MétaCan
Menu
Retour à la cohorte
Enregistrement W2200990036 · doi:10.1016/j.ifacol.2015.10.013

An Optimal Energy Management System for Battery Electric Vehicles

2015· article· en· W2200990036 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIFAC-PapersOnLine · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAutomotive engineeringDrivetrainBattery electric vehicleDriving rangeAutomotive industryBattery (electricity)PowertrainRange (aeronautics)Internal combustion engineEnergy managementComputer sciencePower (physics)Energy (signal processing)EngineeringTorque

Résumé

récupéré en direct d'OpenAlex

Environmental pollution and high fuel costs have increased demands for an alternative energy source for transportation. Battery Electric Vehicles (BEVs) are attracting the attention of researchers of automotive engineering field to address these concerns because of their reputation for being fully green as well as more efficient than Internal Combustion Engine Vehicles (ICEVs). However, two major problems with BEVs are their short driving range and the limited service life of their costly batteries. Enhancing BEVs’ driving range and their batteries’ lifetime are possible through developing more effective energy management systems (EMSs) for them. This study proposes an optimal EMS for a BEV, the Toyota RAV4 EV, by considering the power flow between the energy consumers inside the vehicle. Dynamic programming (DP) is used to find an optimal power distribution between the vehicle drivetrain and the heating system for a standard driving cycle. A high-fidelity model of the vehicle in Autonomie is also employed to demonstrate the effectiveness of the devised EMS. The results show that the proposed strategy can improve the battery health of the considered BEV.

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 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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,579
Score d'incertitude au seuil0,934

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 Opus0,021
Tête enseignante GPT0,266
Écart entre enseignants0,245 · 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