Maximizing Driving Range for Fuel Cell Range Extender Vehicles With Fixed Energy Storage Costs
Notice bibliographique
Résumé
Industry and researchers are investigating both battery electric vehicles (BEVs) and fuel cell hybrid vehicles (FCHVs) for the future of sustainable passenger vehicle technology. While BEVs have clear efficiency advantages, FCHVs have key benefits in terms of refueling time and energy density. This article first proposes the concept of a fuel cell range extender vehicle (FCREV) that uses whole-day driving prediction (WDDP) control, which uses driver destination inputs to determine whether the planned driving trips that day will exceed the useable battery energy capacity. If so, the fuel cell is turned on at the start of the day. The benefit of WDDP control is that a smaller, lower cost fuel cell can be used to greatly extend the driving range since the fuel cell can charge the battery during both driving and parked periods of the day. Furthermore, this research proposes a fast analytical optimization algorithm for designing a WDDP-FCREV to maximize the range on a given drive cycle for a set cost. The results show that an optimized WDDP-FCREV can greatly exceed the range of the same-cost BEV, by 105%–150% for no H2 refueling and by 150%–250% when H2 refueling is allowed every 4 h.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».