MétaCan
Menu
Retour à la cohorte
Enregistrement W4312280374 · doi:10.1109/tte.2022.3232560

A Dual-Active Bridge Converter With a Wide Output Voltage Range (200–1000 V) for Ultrafast DC-Connected EV Charging Stations

2022· article· en· W4312280374 sur OpenAlexaff
Omar Zayed, Ahmed Elezab, Ahmed Abuelnaga, Mehdi Narimani

Notice bibliographique

RevueIEEE Transactions on Transportation Electrification · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensRockwell Automation (Canada)McMaster University
Organismes subventionnairesnon disponible
Mots-clésConvertersVoltageRange (aeronautics)Electrical engineeringForward converterĆuk converterBuck–boost converterComputer scienceBoost converterElectronic engineeringEngineeringTopology (electrical circuits)

Résumé

récupéré en direct d'OpenAlex

This article proposes a wide voltage range bidirectional dc/dc charging converter. The proposed converter interfaces the fixed charging station dc-bus to the electric vehicle (EV), featuring a 200–1000-V charging voltage range. The wide voltage range is critical for future proofing of charging stations to support the existing and next-generation EVs, while also enabling its use for different applications, leading to major benefits in the economy to scale. Multiple charging converters have been previously proposed, but rarely has there been one which focused on the special needs of a dc-connected station while also considering a universal charging voltage range and cost-effectiveness. As such, a universal charging converter is proposed to fill the research gap and address the said needs. First, the proposed topology is introduced, and the operation principle and mode-transitioning scheme are analyzed. A converter design optimization strategy is also proposed, specifically for EV chargers, which takes an energy-based approach using data collected from actual EVs’ charging sessions. The experimental results and analysis for the 10-kW, 1-kV converter prototype validate the feasibility of the proposed converter, performance, and design approach.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,017
Tête enseignante GPT0,243
Écart entre enseignants0,225 · 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'étudeExpérimental (laboratoire)
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

Citations67
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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