Design of smart battery charging circuit via photovoltaic for hybrid electric vehicle
Notice bibliographique
Résumé
Abstract This paper proposes an intelligent battery charging scheme for hybrid electric vehicles (HEVs) with a fuel cell as the primary energy source and solar photovoltaic (PV) and battery as the auxiliary energy sources. While dealing with the PV, a minimized oscillation‐based improved perturb and observe (I‐P&O) maximum power point (MPP) tracking (MPPT) scheme is designed to mitigate the impact of oscillations around MPP and loss of tracking direction. The DC–DC boost and DC–DC buck power converters are connected in a cascade manner to harvest optimal power from PV and as a charging circuit for HEV, respectively. An intelligent fuzzy logic‐based proportional integral derivative (PID) (F‐PID) controller is employed for the buck converter to get the constant voltage and constant current for the effective charging of the battery. The two primary objectives of this work are (1) maximum utilization of the designed PV array via the I‐P&O MPPT scheme to enhance the system efficacy, reduce system cost, and reduce complexity. (2) To obtain minimum battery losses and an enhanced life cycle of HEV. The proposed MPPT scheme provides a maximum 99.80% tracking efficiency of the considered PV array at an insolation level of 1000 W/m 2 . Moreover, almost nominal voltage and current ripples have appeared in HEV's proposed intelligent battery charging circuit.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 0,000 |
| 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) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».