MétaCan
Menu
Retour à la cohorte
Enregistrement W2603306256 · doi:10.1109/tie.2017.2686362

Constant Current Fast Charging of Electric Vehicles via a DC Grid Using a Dual-Inverter Drive

2017· article· en· W2603306256 sur OpenAlexafffund
Ruoyun Shi, Sepehr Semsar, Peter W. Lehn

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectrical engineeringInverterBattery chargerElectric vehicleVoltageRectifier (neural networks)Constant currentTraction (geology)GridComputer scienceEngineeringPower (physics)Topology (electrical circuits)Battery (electricity)Automotive engineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Existing integrated chargers are configured to charge from single- or three-phase ac networks. With the rapid emergence of dc grids, there is growing interest in the development of high-efficiency low-cost integrated chargers interfaced with dc power outlets. This paper introduces a new integrated charger offering electric vehicle fast charging from emerging dc distribution networks. In absence of a dc grid, the charger can alternatively be fed from a simple uncontrolled rectifier. The proposed charger leverages the dual-inverter topology previously developed for high-speed drive applications. By connecting the charger inlet to the differential ends of the traction inverters, charging is enabled for a wide battery voltage range previously unattainable using an integrated charger based on the single traction drive. An 11-kW experimental setup demonstrates rapid charging using constant current control and energy balancing of dual storage media. To minimize the harmonic impact of the charger on the dc distribution network, a combination of complementary and interleaved switching methods is demonstrated.

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: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

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 savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,045
Tête enseignante GPT0,291
Écart entre enseignants0,246 · 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

Citations104
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207