MétaCan
Menu
Retour à la cohorte
Enregistrement W2547070565 · doi:10.1109/epe.2016.7695531

Hybrid lead-acid/lithium-ion energy storage system with power-mix control for light electric vehicles

2016· article· en· W2547070565 sur OpenAlexaff
Steven Chingyei Chung, Olivier Trescases

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEnergy storageState of chargeLead–acid batteryBattery (electricity)Automotive engineeringElectric vehicleController (irrigation)Lithium (medication)Computer sciencePower (physics)Electrical engineeringMaterials scienceEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

The performance versus cost tradeoffs of a fully electric, hybrid energy storage system (HESS), using lithium-ion (LI) and lead-acid (PbA) batteries, are explored in this work for a light electric vehicle (LEV). While LI batteries typically have higher energy density, lower internal resistance and longer lifetime than PbA batteries, the module cost of LI batteries are typically three to five times the cost of PbA batteries. The objective is to design a HESS that 1) is cost-competitive with a PbA single energy storage system (SESS) and 2) maintains most of the performance benefits of a lithium SESS. A modular HESS architecture with a bi-directional dc-dc converter and controller is proposed, and a power-mix algorithm with active inter-chemistry battery state-of-charge (SOC) balancing is presented, simulated, and verified experimentally. The batteries, converter and control algorithm are modeled in MATLAB, and the effects of total ESS energy, vehicle loading, depth-of-discharge (DOD), and speed are explored. The cost and performance of the HESS are assessed side-by-side with PbA and LI single energy storage system (SESS) configurations of comparable total energy, using expected vehicle range as the performance metric. The experimental HESS has a total projected cost midway between the SESS PbA cost and the SESS Li cost, while providing 17% range and 22.5% efficiency increase over the SESS PbA vehicle.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,937
Score d'incertitude au seuil0,602

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 GPT0,211
Écart entre enseignants0,204 · 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

Citations11
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Battery Technologies ResearchTravaux en français237 207