MétaCan
Menu
Retour à la cohorte
Enregistrement W4382401498 · doi:10.1016/j.ijhydene.2023.06.090

Hydrogen fuel cell integration and testing in a hybrid-electric propulsion rig

2023· article· en· W4382401498 sur OpenAlexafffund
João Farinha, Luís Miguel Silva, Jay Matlock, Frederico Afonso, Afzal Suleman

Notice bibliographique

RevueInternational Journal of Hydrogen Energy · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesFundação para a Ciência e a TecnologiaCanada Research Chairs
Mots-clésStack (abstract data type)PropulsionAutomotive engineeringBattery (electricity)Electrically powered spacecraft propulsionPower (physics)Computer scienceProton exchange membrane fuel cellHydrogen fuelFuel cellsHydrogen vehicleTest benchElectric motorElectric power systemElectric powerHybrid vehicleHybrid systemElectrical engineeringEngineeringAerospace engineeringEmbedded systemPhysicsChemical engineering

Résumé

récupéré en direct d'OpenAlex

On the road towards greener aviation, hybrid-electric propulsion systems have emerged as a viable solution. In this paper, a system based on hydrogen fuel cells is proposed and evaluated in a laboratory setting with its future integration in a propulsive system in mind and main focus on the ability to lessen the power demand on the opposing side of the bench. The setup consists in a parallel architecture with two power sources: a hydrogen fuel cell and a battery. First, the performance of the fuel cell and its capability to provide power to one of the motors are analyzed. Then, the entire parallel hybrid system is evaluated. Although the experimental setup was shown to be sub-optimal, the results demonstrated the ability of this greener alternative to reduce power demand on the opposing side of the parallel configuration, with a reduction of up to 40.3% in the highest load scenario, and maximum power output on the fuel cell of 257.8 W. The stack performance was also concluded to be very dependent on the operating temperature.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,269
Score d'incertitude au seuil0,460

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,259
Écart entre enseignants0,243 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations18
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Hydrogen EnergyMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207