Effects of Electric Vehicle Fast Charging on Battery Life and Vehicle Performance
Notice bibliographique
Résumé
As part of the U.S. Department of Energy's Advanced Vehicle Testing Activity, four new 2012 Nissan Leaf battery electric vehicles were instrumented with data loggers and operated over a fixed on-road test cycle. Each vehicle was operated over the test route, and charged twice daily. Two vehicles were charged exclusively by AC level two electric vehicle supply equipment, while two were exclusively DC fast charged with a 50 kilowatt fast charger. The vehicles were performance tested on a closed test track when new, and after accumulation of 50,000 miles. The traction battery packs were removed and laboratory tested when the vehicles were new, and at 10,000-mile intervals throughout on-road mile accumulation. Battery tests performed include constant-current discharge capacity, electric vehicle pulse power characterization test, and low peak power tests. The data collected over 50,000 miles of driving, charging, and rest are analyzed, including the resulting thermal conditions and power and cycle demands placed upon the battery. Battery performance metrics including capacity, internal resistance, and power capability obtained from laboratory testing throughout the test program are analyzed. Results are compared within and between the two groups of vehicles over the test period. Specifically, the impacts on battery performance, as measured by laboratory and track testing, are explored as they relate to battery usage and variations in conditions encountered, with a primary focus on effects due to the differences between AC level two and DC fast charging. The contrast between battery performance degradation and the effect on vehicle performance is also explored.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».