SiC devices performance overview in EV DC/DC converter: A case study in a Nissan Leaf
Notice bibliographique
Résumé
This paper presents the technical and economical merits of using low losses fast switching Silicon Carbide (SiC) accumulated gate field effect transistor (ACCUFET) switches in comparison with a Hybrid module of Silicon (Si) IGBT with anti-parallel schottky barrier diode (SBD) in DC/DC converter applications of the Nissan Leaf electric vehicle (EV) motor drive. The performance of the car, at steady state conditions, is studied at different temperatures. The power losses, current, voltage, torque and speed results are given. The results showed lower total switching power losses with the SiC ACCUFET. This reduction in losses was recorded at different switching frequencies in comparison to the hybrid switch. The fast switching of SiC Trench ACCUFET reduces current-voltage cross-over losses and enables high frequency operation thus achieving high record efficiency. The high frequency operation will result in a smaller foot print of the converter together with a weight reduction; thus making the car lighter. It is expected that a lighter car will result in a longer range Nissan Leaf with the same battery. Increasing the car mileage of the battery and lowering the cost of magnetic components in the EV will surpass the higher cost of the SiC ACCUFET from an economical point of view.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».