MétaCan
Menu
Retour à la cohorte
Enregistrement W2949136441 · doi:10.3390/en12122237

Opportunity for Improving Lead-Acid Battery Management of Photovoltaic-Genset-Battery Hybrid Power Systems Based on Measured Field Data

2019· article· en· W2949136441 sur OpenAlexaffabout
Andrew Swingler, Jordan Torrealba

Notice bibliographique

RevueEnergies · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésBattery (electricity)Lead–acid batteryPhotovoltaic systemAutomotive engineeringAutomotive batteryState of chargeComputer scienceElectrical engineeringPower (physics)Engineering

Résumé

récupéré en direct d'OpenAlex

In this communication, the measured behaviour of a lead-acid battery bank within a stand-alone residential solar photovoltaic (PV)-genset-battery hybrid power system in Canada is presented and discussed. In order to capture rare field-based battery performance data, a newly commissioned lead-acid battery bank was equipped with a battery monitoring device capable of logging voltage, current, temperature and amp-hours every 30 s for the life of the battery. The measured data captures a severe loss of battery capacity due to a combination of short-term deep discharge and extended partial state of charge operation—conditions not unusual during winter season PV-genset-battery hybrid power system operation. Subsequent manual override of the system control set points to encourage gradual battery overcharge are shown to recover the lead-acid battery bank’s performance over the following three months. Limitations of the power conversion system’s battery management approach are discussed and a novel closed loop control system for improving lead-acid based PV-genset-battery hybrid system performance is rationalized and proposed for further research.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,040
Tête enseignante GPT0,265
Écart entre enseignants0,226 · 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'étudeObservationnel
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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207