Model Predictive Control Approach for CC-CV Operation of an Off-Board Battery Charger
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
With the increase in adoption of electric vehicles (EVs), there is a significant demand for battery chargers with high power capacity. Typically, the off-board chargers have high power capability and are designed with a three-phase AC-DC converter and a DC-DC converter stage to charge the EV battery from the AC grid. Therefore, these chargers have to meet the grid codes, such as unity power factor operation and low current harmonic distortion (less than 5%) on the AC grid side. On the other hand, it is also expected to have a ripple-free current and voltage to charge the EV battery during constant current (CC) and constant voltage (CV) modes of operation, respectively. To handle these objectives, a model predictive control (MPC) framework is developed for an off-board charger under the CC-CV mode of operation. To implement the MPC, the discrete-time models of the charger are derived from the continuous-time models. The steady-state and transient performance of the proposed MPC for a 50 kW off-board charger is validated through MATLAB simulations. The MPC performance is further compared with the proportional-integral (PI)-based linear control method by considering performance indices such as AC grid current total harmonic distortion, current tracking error, DC-link voltage ripple, battery current ripple, and battery voltage ripple.
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.
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 | 0,001 |
| Science ouverte | 0,000 | 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 découle