MétaCan
Menu
Retour à la cohorte
Enregistrement W4413785701 · doi:10.1109/access.2025.3603845

A Comprehensive Review of Universal Fast-Charging Techniques for 400-V and 800-V Electric Vehicles

2025· review· en· W4413785701 sur OpenAlexafffund
Zahra Sadeghi, Jennifer Bauman

Notice bibliographique

RevueIEEE Access · 2025
Typereview
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésComputer scienceEngineering physicsElectrical engineeringPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Recently, several automotive manufacturers have shifted to 800-V battery electric vehicle (BEV) architectures, rather than the more conventional 400-V architectures. The main advantage is that fast-charging power levels can increase while staying within cable and battery current limits; thus, drivers can charge in a much shorter time, which increases the convenience and practicality of driving BEVs for longer distances. Hence, it is essential to develop fast-charging stations that are compatible with the conventional 400-V and the emerging 800-V vehicles. Therefore, DC/DC converter modules within these chargers should be capable of operating at high efficiency within an ultra-wide output voltage range (200 to 1000 V), which is a well-known power electronic challenge. This paper is the first to perform a comprehensive review of the universal fast-charger topic, including general methods to increase output voltage range and efficiency across this range, specific circuit topologies and control schemes proposed in the literature for universal fast-chargers, commercially available universal fast-chargers, and an on-board solution used in industry. Furthermore, this paper performs a detailed comparison of the reviewed universal fast-charging solutions and presents future trends towards the widespread use of universal fast-chargers.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,051
Tête enseignante GPT0,379
Écart entre enseignants0,329 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207