MétaCan
Menu
Retour à la cohorte
Enregistrement W1976752656 · doi:10.1109/smartgridcomm.2014.7007716

Quantifying the benefits of extending electric vehicle charging deadlines with solar generation

2014· article· en· W1976752656 sur OpenAlexaff
Omid Ardakanian, Catherine Rosenberg, Srinivasan Keshav

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCarbon footprintGridPhotovoltaic systemComputer scienceElectric vehicleSolar powerEnvironmental economicsAutomotive engineeringRenewable energySolar energyPower (physics)Environmental scienceElectrical engineeringGreenhouse gasEngineeringEconomics

Résumé

récupéré en direct d'OpenAlex

Significant cost reduction in recent years has made solar power an economically competitive power source in many regions today. In view of this, and the widespread introduction of electric vehicles (EVs) to the mass market, we study public EV charging stations with on-site solar generation that are backed up by conventional power from the grid. Since the carbon footprint of conventional power is higher than solar power, charging deadlines can critically affect the total solar energy available to charging stations and therefore the overall carbon footprint of the charging service. In this paper, we propose a method to quantify how much carbon footprint can be reduced as a function of the charging deadline by describing a performance-guaranteed fair power allocation algorithm in a public charging station. This enables us to study the three-way tradeoff between the charging deadline, the utility of EV owners, and the carbon footprint of EV charging. We find that our algorithm makes nearly optimal use of available green energy, while still guaranteeing that solar charging performs no worse than grid charging.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,276

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,016
Tête enseignante GPT0,211
Écart entre enseignants0,195 · 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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Vehicles and InfrastructureTravaux en français237 207