MétaCan
Menu
Retour à la cohorte
Enregistrement W2587314941 · doi:10.1109/jestpe.2017.2665340

Design and Implementation of High Power Density Assisting Step-Up Converter With Integrated Battery Balancing Feature

2017· article· en· W2587314941 sur OpenAlexaff
Mahmoud Shousha, Timothy McRae, Aleksandar Prodić, Victor Marten, John Milios

Notice bibliographique

RevueIEEE Journal of Emerging and Selected Topics in Power Electronics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFlyback converterBuck–boost converterBoost converterBattery (electricity)Flyback transformerBuck converterForward converterComputer scienceController (irrigation)Power (physics)Electrical engineeringElectronic engineeringVoltageEngineeringTransformer

Résumé

récupéré en direct d'OpenAlex

This paper presents a novel step-up power converter architecture for portable applications with multicell battery packs that integrates battery cell balancing function. Compared to conventionally used boost converter, which is not providing cell balancing, the new architecture has smaller overall volume and approximately the same power processing efficiency. The step-up function is obtained using the assisting concept, where the flyback output is placed at the top of the battery pack and, therefore, is only processing a portion of the output power. As a result, high-power processing efficiency and small converter volume are achieved. The operation of the system is regulated by a digital controller that provides the two functions at the same time. Experimental results obtained with an 8-to-12 V, 20 W, 500 kHz prototype demonstrates that the assisting flyback simultaneously provide output voltage regulation and cell balancing. Operation of the converter during charging and discharging is demonstrated. Also, a conventional boost converter that has the same input-output specifications is built and tested for comparison. The results show that, compared to the equivalent boost which is the most commonly used converter in the targeted applications, the prototype has about 23% smaller overall volume and a comparable power processing efficiency curve with a peak efficiency of a 93.4%.

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: Empirique
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,545

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 recherche0,0000,001
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 Opus0,009
Tête enseignante GPT0,269
Écart entre enseignants0,260 · 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

Citations27
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Journal of Emerging and Selected Topics in Power ElectronicsMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207