Thermal Management of Nonuniform Heat Fluxes in an Electric-Vehicle Fast-Charger: Experimental and Numerical Analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This article presents a novel approach to address nonuniform heat dissipation in high-power electrical systems, focusing specifically on an electric-vehicle (EV) fast-charger system. These systems often incorporate diverse power semiconductor devices with distinct electrical loads and thermal characteristics, leading to nonuniform heat fluxes. Due to manufacturing constraints, commercial off-the-shelf (COTS) heat sinks are unable to effectively handle these heat load distributions. To address this issue, this work utilizes a wire-arc thermal spray additive manufacturing technique to fabricate a topologically optimized heat sink for the thermal management of an EV fast-charger system. The optimized heat sink exhibits substantial volume reduction (81%) and mass reduction (71%) compared to a modified COTS heat sink. Experimental results demonstrate an average 27% reduction (0.02 °C/W) in overall thermal resistance and a 25% reduction (2.8 °C) in maximum heat sink surface temperature difference. Real-world implementation of the fast-charger system revealed a 78% reduction (7.6 °C) in interdevice temperature difference and a notable 14% reduction (13.1 °C) in maximum heat sink temperature within the most effective region. Numerical analysis substantiates these findings by emphasizing the significance of adapting the local Nusselt number based on the locally applied heat load. This work showcases the practicality of the proposed approach in designing and fabricating application-specific heat sink solutions for challenging thermal profiles prevalent in high-power fast-charger systems.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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