MétaCan
Menu
Retour à la cohorte
Enregistrement W1968608436 · doi:10.1109/apec.2014.6803684

Designing and testing battery charger systems for California's new efficiency regulations

2014· article· en· W1968608436 sur OpenAlexaff
Chris Botting, Roger Stockton, Deepak Gautam, Murray Edington, Fariborz Musavi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensDelta-Q Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésBattery (electricity)Efficient energy useSoftwareBattery chargerTest (biology)EngineeringLead–acid batteryGreenhouse gasAutomotive engineeringReliability engineeringComputer scienceSystems engineeringElectrical engineeringEmbedded systemOperating system

Résumé

récupéré en direct d'OpenAlex

The State of California has adopted tough new energy efficiency standards for battery charger systems. These regulations promise to save cost, energy, and greenhouse gas emissions, but they also present new challenges to engineers and managers involved in the planning, design, and system integration of battery charger systems. This paper aims to provide guidance by explaining the requirements of the standard, demonstrating proper test methods, analyzing real-world test results, and discussing significant factors affecting compliance. Experimental results and lessons-learned are presented for modern industrial lead acid battery charge systems. Although charger hardware conversion efficiency is important, the software algorithm is at least as important, as is the efficiency of the battery itself, and the system interconnections and cabling. Some charger topologies and battery types will struggle to comply with the standard, and may be displaced by more efficient technologies.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,258
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Battery Technologies ResearchTravaux en français237 207