MétaCan
Menu
Retour à la cohorte
Enregistrement W2886763048 · doi:10.1109/tie.2018.2860557

Vacuum-Packaged Piezoelectric Energy Harvester for Powering Smart Grid Monitoring Devices

2018· article· en· W2886763048 sur OpenAlexaff
Alireza Abasian, Ahmadreza Tabesh, Nasrin Rezaei-Hosseinabadi, Abolghasem Zeidaabadi Nezhad, Massimo Bongiorno, S. Ali Khajehoddin

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Energy Harvesting Technologies
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésElectrical engineeringEnergy harvestingPower (physics)VibrationContext (archaeology)Maximum power principleEngineeringAcousticsVoltagePhysics

Résumé

récupéré en direct d'OpenAlex

This paper presents an analytical method for the design and power optimization of vacuum-packaged piezoelectric energy harvesters. It is shown that the maximum power point of a vacuum-packaged energy harvester is different from the conventional one which occurs when the electrical damping ratio equals to its mechanical counterpart. Also, it is shown that the captured power by a vacuum-packaged energy harvester is highly sensitive to the vibration frequency due to very low-mechanical damping ratio, e.g., up to 50% power drops corresponding to 2% deviations in the frequency. The analysis and design are performed in the context of an ac-line magnetic field energy harvester in which the line frequency is also fixed and this energy harvester is useful for developing the self-powered wireless monitoring devices. Furthermore, the vacuum-packaged devices are inherently robust against dust storm and icing phenomenon, which occur for overhead power lines. The proposed analytical method is established based on simplified assumptions and then an accurate method is developed for the analysis of vacuum-packaged devices. Obtained theoretical results are verified in the laboratory through a prototype of the vacuum-packaged piezoelectric device, which captures up to 90 μW from a 10-A line current.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,842
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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,035
Tête enseignante GPT0,247
Écart entre enseignants0,212 · 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

Citations35
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetInnovative Energy Harvesting TechnologiesTravaux en français237 207