MétaCan
Menu
Retour à la cohorte
Enregistrement W7141360078 · doi:10.1109/npec66512.2025.11450286

C-HIL Validation of Reduced Device Stress Multilevel PFC Rectifier for EV Charging Application Using OPAL-RT

2025· article· W7141360078 sur OpenAlexaff
Manish Kumar Barwar, Akhilesh Tiwari, Sai Teja Cherla, Lalit Kumar Sahu, Sameer Singh, Prasanta Kumar Jena

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueSilicon Carbide Semiconductor Technologies
Établissements canadiensOpal-Rt Technologies (Canada)
Organismes subventionnairesnon disponible
Mots-clésStress (linguistics)Rectifier (neural networks)CapacitorPower (physics)Reliability (semiconductor)

Résumé

récupéré en direct d'OpenAlex

In multi-stage battery chargers for the electricvehicle (EV) application, the AC to DC stage plays a crucial role in defining overall power quality. To enhance this, multilevel rectifiers (MLRs) utilise lower voltage-rated switches and offer an improved grid profile. In this paper, a single-phase five-level rectifier equipped with self-balancing capabilities, maintaining grid profile and closed-loop control, is specifically designed for EV charging applications. The implemented converter reduces voltage stress across power switches and offers the added benefit of eliminating the need for a DC-side filter, as the load is connected in parallel with one of the capacitors. Its continuous conduction mode and five-level operation eliminate the need for both AC-side capacitive and DC-side inductive filters. The paper comprehensively details the rectifier's profile in different aspects. The proposed control method provides better output voltage regulation under varying load conditions while maintaining a unity power factor at the input. Further, the Controller Hardware-in-the-loop (C-HIL) validation of the reduced device stress MLR topology has been done using the latest hardware from OPAL-RT (OP4610). This study presents a comprehensive analysis of the C-HIL employing OPAL-RT for any converter topology.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,297
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,046
Tête enseignante GPT0,317
Écart entre enseignants0,271 · 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.

Devis d'étudeExpérimental (laboratoire)
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'admission1
Résumé présentoui

Explorer davantage

Même sujetSilicon Carbide Semiconductor TechnologiesTravaux en français237 207