MétaCan
Menu
Retour à la cohorte
Enregistrement W4399621304 · doi:10.1109/iraset60544.2024.10548379

Battery Monitoring System and Control Using LoRa Technology for Battery Behavior and Analysis

2024· article· en· W4399621304 sur OpenAlexafffund
Awang Abdul Hadi Isa, Muhammad Norfauzi Dani, Dina Shona Laila, Sheik Muhammed Sulthan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesMemorial University of Newfoundland
Mots-clésBattery (electricity)Computer scienceAutomotive engineeringEngineeringPower (physics)

Résumé

récupéré en direct d'OpenAlex

Batteries are intricate electrochemical devices that demonstrate stochastic and nonlinear behavior contingent upon environmental and operational conditions; therefore, battery monitoring is an essential component throughout their application. This paper introduces a web-based battery monitoring and control system that utilizes Long Range (LoRa) communication technology, an element of Internet of Things (IoT), utilizing the ESP32 microcontroller. The system provides comprehensive online data in real-time through the integration of a multitude of sensors. The proposed system aims to overcome the constraints of current communication technology by capitalizing on the advantages of LoRa, a technology known for its efficient long-range and low-energy transmission, which renders it highly suitable for applications involving real-time monitoring. Furthermore, a control operation allows users to manage critical battery functions, including charging and discharging. The study performed a thorough experimental assessment of the proposed system across various operations, and the outcomes effectively corresponded with the primary objective and goals of the research. The system under consideration successfully facilitates remote monitoring and user control in real-time, provides long-term data visualization through data logging, and enables battery condition evaluation. The implementation of data logging was intended to optimize the utilization of future battery evaluation metrics, including State-of-Charge (SOC), State-of-Health (SOH), and Remaining Useful Life (RUL). Consequently, the developed system is well-suited for numerous applications that demand efficient energy storage solutions, including Electric Vehicles (EVs) and renewable energy.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,294
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations4
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetAdvanced Battery Technologies ResearchTravaux en français237 207