MétaCan
Menu
Retour à la cohorte
Enregistrement W4400945478 · doi:10.1109/itec60657.2024.10598902

Hybrid Compensation Network for Misalignment-Tolerant Constant Current/Constant Voltage Charging for Wireless Power Transfer System

2024· article· en· W4400945478 sur OpenAlexaff
Niranjan Shrestha, Sheldon S. Williamson

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésConstant voltageWireless power transferConstant currentConstant (computer programming)Compensation (psychology)Electrical engineeringVoltageCurrent (fluid)Maximum power transfer theoremPower (physics)WirelessTime constantComputer sciencePhysicsEngineeringTelecommunicationsThermodynamics

Résumé

récupéré en direct d'OpenAlex

This paper presents the hybrid compensation network to achieve constant current/constant voltage (CC/CV) charging for wireless charging of Electric Vehicle (EV) with misalignment tolerant capability. The double-sided LCC (DS-LCC) compensation is used for CC charging whereas the LCC-S compensation is employed for CV charging. The battery pack of an EV is characterized as an equivalent variable resistance during CC/CV charging, whose data is based on the charging profile of the Nissan Leaf EV battery pack. The switching between the two compensation networks in the proposed hybrid compensated WPT system is controlled completely by the secondary side thereby eliminating real-time communication between the primary and secondary side. However, the phase shift control is utilized in the primary side inverter to maintain the corresponding CC and CV charging mode during the case of misalignment. A level 1 WPT system’s theoretical analysis and simulation model incorporating phase shift control is proposed to achieve CC/CV charging of EV batteries during the case of misalignment. The design procedure along with all the simulation results is analyzed and discussed in detail.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,227
Écart entre enseignants0,213 · 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'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

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207