MétaCan
Menu
Retour à la cohorte
Enregistrement W2181765555 · doi:10.1109/jestpe.2015.2489925

Digitally Controlled Energy Harvesting Power Management System

2015· article· en· W2181765555 sur OpenAlexafffund
Andrew J. Dickson, Sarah Burton, Michael Shepertycky, Yan‐Fei Liu, Qingguo Li

Notice bibliographique

RevueIEEE Journal of Emerging and Selected Topics in Power Electronics · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEnergy harvestingPower (physics)Electrical engineeringEnergy storageBattery (electricity)Buck converterComputer scienceMaximum power transfer theoremMaximum power principlePower managementElectronicsAutomotive engineeringElectronic engineeringVoltageEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Intermittent energy harvesting devices often have difficulties in harvesting the peak energy generated due to battery power limitations, which increase the size and cost of the device. This paper discusses a power electronics module (PEM) that is used to extract power from a human energy harvesting device according to the user's desired difficulty level while maximizing energy transfer into a battery. The PEM can temporarily store the peak power produced by the generator, allowing a reduction in the battery size required to regulate the average power produced by the harvester. A two-stage prototype (a digitally controlled average current mode boost converter and an average current mode buck converter) has been designed, and the experimental waveforms were captured to validate the control theories used in the PEM. The peak efficiencies of the boost and buck are measured to be 93% and 93.7%, respectively. The total PEM system efficiency is measured at 87.9% at an average input power level of 10 W. The PEM design was able to extract 50% more power than the single-stage converter without energy storage capability. The PEM is also used to demonstrate the flexible resistance control scheme capabilities of the device for broader usage in bioenergy harvesting research.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,009
Tête enseignante GPT0,215
Écart entre enseignants0,206 · 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

Citations13
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Emerging and Selected Topics in Power ElectronicsMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207