Thermal Design Methodology of Power Converters for Electric Vehicle Applications
Notice bibliographique
Résumé
With increasing awareness of climate change, governments and organizations have made it their mission to see a greener future. Countries like Norway, South Korea, and Canada have promised to ban internal combustion engines (ICE) by 2025-2035. Growing demand for cleaner modes of travel have taken over the market, causing everyone to look at electric vehicles for the solution. Tesla’s revenue has tripled in the past five years, 15 new electric car manufacturer shave joined, and almost all big-name ICE companies have started producing electric/hybrid cars. As the number of electric vehicles increases, a solution to long charging times will be needed to keep up with the high-power-density fuel used in ICE. Charging stations are increasing in power ratings as Tesla introduces their 250-kW supercharger and EVBox with their 350-kW Ultronig stations. These stations are comprised of power modules that stack together to reach the desired power rating. Designing, testing, and implementing power modules for electric vehicles can be a complex process due to thermal efficiency and packaging challenges. To address these issues, it is essential to establish a design methodology for power modules that takes into account validation and packaging considerations. This thesis presents a design methodology for heat exchangers that allows for rapid prototyping with sufficient accuracy, approximately below 10%. The study includes numerical simulations, reduced modeling, and experimental validation, which can increase confidence during the design phase and reduce design times. Using reduced models for quick calculations instead of relying solely on numerical models can further expedite the process. A reliable and adaptable analytical methodology for heat exchanger design is crucial for successful optimization setup.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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.
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 ».