Technology, economic, and environmental analysis of second-life batteries as stationary energy storage: A review
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 global warming on the rise, the push for zero-emission transportation continues to grow. The transportation sector’s solution to increasing climate concerns has been to promote electric vehicles (EVs) as a replacement for traditional internal combustion engine (ICE) vehicles. Although the objective of EVs seems obvious, EVs come with an undeniable problem: battery decommission and disposal. EV batteries are required to deliver power so that the vehicle can accelerate quickly and drive extended distances; the battery has to be at a sufficient state of health (SOH) to deliver satisfactory results. Once a battery reduces to a SOH that is no longer adequate, it must be retired from the EV. The significant increase in the number of EVs and their forecasted exponential growth also comes with an accumulation of retired batteries, the handling of which raises serious concerns. However, research reveals promising repurposing that can give retired EV batteries another life as second-life batteries (SLBs). Research to address concerns about performance and cost compared to new batteries in various applications, under a variety of conditions, is ongoing. In addition, environmental assessments are being conducted to justify this innovative technology. This review paper outlines the current literature and most recent findings related to these topics and provides a brief comparison of SLBs to new batteries. • The technological, economic and environmental considerations for SLB analysis are presented. • The applicability of various batteries as SLBs is discussed. • Recent findings from various SLB application studies, including models and case studies, are interpreted. • Various optimization techniques to improve SLB performance are presented.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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