MétaCan
Menu
Retour à la cohorte
Enregistrement W4313132670 · doi:10.1109/tte.2022.3231554

High-Efficiency Variable Turns-Ratio Semi-Dual Active Bridge Converter for a DC Fast Charging Station With Energy Storage

2022· article· en· W4313132670 sur OpenAlexafffund
Md Ahsanul Hoque Rafi, Jennifer Bauman

Notice bibliographique

RevueIEEE Transactions on Transportation Electrification · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésBattery (electricity)VoltageConvertersĆuk converterElectrical engineeringBoost converterRange (aeronautics)Buck–boost converterForward converterEnergy storageEngineeringElectronic engineeringComputer sciencePower (physics)Physics

Résumé

récupéré en direct d'OpenAlex

In electric vehicle fast charging applications, the isolated dc/dc converter charging a battery electric vehicle from a battery energy storage system should provide high efficiency over a wide voltage gain. The semi-Dual Active Bridge (semi-DAB) converter is an excellent choice for this unidirectional application. However, achieving the high efficiency of these converters is challenging when the input and output voltages vary over a wide range. Thus, a novel two-winding semi-DAB converter is proposed in this article to improve the overall efficiency with a variable turns-ratio, which minimizes the converter conversion effort, so that the required effective voltage gain is within a reasonable range even as input and output voltages vary widely. Furthermore, a control law is also proposed to determine the operational structure of the converter, i.e., the turns-ratio and the bridge configuration, which reduces the converter peak and rms currents. A 550-V, 10-kW semi-DAB converter is built on a four-layer PCB to test the proposed converter and control. The proposed converter with control provides efficiency improvement of up to 3.5% in comparison to the standard structure and control, and has the most improvement during the common fast charging scenario with high input and low output voltages. The peak efficiency achieved is 98.5%.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,197
Écart entre enseignants0,190 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
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

Citations19
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Transportation ElectrificationMême sujetAdvanced DC-DC ConvertersTravaux en français237 207