Model-Based Analysis of Lithium-Ion Battery Technology Predictions in Light-Sport Aircraft
Notice bibliographique
Résumé
A flight performance model was used to analyze the range capability of fully electric and hybrid-electric aircraft powertrains to determine their implementation feasibility compared to a similarly sized traditionally powered reference aircraft. Range was calculated for a given mission using future Lithium-Ion battery technology predictions from the year 2030. To the authors’ knowledge, there are no known studies which attempt to predict future range capabilities of electrified aircraft using future battery technology predictions in this manner. Results showed that fully electric powertrains could achieve ranges of up to 30% of the selected reference aircraft range, while hybrid electric cases could achieve ranges of between 30% and 73% depending on the fuel volume and the energy distribution strategy. Fuel volume was found to be a major contributor to the overall range, due to its high energy density, which tends to dominate the battery capacities used in this study. Thus, hybrid electric results were also analyzed at one selected fuel volume to identify trends in other parameters. It was found that the range of hybrid electric powertrains could be improved by up to 3.3% utilizing the optimal degree of hybridization, and up to 37% utilizing the optimal energy distribution strategy, compared to the range of the baseline hybrid energy distribution method. These results suggest that battery capacity improvement and optimal energy distribution strategy development are key to improving the feasibility of implementing electrified light-sport aircraft into the aviation industry over the next ten years.
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 | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».