Control Techniques With Low Computational Burden for a DAB-Based Two-Stage DC–DC EV Charging Converter System
Notice bibliographique
Résumé
In the future, electric vehicle (EV) charging dc-dc converter system are usually required for realizing bidirectional operation, electric isolation, and large voltage range, which can be realized at the dc stage. However, because of unavoidable reactive power, the typical bidirectional and isolated dc-dc converters such as dual-active-bridge (DAB) dc-dc converter and LC-based resonant dc-dc converter usually generate large current stress at wide-range voltage. Thus, the design cost for high-power applications will inevitably be expensive. Consequently, this paper, combining a 3-level buck-boost stage, adopts a DAB-based two-stage dc-dc converter with a low current stress. Then, the simple control schemes, including the soft start-up method, the linear current-control-based inner loop technique, and the soft shutdown method, are proposed for the charging of EV. Especially, based on the naturally transient behavior, the linear current-control-based inner loop technique is presented with low computational burden and without instability concern. The proposed linear technique can easily and steadily realize the charging requirements such as constant current, power, and voltage charging. Besides, the presented method has no current and voltage shoots during transient process, which can significantly enhance charging reliability. Moreover, the changing rate of a charging current can be consistent and controllable to fulfill batteries' charging requirement. Finally, experiment results are provided to verify the effectiveness of the proposed techniques.
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 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 | 0,000 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».