A Review on Modular Multilevel Converters in Electric Vehicles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper discusses the state of the art of different topologies of Modular Multilevel Converters (MMC) used in Electric Vehicle (EV) power-train. A comparative study of recently proposed MMC used as a propulsion application in EV is elaborated here for the first time in EV research field. First, this paper delivers a general overview on multilevel converters associated with their various types and advancements. Then, it discusses the change from Internal Combustion Engine Vehicle (ICEV) to EV. Finally, it conducts a comparative study on the existed MMC topologies by categorizing them into five sections according to their types and contribution. First section includes the topologies that follow the same MMC architecture of cascaded half bridges. Second section discuses topologies consisting of cascaded H-bridge (CHB) and points any recorded contribution in comparison with conventional topologies. Third section focuses on topologies that reduces switching elements significantly making the whole system more reliable, cost competitive, more efficient and more size compressed. Fourth section tackles topologies with hybridized energy storage system using Ultra-Capacitors (UC) in order to track its impact on power density limitation. Last section adopts hybridized multilevel converters to observe its effect on system's efficiency and switching losses. The contribution of this paper is pointing on the strength and weakness of each topology in terms of fault tolerance, balance control, size, reliability, efficiency, cost, power density, mobility range, switching elements and switching losses.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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