst/ionomer particles. Besides, we
can improve catalyst utilization in manufacturing.

S. Okuno and N. Katayama, “Gradational Structured Catalyst Layer for Proton
Exchange Membrane Fuel Cells,” ECS Transactions, vol. 83, no. 1, pp. 87–91, Feb.
2018.

T. Yuki, N. Katayama, M. Takahashi, K. Tsuchiya, H. Sakai, and M. Abe, “Effects
of Ionomer to Carbon Ratio and Operation Conditions in Direct Glucose Fuel
Cells,” ECS Transactions, vol. 83, no. 1, pp. 145–149, Feb. 2018.

T. Yamanaka, N. Katayama, and S. Kogoshi, “Fabrication of Catalyst Layers for
Anion Exchange Membrane Fuel Cells By Using Electrospray Deposition.,” ECS
Transactions, vol. 71, no. 1, pp. 211–215, Feb. 2016.

ALT



水素吸蔵合金を用いた不純物を含む水素の純化・貯蔵 HYDROGEN PURIFICATION AND STORAGE USING METAL HYDRIDE


水素吸蔵合金は自身の1000倍の体積の水素を自身に取り込むことがてきます。
（一方，気体として水素を1/1000に圧縮するのは非常に難しいです。）現在この水素吸蔵合金を用いて水素ガス中の不純物を取り除きつつ水素を高密度で貯蔵する研究をしています。
この研究が実現すれば，一酸化炭素などの不純物を多く含む バイオマスや天然ガスから生成された水素を純化しながら貯められるカートリッジに応用できます。

Metal hydride can store hydrogen 1000 times as much as its volume. (Compressing
hydrogen to 1000 atms is extremely difficult.) Our objective is storing and
purifying hydrogen at the same time using metal hydride. Hydrogen derived from
fossil fuel or biomass gas has a various kind of impurity which will damage fuel
cells. If our idea comes true, a hydrogen cartridge which can store such
hydrogen directly. That will provide improved efficiency and simplified system.

J. Shimogawa, S. Miao, N. Katayama, K. Dowaki, “Design and Temperature Analysis
of a Metal Hydride Cartridge Using Exhaust Heat of a Fuel Cell for
Electric-assisted Bicycles,” Journal of the Japan Institute of Energy, vol. 101,
no. 8, pp. 152–161, Aug. 2022, doi: 10.3775/jie.101.152.

K. Dowaki, N. Katayama, T. Nagaishi, S. Kuroda, and M. Kameyama, “A System
Analysis of Storage Alloy for Bio-H,” ,Journal of the Japan Institute of
Energy,, vol. 96, no. 8, pp. 266–272, Aug. 2017.

S. Ashida, N. Katayama, K. Dowaki, and M. Kameyama, “Study on Metal Hydride
Performance for Puri cation and Storage of Bio-H,” ,Journal of the Japan
Institute of Energy,, vol. 96, no. 8, pp. 300–306, Aug. 2017.

S. Ashida, N. Katayama, K. Dowaki, and M. Kameyama, “Transient Impurity
Concentration of Absorption and Desorption in Metal Hydride,” ,ECS
Transactions,, vol. 83, no. 1, pp. 119–125, Feb. 2018.

N. Katayama, K. Dowaki, and M. Hayase, “Numerical Simulation of Hydrogen
Absorption Process in Metal Hydride Cartridge for Mobile Devices,” ,ECS
Transactions,, vol. 71, no. 1, pp. 173–177, Feb. 2016.

N. Katayama, K. Dowaki, and M. Hayase, “Purification of Hydrogen Containing
Carbon Dioxide Using Metal Hydride,” presented at the ECS Transactions, 2015,
vol. 65, no. 1, pp. 137–141.

