From Innovation To Market: The Role Of Energy Management, Smart Charging, And Renewable Integration In The Evolution Of Hybrid And Electric Vehicles.
Notice bibliographique
Résumé
The rapid evolution of hybrid and electric vehicle (EV) technologies has necessitated advancements in energy management strategies, powertrain optimization, and sustainable charging infrastructure. This review consolidates recent research contributions in hybrid electric vehicles (HEVs), plug-in hybrid electric vehicles (PHEVs), and fuel cell hybrid electric vehicles (FCHEVs), focusing on thermal management, battery optimization, and energy-efficient charging systems. Studies highlight intelligent energy management strategies incorporating real-time speed profiles, particle swarm optimization, and meta-model-based techniques to enhance vehicle performance and reduce emissions. Thermal management systems integrating hybrid control techniques have demonstrated improved efficiency in battery and power electronics cooling. Additionally, research on powertrain configurations, including series, parallel, and power-split architectures, has emphasized the role of advanced control algorithms in maximizing fuel economy and extending battery life. Sustainable charging infrastructures leveraging renewable energy sources, such as solar-powered charging stations, are gaining traction, with optimization models designed for efficient energy distribution. Furthermore, the long-term impact of battery aging and vehicle performance degradation on emissions and cost-effectiveness is examined. Comparative studies assessing hybridization benefits in terms of lifecycle emissions and fuel economy provide insights into the economic and environmental feasibility of different powertrain technologies. This review aims to present a comprehensive synthesis of contemporary advancements and challenges in hybrid and electric vehicle technologies, providing a foundation for future research directions toward sustainable and energy-efficient transportation solutions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».