MétaCan
Menu
Retour à la cohorte
Enregistrement W4380853996 · doi:10.1155/2023/7500151

A Comprehensive Examination of the Protocols, Technologies, and Safety Requirements for Electric Vehicle Charging Infrastructure

2023· article· en· W4380853996 sur OpenAlexvenueno aff
Babji Bommana, J. Satheesh Kumar, Ramakrishna S S Nuvvula, Polamarasetty P Kumar, Baseem Khan, Suresh Muthusamy, Ravikiran Inapakurthi

Notice bibliographique

RevueJournal of Advanced Transportation · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensnon disponible
Organismes subventionnairesFoundation for Research, Science and Technology
Mots-clésBattery (electricity)Automotive engineeringElectric vehicleElectrical engineeringBattery packPower (physics)GridComputer scienceElectric-vehicle batteryEngineering

Résumé

récupéré en direct d'OpenAlex

Electric vehicles (EVs) have various advantages over traditional internal combustion engines (ICEs), including reduced carbon emissions, greater energy efficiency, and a lessened reliance on petroleum supplies. The use of EV charging infrastructure and power levels are reviewed in this article. Battery performance is affected by the design of the battery as well as the charger parameters and infrastructure. In this paper, the off-board and on-board charging methods with bidirectional and unidirectional power flow are compared. Hardware restrictions and connectivity concerns are eased with a unidirectional charger. The bidirectional charger enables both battery energy injection back into the grid and the vehicle. Power is constrained by the onboard charger due to its size, weight, and price. Both conductive and inductive onboard chargers are viable. For high current rates, which are not supported by EVs, it is feasible to develop an off-board charger. The time required for charging, amount of power, cost, equipment, location, infrastructure configurations, and other parameters are provided, compared, and reviewed for different power level chargers, such as level-1 (slow), level-2 (semi-fast), and level-3 (fast).

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)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,006
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,019
Tête enseignante GPT0,291
Écart entre enseignants0,272 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Advanced TransportationMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207