ALT



太陽電池の故障予知・診断が可能なパワーコンディショナ POWER CONDITIONER CAPABLE OF PREDICTING AND
DIAGNOSING SOLAR CELL FAILURES


一見メンテナンスフリーな太陽電池パネルの故障や発電出力の低下が近年数多く報告されています。太陽電池は季節で出力が変動するため，出力低下に気づくまでに時間がかかることもあります。本技術では交流インピーダンス法という手法を用いることで，太陽電池の不具合だけでなく，その種類まで特定することができます。また，パワーコンディショナに交流インピーダンス法による測定機能を導入する手法についても研究しています。

A number of failures and declines in power output of seemingly maintenance-free
solar panels have been reported in recent years. Because the output of solar
cells fluctuates with the seasons, it sometimes takes some time before a
decrease in output is noticed. Our technique, the AC impedance method, can
identify not only the failure of a solar cell, but also its type. We are also
studying methods to introduce AC impedance measurement capability into power
conditioners.

N. Katayama, S. Osawa, S. Matsumoto, T. Nakano, and M. Sugiyama, “Degradation
and fault diagnosis of photovoltaic cells using impedance spectroscopy,” Solar
Energy Materials and Solar Cells, vol. 194, pp. 130–136, Feb. 2019.

特許6312081 (Japanese Patent)

特許6993652 (Japanese Patent)

ALT



深層強化学習を用いたエネルギーマネジメント ENERGY MANAGEMENT METHOD USING DEEP REINFORCEMENT LERANING


太陽光発電の普及と売電価格の低下とともに蓄電池を導入するケースも増加している。一方で電力取引の自由化に伴いダイナミックプライシングのような需要と供給に合わせた電力価格の決定方式も検討されている。このような背景では高い経済性を達成することが難しくなってくる。そこでエネルギーシステムのシミュレーションモデルを構築し，深層強化学習を用いてシミュレーション上で試行錯誤を繰り返し最適なマネジメント方法を自己学習させる手法を開発した。

With the spread of solar power generation and the decline in the price of
electricity sold, the number of cases in which storage batteries are installed
is increasing. On the other hand, with the liberalization of electricity
trading, power pricing methods that match supply and demand, such as dynamic
pricing, are being considered. Against this background, it becomes difficult to
achieve high economic efficiency. Therefore, we constructed a simulation model
of an energy system and developed a method for self-learning optimal management
methods through repeated trial-and-error on the simulation using deep
reinforcement learning.



機械学習を用いた太陽光発電の異常検知 ANOMALY DETECTION OF PHOTOVOLTAIC POWER GENERATION USING
MACHINE LERANING


近年、世界的に太陽光発電の導入が進み、日本国内でも固定価格買取制度により急速に普及しています。それに伴い、発電所の不具合の事例も増加傾向にあり、想定していた発電量が得られず設置にかかった費用が回収できないケースが発生するなど問題となっています。このような背景から太陽光発電所における異常の早期発見に大きな関心が寄せられています。太陽光発電所では現場で定期的な点検が実施されるほか、時間ごとの実際の発電量をその時間の日射量や温度から算出される予測値と自動で比較することで、異常の有無を遠隔で監視するなどの手法が一般的には採用されています。しかしながら、実際の発電量と予測値には誤差があるため、誤検知が頻繁に発生しないように異常判定の閾値を低めに設定することなどが原因で、僅かな異常の検知不良が発生することが問題となっていました。特に太陽電池パネル表面のガラス割れは比較的頻繁に発生し、雨水が入ることで大きな故障に繋がる可能性があるものの、ガラス割れそのものは発電量を直接的に大きく低下させるものではないため、自動で検出することは難しく、現場で点検員が目視で確認する方法しかありませんでした。本研究では得られた太陽光発電の電圧データを元にOne-Class
Support Vector
Machine(OCSVM)という機械学習アルゴリズムと独自のデータ処理により異常検出の精度を向上し、異常の有無の判定だけでなく、異常ストリングの特定が可能な方法を開発しました。

