MétaCan
Menu
Retour à la cohorte
Enregistrement W2057965675 · doi:10.1109/itec.2014.6861868

Development of a hybrid energy storage system (HESS) for electric and hybrid electric vehicles

2014· article· en· W2057965675 sur OpenAlexaff
Kun Zhuge, Mehrdad Kazerani

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric and Hybrid Vehicle Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésDrivetrainAutomotive engineeringElectrificationEnergy storagePropulsionBattery (electricity)Automotive industryInternal combustion engineHybrid vehicleCapacitorEngineeringElectric motorComputer scienceSupercapacitorElectrical engineeringPower (physics)TorqueVoltageElectricityAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Extensive use of internal combustion engine (ICE)-based vehicles has contributed to severe adverse impacts on the environment and accelerated depletion of fossil fuel reserves, leading to considerable rise in price of gas over the past two decades. These challenges, plus the low efficiency associated with the conventional drivetrains, have made the automotive industry seriously consider and move towards drivetrain electrification in vehicular systems. In electrified vehicles, the propulsion is fully or partially provided by electric motors, powered by onboard energy storage systems. In an attempt to make up for the limitations of the existing energy storage devices and contribute to vehicle electrification movement, this paper examines the feasibility and capability of a hybrid energy storage system (HESS), composed of battery and ultra-capacitor units, through simulation and experimentation using a laboratory prototype. The choice of HESS topology has been made based on simplicity of power and control circuits, cost and performance. The design takes into consideration the required power, the converter losses, limitations of energy storage devices, and quality of the current drawn from battery cells. Experimental results are provided to verify the analytical expectations and simulation results.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,663
Score d'incertitude au seuil0,867

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,181
Écart entre enseignants0,175 · 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 tête enseignante, 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

Citations16
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric and Hybrid Vehicle TechnologiesTravaux en français237 207