Assessment of Level 1 and Level 2 Electric Vehicle Charging Efficiency
Notice bibliographique
Résumé
North American plug-in electric vehicle (EV) sales are projected to grow steadily in the next decade, and EVs are expected to become a significant portion of the vehicle feet. Widespread electrification of personal transport will require coordination between the electricity and transportation sectors. The coordination could include application of electric efficiency incentives that are commonly used in the energy sector for more efficient products, such as energy star appliances. The use of incentives for more efficient vehicles and charging equipment will facilitate a faster transition to this transformative technology. If EVs and electric vehicle supply equipment (EVSE) are found to be eligible for incentives, electric utilities could create programs that would accelerate EV deployment. The efficiency of 120-V Level 1 and 240-V Level 2 EVSE was compared with FleetCarma logger data collected from 1,008 Chevrolet Volt charging events. On average, Level 2 charging was 3% more efficient than Level 1 charging, but this percentage increased with shorter charge times. When less than 2 kW-h was drawn from the grid, Level 2 charging was 13% more efficient than Level 1. Although Level 2 charging was more efficient at all temperatures, the differences in efficiency were greater at high (above 708F) and low (less than 538F) temperatures. The greatest efficiency gains for Level 2 charging are expected at public charging locations, where charge times tend to be shorter and weather conditions more variable, as opposed to residential sites. Providing incentives for efficient EV charging infrastructure through utility and government programs will ensure optimal long-term investment in this new technology, reduce energy use, and facilitate more rapid uptake of EVs. EV charging infrastructure is eligible for federal funding under the Moving Ahead for Progress in the 21st Century Act. Thus, transportation agencies could include efficiency benchmarks as a requirement for project financing.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».