Grid tied hybrid PV fuel cell system with energy storage and ANFIS based MPPT for smart EV charging
Notice bibliographique
Résumé
This paper presents the comprehensive design, simulation, and experimental validation of a grid-tied hybrid renewable energy system tailored for electric vehicle (EV) charging applications. The proposed system integrates photovoltaic (PV) panels, a proton-exchange membrane fuel cell, battery storage, and a supercapacitor to ensure reliable and efficient power delivery. An adaptive neuro-fuzzy inference system (ANFIS)-based maximum power point tracking (MPPT) algorithm is employed to enhance PV power extraction under dynamically varying environmental conditions. Simulation results demonstrate effective voltage boosting from 110 V to 150 V and a regulated output of approximately 1100 V at 30 A, with the PV-side current stabilized at 500 A. The fuel cell maintains a steady output of 110 V while its current decreases from 40 A to 25 A, and the battery retains a 60% state-of-charge (SOC) at 120 V output. The hardware prototype, developed using a DSPIC30F4011 microcontroller, achieves an MPPT efficiency of 98.7%, voltage regulation within ± 1.5%, and output power deviation under 2%. Grid voltage and current waveforms exhibit low total harmonic distortion (THD), in compliance with IEEE 519 standards, with measured values of 500 V and 13 A, respectively. The proposed architecture offers enhanced transient response, high energy efficiency, and superior power quality, positioning it as a promising solution for next-generation smart EV charging stations.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».