MétaCan
Menu
Retour à la cohorte
Enregistrement W2806460956 · doi:10.11159/ffhmt18.149

Novel Hybrid Cooling Concept for Battery Thermal Management Design

2018· article· en· W2806460956 sur OpenAlexaffvenue
Yuyang Wei, Martin Agelin‐Chaab

Notice bibliographique

RevueProceedings of the ... International Conference on Fluid Flow, Heat and Mass Transfer · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésThermal management of electronic devices and systemsBattery (electricity)Computer scienceComputer coolingThermalElectrical engineeringAutomotive engineeringEngineeringMechanical engineeringPower (physics)PhysicsMeteorologyThermodynamics

Résumé

récupéré en direct d'OpenAlex

Electric vehicles (EVs) is one of the most promising solutions to global warming and fossil fuel crisis.The key to EV development is the battery.Li-ion battery has been the most popular choice in the industry for a variety of advantages over the others.However, battery performance is heavily related to its working temperature, and the health of battery a pack in long-term is hugely affected by temperature uniformity.The optimal working temperature ranges from 25℃ to 40℃, while the temperature non-uniformity should be lower than 5℃.A novel hybrid cooling concept for battery applications is proposed and experimentally proved in this study.The concept utilizes any combination of conductive, convective, and evaporative phase change cooling effects.The concept takes nearly no extra power from a normal air cooling method by using capillary effect as the driving force of water coolant, but achieves a higher cooling efficiency and better temperature uniformity.The concept may recycle A/C condensate so the water coolant could be instantly consumed at its generation and hence adds no extra weight to the vehicle.The air and water coolant after use will be released to the ambient without harming the environment.The results show a higher cooling efficiency and better temperature uniformity over the pack.The concept was able to retain both of the maximum working temperature and non-uniformity under the limits.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
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 savante0,0000,001
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 Opus0,039
Tête enseignante GPT0,262
Écart entre enseignants0,223 · 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'étudeSimulation ou modélisation
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

Citations5
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the ... International Conference on Fluid Flow, Heat and Mass TransferMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207