MétaCan
Menu
Retour à la cohorte
Enregistrement W4389363733

Hydrogen Fuel Cell Electric Bus (FCEB) Evaluations in US Public Transit Service

2023· paratext· en· W4389363733 sur OpenAlexaboutno aff
Matthew Post

Notice bibliographique

RevueOSTI OAI (U.S. Department of Energy Office of Scientific and Technical Information) · 2023
Typeparatext
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHydrogenPublic transportTransit (satellite)Fuel cellsService (business)Computer scienceNuclear engineeringAutomotive engineeringTransport engineeringEnvironmental scienceBusinessChemistryEngineeringChemical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The National Renewable Energy Laboratory (NREL) is a Department of Energy (DOE) national laboratory focused on renewable energy and energy efficiency. NREL has evaluated alternative fuel and advanced propulsion transit buses for DOE and the U.S. Department of Transportation's Federal Transit Administration (FTA). These evaluations are focused on determining the status of fuel cell systems and the corresponding infrastructure in transit applications to help DOE and FTA assess the progress toward technology readiness. For the last 19 years NREL has evaluated FCEBs in service around the United States and in Canada. The results of these evaluations have been published in numerous reports that compare FCEB performance to conventional technology as well as document the implementation experience and lessons learned by the transit agencies and their demonstration teams. Currently, 70 fuel cell buses are in active service in the US and 66 FCEBs are in development. NREL is evaluating a subset of the active FCEBs that includes three transit agencies demonstrating 25 fuel cell electric buses in California. One bus has exceeded 35,000 hours in service and 12 have exceeded 25,000 hours. Fuel economy for the current generation of FCEBs has improved 35% over the previous generation and is double that of conventional buses. Maintenance cost for FCEBs is equivalent to diesel and BEBs. The most up-to-date performance results will be presented, including fuel economy, availability, reliability, and operational costs.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,876
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,014
Tête enseignante GPT0,223
Écart entre enseignants0,209 · 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.

Devis d'étudeSans objet
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOSTI OAI (U.S. Department of Energy Office of Scientific and Technical Information)Même sujetFuel Cells and Related MaterialsTravaux en français237 207