MétaCan
Menu
Retour à la cohorte
Enregistrement W4387039356 · doi:10.1049/icp.2023.1103

MADELAINE - a multi-adaptive and cost-efficient DC charging system for EV car parks

2023· article· en· W4387039356 sur OpenAlexaff
Daniel Stahleder, Stephan Ledinger, F. Mader, D. Hartmann, Markus Litzlbauer, Myriam Schmutz, F. Lehfuss

Notice bibliographique

RevueIET conference proceedings. · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensWind Energy Institute of Canada
Organismes subventionnairesnon disponible
Mots-clésModular designComputer scienceGridInverterVoltageElectrical engineeringAutomotive engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Conventional DC chargers for electric vehicles (EVs) can be expensive and inflexible when used in large car parks. To improve this situation, this work presents an alternative modular charging system for EVs. The proposed system enables DC charging of vehicles at multiple distributed charge points using a small ratio of centralized AC/DC inverters. By developing and using an adaptive DC grid, each charge point can be dynamically connected to any subset of inverters. The DC output of the inverters can be electrically operated in parallel which allows for fast charging on single slots as well as charging as many vehicles as inverters are available - or any mixed configuration. To assess the approach, lab test results of the dynamic parallel inverter operation are presented and discussed. In summary, the economic and modular advantages of the proposed system can help to accelerate the rollout of modern EV charging infrastructure.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil0,932

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 Opus0,058
Tête enseignante GPT0,294
Écart entre enseignants0,236 · 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 revueIET conference proceedings.Même sujetAdvanced Battery Technologies ResearchTravaux en français237 207