Multidomain Device-Level Fuel-Cell Modeling and Real-Time Hardware Emulation for Marine Research Vessel Power System
Notice bibliographique
Résumé
Marine research vessels (MRVs) are redesigned and refurbished to meet higher energy conversion efficiency and modular integration schemes while conforming to stronger environmental regulations. The proton exchange membrane fuel cell (PEMFC) is currently regarded as a potential power source for marine transportation applications due to its advantages of stability, sustainability, and zero emissions. This article proposes a hierarchical scheme for the real-time hardware emulation of the MRV’s power system and a comprehensive multidomain model for PEMFCs. The PEMFC model is presented in the electrochemical, hydration, and thermal domains by ordinary differential equations considering the interactions and dynamics of each domain. Meanwhile, the multidomain PEMFC model considers the implications of the fluctuating supply of the onboard hydrogen circulation system. Moreover, the dynamics of the lithium-ion battery stacks are represented by an equivalent circuit model which considers heat flux phenomena. In the case study, the dc–ac grid of the MRV’s power system and electric propulsion system is configured using extensive electrification technology with an average model. The real-time hardware emulation is conducted on the Xilinx UltraScale+ VCU118 FPGA platform to execute the device-level and system-level behavior transients of the MRV. The results of the real-time hardware emulation have been validated against the full-scale hybrid MRV power system emulation over a wide operating range.
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 | 0,001 | 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 | 0,000 |
| 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 ».