Modular Multiport Electric-Vehicle DC Fast-Charge Station Assisted by a Dynamically Reconfigurable Stationary Battery
Notice bibliographique
Résumé
Multiport battery-assisted dc fast charger (BA-DCFC) stations enable high charge rates of electric vehicles (EVs) at sites that have insufficient grid capacity. However, BA-DCFCs are expensive and inefficient due to the battery energy storage system (BESS) and high-power isolated dc–dc converters that interface the BESS and EV charging ports. This article presents a modular multiport dc linear fast charger (LFC) for EVs, which uses a stationary, reconfigurable battery energy storage system (rBESS), a current-mode, digitally controlled bidirectional linear regulator (LR), and a contactor matrix. The LFC LR increases the overall station efficiency and eliminates the volume and cooling complexity associated with the high-power magnetics, high-voltage capacitors, and high-frequency switches of state-of-the-art (SotA) isolated dc–dc converters. Compared to a SotA isolated dc–dc converter, the LR experiences 83.6% less loss for the same rated EV charge power. Over a day of typical operation, a three-port LFC station is shown to have 28% less loss than a state-of-the-art BA-DCFC, with an average efficiency of 93.4%. The LFC achieves redundancy at the station, BESS, and LR levels while also integrating active balancing of state-of-charge/health without auxiliary switched-mode converters. The proposed system is verified using full-scale transient simulations and experimental results from a scaled, hardware-in-loop implementation with a custom LR and series-connected battery modules.
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 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».