Reconfigurable Battery Control With State-of-Health Awareness for Service-Life Extension in DC Fast-Charge Stations
Notice bibliographique
Résumé
Battery-Assisted DC Fast Charger (BA-DCFC) stations use stationary Battery Energy Storage Systems (BESS) to reduce grid-demand fees and reduce the costs associated with the operation and installation of Electric Vehicle (EV) fast charging stations. The service-life and reliability of a BA-DCFC station are significantly influenced by the longevity of the BESS, which is degraded by variations in cell capacity and impedance. BA-DCFC architectures with a reconfigurable BESS (rBESS) can enhance station efficiency and power density, compared to architectures with a fixed-configuration BESS (fBESS). Despite these advantages, the rBESS architecture inherently results in non-uniform cell utilization and aging. To mitigate these challenges, this paper proposes a control algorithm for the rBESS that actively reduces non-uniform aging while achieving higher efficiency than a benchmark fBESS design. A custom hardware-in-the-loop implementation of the rBESS BA-DCFC architecture is used to experimentally demonstrate the inherent non-uniform utilization of the rBESS despite high system-level efficiency during a 37-kW EV charging test. Long-term simulations, incorporating experimental data and aging models are used to compare the proposed control algorithm in the rBESS architecture against the fBESS architecture across various BESS capacities in terms of service-life and reliability. The proposed algorithm improves station service-life by 6.9–7.7% and increases EV charging capacity by up to 15.2%, compared to fBESS systems.
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 | 0,001 | 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 ».