MétaCan
Menu
Retour à la cohorte
Enregistrement W4415675448 · doi:10.1016/j.epsr.2025.112371

Comparative analysis of losses in converters for battery energy storage using EMT simulations

2025· article· en· W4415675448 sur OpenAlexafffund
Dilsha Kuranage, Shaahin Filizadeh, Ioni Fernando

Notice bibliographique

RevueElectric Power Systems Research · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMultilevel Inverters and Converters
Établissements canadiensManitoba HydroUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsManitoba HydroUniversity of Manitoba
Mots-clésConvertersModular designBattery (electricity)Energy storageController (irrigation)Interface (matter)Semiconductor device

Résumé

récupéré en direct d'OpenAlex

The paper presents a comprehensive analysis of losses in several battery energy storage system (BESS) converters using EMT simulations. The work is motivated by the critical need to determine converters’ semiconductor losses, particularly due to the high-frequency dc-dc converters that interface batteries. Two general classes, namely modular multilevel and two-level converter topologies, are considered. A simulation-based, computationally efficient, and accurate loss calculation method, which utilizes device data sheet loss curves, is used to estimate semiconductor losses based upon post-processing of EMT simulation results of the converters. The paper quantifies the impact of switching frequency and circulating current suppression controller on the losses. Comparative assessments of the merits of each topology are also presented.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,550
Score d'incertitude au seuil0,594

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
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)0,0000,000

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 Opus0,070
Tête enseignante GPT0,366
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueElectric Power Systems ResearchMême sujetMultilevel Inverters and ConvertersTravaux en français237 207