This project focuses on developing a test device for an AC charger for electric vehicles according to the IEC 61851-1 Annex A standard by simulating the test circuit inside an electric vehicle according to the standard to test the operation of the AC charger. The test topic is related to the communication between the electric vehicle and the charger via a Pulse Width Modulation (PWM) control circuit system and creating an operation manual (WI) to prepare for testing in accordance with ISO/IEC 17025 standards, which are general requirements for laboratory capabilities in conducting tests and/or calibrations. The overall picture of this project is to develop test equipment and create an operation manual by collecting knowledge and various devices and then comparing the data to meet the abovementioned standards to test the Type II AC charger in each state. The test equipment consists of a communication part between the test equipment and the AC charger using a PLC S7-1200 and an HMI to control the operation of the switches in the test equipment circuit, including controlling parameters and displaying results. The equipment used to measure values is an oscilloscope and a multimeter that have undergone a calibration process to comply with the specified standards.
เครื่องอัดประจุไฟฟ้าสำหรับยานยนต์ไฟฟ้า (EVSE) มีบทบาทสำคัญในการพัฒนาโครงสร้างพื้นฐานสำหรับการชาร์จยานยนต์ไฟฟ้า (EV) ซึ่งเป็นเทคโนโลยีที่กำลังเติบโตอย่างรวดเร็วในยุคปัจจุบัน การทดสอบและตรวจสอบ EVSE ให้เป็นไปตามมาตรฐาน IEC 61851-1 จึงมีความสำคัญอย่างยิ่งในการรับรองความปลอดภัย ประสิทธิภาพ และความน่าเชื่อถือของ EVSE ในช่วงหลายปีที่ผ่านมา ตลาดยานยนต์ไฟฟ้าเติบโตอย่างรวดเร็วทั่วโลก โดยเฉพาะในประเทศที่มีนโยบายส่งเสริมการใช้ EV เช่น จีน ยุโรป และสหรัฐอเมริกา ความต้องการในการติดตั้ง EVSE เพิ่มขึ้นอย่างต่อเนื่อง ซึ่งความปลอดภัยในการใช้งาน EVSE ถือเป็นประเด็นที่สำคัญมาก การเกิดความผิดพลาดในระบบชาร์จจนอาจนำไปสู่การเกิดไฟฟ้าลัดวงจร ไฟฟ้าช็อต หรือความเสียหายต่อระบบยานยนต์ การปฏิบัติตามมาตรฐาน IEC 61851-1 จึงเป็นสิ่งจำเป็นเพื่อให้แน่ใจว่า EVSE ที่ติดตั้งทั่วโลกมีมาตรฐานเดียวกัน ทั้งในด้านความปลอดภัยและการทำงาน นอกจากนี้ยังเป็นการเพิ่มความเชื่อมั่นให้กับผู้ใช้งาน EV ในการชาร์จยานยนต์ไฟฟ้าในสถานีต่างๆ อย่างปลอดภัย ในปัจจุบัน อุปกรณ์ EVSE ที่ถูกพัฒนาขึ้นมาใหม่อาจยังไม่ผ่านการทดสอบตามมาตรฐาน IEC 61851-1 อย่างครบถ้วน ซึ่งอาจส่งผลให้ระบบชาร์จมีปัญหาในการสื่อสารหรือควบคุมกระแสไฟระหว่างการชาร์จ การทดสอบ EVSE ตามมาตรฐานนี้จึงเป็นสิ่งจำเป็นเพื่อยืนยันว่าอุปกรณ์สามารถทำงานได้ถูกต้องตามข้อกำหนด และมีการตอบสนองที่รวดเร็วเมื่อมีการเปลี่ยนแปลงสัญญาณควบคุม นอกจากนี้ การทดสอบ EVSE กับระบบจริงอาจมีความเสี่ยงในการเกิดความเสียหายต่อยานยนต์ไฟฟ้าหรือระบบชาร์จ หากอุปกรณ์ยังไม่ผ่านการทดสอบที่ถูกต้อง การสร้างแบบจำลองวงจรการสื่อสารของยานยนต์ไฟฟ้าจึงเป็นวิธีที่ช่วยให้การทดสอบสามารถทำได้อย่างปลอดภัยโดยไม่ต้องเสี่ยงต่อการเกิดความเสียหายต่อระบบจริง
คณะวิทยาศาสตร์
With the development of space technology, wide-field sky surveys using telescopes have expanded the range of new data available for time-domain astronomical research. Traditional data analysis methods can no longer respond quickly and accurately enough to the growing volume of data. Thus, classifying time-series data, such as light curves, has become a significant challenge in the era of big data. In modern times, analyzing light curves has become essential for using machine learning techniques to handle and filter through massive amounts of data. Machine learning algorithms can be divided into two categories: shallow learning and deep learning. Numerous researchers have proposed and developed a variety of algorithms for light curve classification. In this study, we experimented with Support Vector Machine (SVM) and XGBoost, which are shallow machine learning algorithms, as well as 1D-CNN and Long Short-Term Memory (LSTM), which are deep learning algorithms, which are branches of deep machine learning, to classify variable stars. The training and testing data used in this study were from the Optical Gravitational Lensing Experiment-III (OGLE-III), consisting of variable star data from the Large Magellanic Cloud (LMC), categorized into five main classes: Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars, and Long-period variables. The results demonstrate the performance analysis of each machine learning algorithm type applied to light curve data, while also highlighting the accuracy and statistical metrics of the algorithms used in the experiments.
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
-
คณะบริหารธุรกิจ
CO Breathalyzer with Voice Response is the device to measured the level of CO residual in a person's lung who consume tobacco. Measuring residual CO in human breath can identify the tobacco addiction level instead of measuring nicotine in blood.