MétaCan
Menu
Retour à la cohorte
Enregistrement W4313562622 · doi:10.1109/epec56903.2022.10000152

An Adaptive Event-Triggered Distributed PID Control for State of Charge Balancing of Multiple Batteries Based Electric Vehicles

2022· article· en· W4313562622 sur OpenAlexaff
Pengcheng Chen, Hicham Chaoui, Shichao Liu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésPID controllerState of chargeBattery (electricity)Computer scienceController (irrigation)VoltageControl theory (sociology)Energy (signal processing)Automotive engineeringEngineeringElectrical engineeringControl engineeringControl (management)Power (physics)Temperature control

Résumé

récupéré en direct d'OpenAlex

This work designs a distributed proportional-integral-derivative (PID) controller integrated with the adaptive event-triggered (AET) mechanism to cope with the state of charge (SoC) balancing issue while ensuring the stability of the voltage of DC bus in multiple batteries based electric vehicles (EVs). The SoC balancing is realized by the distributed PID controller in the multiple bidirectional DC-DC converter buck-boost circuit, so that the battery with the high SoC value releases more energy and absorbs less energy, and the battery with low SoC absorbs more energy and releases less energy. Meanwhile, the adaptive eventtriggered strategy configured with each battery proposed in this work can adjust the release threshold according to the deviation of each SoC from the average value, which can greatly reduce unnecessary waste of communication resources while achieving SoC balancing. A three-battery based EVs with time-varying operating mode is simulated to verify the effectiveness of the designed 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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,246
Écart entre enseignants0,234 · 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'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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced Battery Technologies ResearchTravaux en français237 207