MétaCan
Menu
Retour à la cohorte
Enregistrement W4225358197 · doi:10.1109/tte.2022.3170737

Optimal Control of Semi-Dual Active Bridge DC/DC Converter With Wide Voltage Gain in a Fast-Charging Station With Battery Energy Storage

2022· article· en· W4225358197 sur OpenAlexaff
Md Ahsanul Hoque Rafi, Jennifer Bauman

Notice bibliographique

RevueIEEE Transactions on Transportation Electrification · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBattery (electricity)VoltageInterfacingEnergy storageElectrical engineeringComputer scienceConvertersPower (physics)Control theory (sociology)EngineeringControl (management)PhysicsComputer hardware

Résumé

récupéré en direct d'OpenAlex

Ultrawide voltage regulation is required in dc/dc converters interfacing battery energy storage systems (BESSs) and electric vehicle (EV) batteries in dc fast-charging stations with energy storage. Attaining high efficiency of this converter can be challenging due to the wide variation of input and output voltage yet is important due to the high power transfer. This article proposes a novel control strategy for the semi-dual active bridge (DAB) converter to achieve wide voltage gain while increasing the efficiency at operational points with high input voltage and low output voltage, which is a commonly occurring scenario when the BESS is fully charged, and the EV battery is at low charge. Furthermore, this article also provides an algorithm to determine the required phase shift in real time for any operating point, eliminating the need to devise the control trajectory offline. A 550-V, 10-kW experimental prototype is built and tested to validate the proposed control strategy. With a 25-A constant charging current, the prototype shows that the proposed control strategy can improve efficiency by up to 3.5% compared to the well-known dual phase shift control at operating points with high input voltage (450–550 V) and low output voltage (150–275 V), with a peak efficiency of 97.6%.

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)0,001
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,005
Tête enseignante GPT0,189
Écart entre enseignants0,184 · 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'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

Citations41
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Transportation ElectrificationMême sujetAdvanced DC-DC ConvertersTravaux en français237 207