Remaining useful life prognostic-based energy management strategy for multi-fuel cell stack systems in automotive applications
Notice bibliographique
Résumé
To achieve the 8000-h proton exchange membrane fuel cell stack (PEM FCS) life target set by the U.S DoE and promote fuel cell hybrid electric vehicles (FCHEVs) massive introduction in the automotive market, using multi-fuel cell stack (MFCS) systems instead of single-fuel cell stack systems seems to be an interesting solution that deserves to be explored. MFCS systems' concept combines several small FCSs modules instead of using a single high-powered FCS module. The modularity in such systems can be exploited through energy management to improve their durability and extend their good energy-efficiency power range. However, FCSs' multiplicity makes it challenging to implement effective energy management strategies (EMSs). This paper proposes a remaining useful life (RUL) prognostic-based EMS to extend MFCS systems' lifetime while keeping their hydrogen consumption reasonable. For this purpose, a prognostic algorithm is developed to predict PEM FCSs' RUL in real-world automotive application scenarios. Then a rule-based EMS allocates the demand between stacks using prognostic results. The proposed strategy's performance is evaluated on a hybrid MFCS/battery system using Matlab/Simulink's environment. Simulation results show that implementing the proposed strategy instead of conventional EMSs can extend MFCS systems' lifetime by at least a factor of 2.35 while keeping their hydrogen consumption reasonable. © 2001 Elsevier Science. All rights reserved.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».