MétaCan
Menu
Retour à la cohorte
Enregistrement W4401070335 · doi:10.1109/access.2024.3435463

An Overview of 800 V Passenger Electric Vehicle Onboard Chargers: Challenges, Topologies, and Control

2024· article· en· W4401070335 sur OpenAlexafffund
Sukanya Dutta, Jennifer Bauman

Notice bibliographique

RevueIEEE Access · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNetwork topologyBattery (electricity)Computer scienceElectric vehicleBattery chargerElectrical engineeringAutomotive engineeringPower (physics)EngineeringComputer network

Résumé

récupéré en direct d'OpenAlex

Ultrafast charging can help increase the adoption of battery electric vehicles (BEVs) as it solves the prime issues of range anxiety and long charging time. However, for conventional 400 V battery systems, these high charging currents can become infeasible due to cable limitations and thermal issues. Fortunately, 800 V systems can provide higher charging power capacity at lower current levels, better enabling ultrafast charging. The emerging shift to 800 V systems from 400 V systems requires careful design considerations for the on-board charger (OBC). This article fills a gap in the literature by performing a comprehensive review of state-of-the-art 800 V passenger BEV OBC topologies and control, focusing primarily on 1-phase topologies as the majority of residential charging connections are 1-phase. This article also reviews the main design challenges for 800 V OBCs and relevant industrial products, and provides a discussion of related future trends.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,287
Score d'incertitude au seuil0,601

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,086
Tête enseignante GPT0,367
Écart entre enseignants0,281 · 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.

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

Citations20
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207