MétaCan
Menu
Retour à la cohorte
Enregistrement W4382682164 · doi:10.18280/mmep.100318

Development of a Hybrid System Model for Enhanced Lifespan, Energy Efficiency, and Power Quality in Fuel Cells

2023· article· en· W4382682164 sur OpenAlexvenueno aff
Bambang Bagus Harianto, Ghaidaa Raheem Lateef Al‐Awsi, R. Sivaraman, Mukhiddin Anarboev, Vadim V. Ponkratov, Serge Lawrencenko, A. Surendar, Tatiana Bloshenko, Iskandar Muda

Notice bibliographique

RevueMathematical Modelling and Engineering Problems · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFuel cellsPower (physics)Quality (philosophy)Energy (signal processing)Efficient energy useEnvironmental scienceAutomotive engineeringComputer scienceEngineeringElectrical engineeringPhysicsChemical engineering

Résumé

récupéré en direct d'OpenAlex

Fuel cells serve as environmentally friendly alternatives to fossil fuels by providing clean energy.Integrating a fuel cell with an energy storage system, such as a battery, results in cost savings and performance improvements.The battery functions as an energy storage source, enabling the regulation and maintenance of fuel cell power at acceptable levels.Introducing an innovative and optimal power management method for hybrid electric energy supply systems can significantly contribute to the advancement of renewable resources by reducing costs, enhancing energy efficiency, increasing system reliability, and improving fuel cell lifespan.In this study, a membrane exchange fuel cell model, combined with a battery, is presented using MATLAB.The results demonstrate an increase in fuel cell life, energy efficiency, and output power quality.The state of charge (SOC) of the battery fluctuates between 52% and 34%, while the output power of the proton exchange membrane fuel cell (PEMFC) ranges between 30 and 20 watts.It is worth noting that, during the 1,200-second power supply process using the proposed strategy, only six PEMFC working points have changed.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,669
Score d'incertitude au seuil0,652

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,022
Tête enseignante GPT0,213
Écart entre enseignants0,191 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematical Modelling and Engineering ProblemsMême sujetFuel Cells and Related MaterialsTravaux en français237 207