MétaCan
Menu
Retour à la cohorte
Enregistrement W3194401491 · doi:10.1109/tpel.2021.3104759

Efficiency Improved Multi-Source Inverter for Hybrid Energy Storage Systems in Electric Vehicle Application

2021· article· en· W3194401491 sur OpenAlexafffund
Javad Ebrahimi, Omid Salari, Suzan Eren, Keyvan Hashtrudi-Zaad, Alireza Bakhshai, Praveen Jain

Notice bibliographique

RevueIEEE Transactions on Power Electronics · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésConvertersPower electronicsEnergy storageVoltage sourceElectronic engineeringPower (physics)VoltageElectrical engineeringInverterComputer scienceElectric vehiclePulse-width modulationCurrent sourceEnergy sourceEngineeringPhysicsRenewable energy

Résumé

récupéré en direct d'OpenAlex

Multisource inverters (MSIs) as a new approach for the integration of the energy and the power sources in electric vehicle applications have gained considerable attraction. Such structures offer the active control of the dc sources without using any dc/dc converters or magnetic elements, which reduces the weight, and the volume of the power electronics interface between the sources and the load. Moreover, high power density and improved efficiency due to the elimination of the magnetics are the other significant features of an MSI. This article proposes a novel three-phase MSI for integration and active control of a high-voltage dc source and a low-voltage dc source. The proposed MSI structure employs a smaller number of semiconductor devices at the current path in various operating modes in comparison to the previously published counterparts, which results in an improved efficiency operation. Performance of the proposed MSI using a modified space vector modulation technique for all possible operating modes is verified through simulations and experiments on a laboratory prototype

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,947
Score d'incertitude au seuil0,966

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,233
Écart entre enseignants0,225 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations57
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Power ElectronicsMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207