In recent years, solar power generation has been introduced worldwide and is
rapidly spreading in Japan as well, thanks to the feed-in tariff system. In
conjunction with this trend, the number of cases of power plant malfunctions has
been on the rise, causing problems such as failure to generate the expected
amount of electricity and inability to recover the installation costs. Against
this backdrop, early detection of abnormalities at solar power plants is
attracting considerable attention. In addition to regular on-site inspections,
solar power plants are generally monitored remotely for abnormalities by
automatically comparing the actual amount of electricity generated each hour
with predicted values calculated from the amount of solar radiation and
temperature for that hour. However, since there is an error between the actual
amount of electricity generated and the predicted value, the problem has been
that the threshold for detecting abnormalities is set too low to prevent
frequent false detections, resulting in the failure to detect even the slightest
abnormality. In particular, broken glass on the surface of solar panels occurs
relatively frequently and can lead to major failures when rainwater enters the
panels. The only method available was for inspectors to check visually on site.
In this research, a machine learning algorithm called One-Class Support Vector
Machine (OCSVM) and original data processing were used to improve the accuracy
of abnormality detection based on the obtained PV voltage data, and a method was
developed to not only determine whether or not there is an abnormality, but also
to identify the abnormal string.

M. Goi, K. Noboru, K. Morita, H. Okawa, and Y. Imai, "Anomaly Detection of
Photovoltaic Power Plants Using One-Class Support Vector Machine," Proceedings
of the International Council on Electrical Engineering Conference, 2019, pp.
1-6.

東京理科大学プレスリリース: 機械学習を用いた太陽光発電所の異常検知～正常時の太陽電池パネルの電圧データを収集するだけで高精度な検知が可能～
https://www.tus.ac.jp/today/archive/20191118001_1.html

ALT


ALT




電気化学インピーダンス法と機械学習を用いたリチウムイオン電池の状態推定 STATE ESTIMATION OF LITHIUM-ION BATTERIES
USING ELECTROCHEMICAL


リチウムイオン電池は様々な機器に搭載されており、信頼性に求められる水準も年々高まっています。リチウムイオン電池を安全で長期的に使用するためには、電池の内部状態を推定し、管理する必要があります。我々は、交流インピーダンス法という電気化学の手法と機械学習を用いて、電池の内部状態を推定する研究を進めています。この手法では電池の種類や条件に依存せず、非破壊で内部状態の推定ができるため、様々な動作環境が想定される実使用環境下での導入を見込んでいます。

Lithium-ion batteries are being incorporated into various devices, and the
demanded level of reliability is increasing year by year. To ensure the safe and
long-term use of lithium-ion batteries, it is necessary to estimate and monitor
their internal states. We are conducting research to estimate the internal
states of batteries using a combination of electrochemical impedance
spectroscopy (EIS) and machine learning. This approach allows for
non-destructive estimation of the internal states of batteries, independent of
battery types and conditions. Therefore, we anticipate its application in
various actual operating environments where different conditions are expected.

Kazuki Takahashi, Shan Miao and Noboru Katayama : “State of Charge and State of
Temperature Estimation Method for Secondary Batteries Using Neural Network and
Electrochemical Impedance Spectroscopy”, IEEJ Trans. Ind. Appl., Vol.141, No.12,
pp.1011-1012 (2021)

M. Furugori, T. Shimura, K. Takahashi, and N. Katayama, “State Estimation Method
for Lithium-ion Batteries Using Electrochemical Impedance Spectroscopy and
Neural Network,” in Grand Renewable Energy 2022 International Conference, Feb.
2023, pp. 51–55.

古郡元哉、志村拓海、高橋和樹、片山昇:「リチウムイオン電池のイ ンピーダンス軌跡の内分による学習データの生成とニューラルネッ トワークを用いた SoT
推定」電気学会電力・エネルギー部門大会論 文集 pp.322-323 (2022)

ALT



PUBLICATIONS



学術論文/Journal papers

国際会議/Conference proceedings

口頭発表/Presentations

その他の出版物/Other publications

特許/Patents





RESOURCE





CONTACT



以下のフォームよりお問い合わせください。

ALT

ALT


〒278-8510 千葉県野田市山崎2641番地 東京理科大学 理工学部 電気電子情報工学科 片山研究室

Katayama Lab. Department of Electrical Engineering, Faculty of Science and
Technology, Tokyo Unviersity of Science 6F, Bdg.12, 2641 Yamazaki, Noda, Chiba
278-8510, Japan

2016 Tokyo University of Science, Katayama Lab.





Powered by Fruition