Effect of Control Strategy on the Performance of a Fuel Cell Hybrid Electric Auto Rickshaw
Notice bibliographique
Résumé
<div class="section abstract"><div class="htmlview paragraph"> The basis for this paper is a project whose objective is to examine the feasibility of converting a diesel powered auto rickshaw to fuel cell/battery hybrid electric operation. One of the most important factors that influences the performance of hybrid vehicles is the energy management and power distribution between the different energy sources. This paper examines the impact of the control strategy on performance. The optimization of the energy management system is a supervisory control problem. One of the most popular cost functions for optimization involves the sum of fuel consumption and equivalent fuel consumption from the battery state of charge (SOC), commonly referred to as the equivalent consumption minimization strategy (ECMS). In this paper, a modified ECMS is tested together with three different management control strategies on a model of a fuel cell hybrid electric rickshaw using a realistic drive cycle. The 1 <sup>st</sup> tested was a fuel cell load following strategy in which the power of the fuel cell tracked the demanded power and the role of the battery was to supplement power when demand exceeded the capacity of the fuel cell. The 2 <sup>nd</sup> tested was a battery load following strategy in which the fuel cell shuts down when the SOC is above a given threshold, and turns on when the SOC is below a given threshold. The 3rd tested was an optimized fuel cell strategy in which fuel cell operation was restricted to its most efficient region. The strategies are documented via flow charts. A performance comparison of the different strategies is presented, where the main performance measures are given by distance traveled, fuel economy and speed tracking error. </div></div>
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».