MétaCan
Menu
Retour à la cohorte
Enregistrement W2956063092 · doi:10.1016/j.egyr.2019.06.016

Electric vehicle battery thermal management system with thermoelectric cooling

2019· article· en· W2956063092 sur OpenAlexaff
You Lyu, Abu Raihan Mohammad Siddique, Shaikh Hasibul Majid, Mohammad Biglarbegian, S. Andrew Gadsden, Shohel Mahmud

Notice bibliographique

RevueEnergy Reports · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésThermoelectric coolingComputer coolingBattery (electricity)Water coolingCoolantMaterials scienceNuclear engineeringAir coolingThermoelectric effectCondenser (optics)TECAutomotive engineeringMechanical engineeringThermal management of electronic devices and systemsPower (physics)EngineeringThermodynamics

Résumé

récupéré en direct d'OpenAlex

An experimental investigation is performed on an advanced battery thermal management system for emerging electric vehicles. The developed battery thermal management system is a combination of thermoelectric cooling, forced air cooling, and liquid cooling. The liquid coolant has indirect contact with the battery and acts as the medium to remove the heat generated from the battery during operation. Forced air assisted heat removal is performed from the condenser side of the thermoelectric liquid casing. Detailed experiments are carried out on a simulated electric vehicle battery system. Experimental results reveal a promising cooling effect with a reasonable amount of power dissipation. Moreover, the experimental test shows that the battery surface temperature drops around 43 ºC (from 55 ºC to 12 ºC) using TEC-based water cooling system for a single cell with copper holder when 40 V is supplied to the heater and 12 V to the TEC module.

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 enseignants0,003
Score d'incertitude au seuil0,009

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)0,0030,001

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 Opus0,004
Tête enseignante GPT0,186
Écart entre enseignants0,182 · 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

Citations365
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergy ReportsMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207