MétaCan
Menu
Retour à la cohorte
Enregistrement W2621385458 · doi:10.1109/tte.2017.2710628

Hybrid Energy Storage System With Active Power-Mix Control in a Dual-Chemistry Battery Pack for Light Electric Vehicles

2017· article· en· W2621385458 sur OpenAlexaff
Steven Chingyei Chung, Olivier Trescases

Notice bibliographique

RevueIEEE Transactions on Transportation Electrification · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBattery (electricity)Modular designEnergy storageBattery packAutomotive engineeringState of chargeComputer scienceInterleavingDual (grammatical number)Power (physics)Electrical engineeringEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

This paper demonstrates a hybrid energy storage system (HESS), comprised of lithium-ion (LI) and lead-acid (PbA) batteries, for a utility light electric vehicle. While LI batteries have superior energy density, lower internal resistance, and longer lifetime than PbA batteries, the module cost is typically three times higher. The objective of this paper is to design an HESS that: 1) is cost competitive with a PbA single energy storage system (SESS) and 2) maintains most of the performance benefits of a conventional LI SESS. This is done by minimizing the Peukert effect and thus increasing the usable energy of the PbA battery. The proposed modular multiphase dc-dc converter achieves stable interleaving operation, and the traditional noninverting buck-boost converter is modified to allow intermodule balancing. A simple power-mix algorithm with active intramodule state-of-charge balancing is proposed, and the modular hybrid battery system is demonstrated experimentally with low-cost embedded hardware. The cost and the performance of the HESS are assessed side by side with PbA and LI SESS configurations. The HESS has a total projected cost midway between the SESS PbA cost and the SESS Li cost, while providing 23% efficiency (range/kWh) increases 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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,753
Score d'incertitude au seuil1,000

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 Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,216 · 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.

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

Citations45
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Transportation ElectrificationMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207