Thermal Modelling Utilizing Multiple Experimentally Measurable Parameters
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents three equivalent thermal circuit models with multiple input parameters, namely, the state of health (SOH), state of charge (SOC), current and temperature. Typical physiochemical models include parameters such as porosity and tortuosity, which are not easily experimentally available; this model allows for model parameters such as the internal impedance to be easily estimated using more practical inputs. The paper models the internal impedance resistance of a LiFePO4 battery at five different ambient temperatures (5, 15, 25, 35, 45 °C), at three different discharge rates (1C, 2C, 3C) and at three different SOHs (90%, 83%, 65%). The internal impedance surface fit experimental measurements with a Pearson coefficient of 0.945. Three thermal models were then created that implemented the internal resistance model. The first two thermal models were 0D models that did not include the influence of the thermal conductivity of the battery. The first model assumed simple heating through internal resistance and convection energy loss, while the second also included the Bernardi Reversible heat term. The final third model was a 2D model that included all previous heat source terms as well as tab heating. The 2D model was solved using a simple Euler method and finite center difference. The R2 values for the 0D thermal models were 0.9964 and 0.9962 for the simple internal resistance and reversible heating models, respectively. The R2 value for the 2D thermal model was 0.996.
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découle