Chevrolet Bolt Electric Vehicle Model Validated with On-the-Road Data and Applied to Estimating the Benefits of a Multi-Speed Gearbox
Notice bibliographique
Résumé
This paper presents a model for predicting the energy consumption of a 2017 Chevrolet Bolt electric vehicle. The model is validated using 93 measured drive cycles covering in excess of 10,600 kilometres of driving and temperatures from −8 to 32 °C. The mechanical road load acting on the vehicle is calculated via ABC parameters from the publicly available US Environmental Protection Agency (EPA) Annual Certification Data database. The vehicle model includes wheel diameter, gear ratio, rated electric machine torque and power, 12V accessory load based off measurements, measured electric machine efficiency obtained from a publication from General Motors, and modelled inverter efficiency. Assumptions are made regarding gearbox losses as well. To ensure accuracy under real-world conditions, road grade, temperature effects, and heating and cooling energy are included as well. The model predicts an EPA range of 380 km, which is very close to the 383 km rating. Error is typically around ±10% for the experimental drive cycles used for validation. The presented modelling methodology can be applied to any production battery electric vehicle and used to predict the benefits of utilizing multi-speed gearboxes, wideband gap semiconductor inverters, different electric traction machine designs, and other vehicle design changes. The paper includes an extensive comparison of modelled versus measured results, as well as an analysis of the benefits of a multi-speed gearbox for the vehicle, showing an increase of range of 1.3% (5 km) with a two-speed gearbox.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».