MétaCan
Menu
Retour à la cohorte
Enregistrement W4412536680 · doi:10.1109/ojia.2025.3591144

Hamiltonian-Based Approach to Enhance the Stability of Hybrid Fuel Cell and Supercapacitor Sources

2025· article· en· W4412536680 sur OpenAlexaff
Pongsiri Mungporn, Uthen Kamnarn, Burin Yodwong, Surin Khomfoi, Serge Pierfederici, Babak Nahid‐Mobarakeh, Gianpaolo Vitale, Nicu Bizon, Phatiphat Thounthong

Notice bibliographique

RevueIEEE Open Journal of Industry Applications · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFuel Cells and Related Materials
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSupercapacitorHamiltonian (control theory)Fuel cellsStability (learning theory)Materials scienceComputer scienceChemical engineeringChemistryEngineeringMathematicsCapacitanceMathematical optimizationElectrodePhysical chemistry

Résumé

récupéré en direct d'OpenAlex

This paper aims to study an improved large-signal stability for fuel cell (FC) and supercapacitor (SC) hybrid sources, employing the enhanced Hamiltonian control law. This novel approach addresses the inherent challenges in the dynamic operation of such hybrid systems, characterized by rapid load changes [i.e., constant power load (CPL)] and energy fluctuations. Grounded in energy-based control theory, the Hamiltonian control law accurately manages the energy exchange between the FC, SC, and external load aiming to improve system stability and response efficiency. A comprehensive test bench setup, including a real FC, an SC bank, and programmable loads to simulate the electrical load [i.e., CPL, constant resistive load (CRL), and constant current load (CCL)], was developed to evaluate performance under various operational conditions. The results demonstrate that Hamiltonian-based control significantly enhances the system's damping properties, ensuring a smoother response to load variations and enhanced stability across different scenarios.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,014
Tête enseignante GPT0,252
Écart entre enseignants0,239 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of Industry ApplicationsMême sujetFuel Cells and Related MaterialsTravaux en français237 207