MétaCan
Menu
Retour à la cohorte
Enregistrement W3103565620 · doi:10.1109/iecon43393.2020.9254647

An Auxiliary Converter for Fuel Cell Stack EIS using a Switched-Capacitor Converter Interfaced Supercapacitor as a Bidirectional Energy Buffer

2020· article· en· W3103565620 sur OpenAlexaff
B Shadmand Mohammad, Jiabin Shen, Jiacheng Wang

Notice bibliographique

RevueIECON 2020 The 46th Annual Conference of the IEEE Industrial Electronics Society · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésCapacitorSupercapacitorStack (abstract data type)MiniaturizationSwitched capacitorAuxiliary power unitBoost converterElectronic engineeringElectrical engineeringComputer scienceMaterials scienceEngineeringCapacitanceVoltageElectrodeChemistry

Résumé

récupéré en direct d'OpenAlex

Electrochemical impedance spectroscopy (EIS) is a promising tool for characterizing fuel cells. It was traditionally only applied to single cell or short stacks at low-power levels but was recently brought to high-power stacks due to a growing interest in performing in situ EIS without dismantling the stack. Converter-based EIS provides attractive solutions for this purpose. In this paper, an auxiliary EIS converter solution using a bidirectional energy buffer module composed of a switched-capacitor converter (SCC) and a supercapacitor is proposed. The module is designed towards having a more compact auxiliary converter unit. The design of the proposed module is investigated in detail and a comprehensive guideline is provided considering the probable limitations imposed by high EIS frequencies on this solution. The proposed system helps with the compactness and miniaturization of the entire auxiliary EIS converter and eliminating the potential problems of electrolytic capacitors such as bulkiness and limited lifetime due to impact of ripples. The effectiveness of the developed system is verified by simulation results.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,461
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)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,034
Tête enseignante GPT0,227
Écart entre enseignants0,193 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIECON 2020 The 46th Annual Conference of the IEEE Industrial Electronics SocietyMême sujetFuel Cells and Related MaterialsTravaux en français237 207