MétaCan
Menu
Retour à la cohorte
Enregistrement W4296871384 · doi:10.1109/tte.2022.3209098

Integrated Multipurpose Power Electronics Interface for Electric Vehicles

2022· article· en· W4296871384 sur OpenAlexafffund
Tamanwè Payarou, Pragasen Pillay

Notice bibliographique

RevueIEEE Transactions on Transportation Electrification · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensConcordia University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésPower electronicsInterface (matter)Flexibility (engineering)Vehicle-to-gridPlug and playPlug-inGridAutomotive engineeringEngineeringBenchmark (surveying)PropulsionInverterElectronicsPower (physics)Electrical engineeringComputer scienceElectric vehicleVoltage

Résumé

récupéré en direct d'OpenAlex

A novel integrated multipurpose power electronics interface (IMPEI) for the new generation of plug-in electric vehicles (PEVs) and plug-in hybrid electric vehicles (PHEVs) is proposed in this article. The IMPEI is a reconfigurable power electronics interface (PEI) that integrates the onboard charger with the drive inverter allowing the same interface to be used for various modes of operation such as propulsion and regenerative braking as well as vehicle-to-grid (V2G) and grid-to-vehicle (G2V) operations with grid flexibility. For each mode of operation, the IMPEI is reconfigured into a previously existing power converter topology. The principles of operation and coordination of various modes of operation of the IMPEI are explained in this article. Based on component count, operating modes, and control complexity, a comparison of the IMPEI and recently proposed integrated PEIs (IPEIs) is provided. Specifications of BMW i3 are used as the benchmark for comparing size, cost, and efficiency. This article discusses and validates the experimental 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 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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,258
Écart entre enseignants0,244 · 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'étudeSans objet
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

Citations33
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Transportation ElectrificationMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207