Performance assessment of thermal management systems for electric and hybrid electric vehicles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Thermal management systems (TMS) are one of the key components of electric and hybrid electric vehicles to achieve high vehicle efficiency and performance under all operating conditions. Current improvements in electric battery technology allow vehicles to have relatively long ranges, fast acceleration, and long life while keeping low-maintenance costs and considerably lower emissions. However, the vehicle performance is significantly affected by the battery operating conditions. Moreover, the cell life cycle, safety, and possibility of thermal runaway significantly depend on peak temperature rise and temperature uniformity of the battery. Therefore, various TMSs are created to keep batteries within ideal operating ranges. In this article, three different TMS systems—passive cabin cooling (via air), active moderate liquid circulation (via refrigerant), and active liquid circulation (via refrigerant and coolant)—are analyzed and compared with electric and hybrid electric vehicles. A second law analysis is used to examine the areas of low exergy efficiency in each system and minimize the entropy generation based on the system configuration. Moreover, TMS systems are compared on the basis of battery temperature increase and temperature uniformity. Various parametric studies are conducted to compare the TMS in different ambient and operating conditions. On the basis of the analysis, the active liquid circulation (via refrigerant and coolant) is determined to have the lowest battery temperature increase (3.9 °C in 30 min) and most cell temperature uniformity (2.5 °C median) as well as the lowest entropy generation rate (0.0121 W/K) among the compared systems. Copyright © 2012 John Wiley & Sons, Ltd.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle