Notice bibliographique
Résumé
The increasing market share of electric vehicles (EVs) makes large-scale charging stations indispensable infrastructure for integrating EVs into the future smart grid. Thus their operation modes have drawn great attention from researchers. One promising mode called park-and-charge was recently proposed. It allows people to park their EVs at a parking lot, where EVs can get charged during the parking time. This mode has been experimented and demonstrated in small scale. However, the missing of an efficient market mechanism is an important gap preventing its large-scale deployment. Existing pricing policies, e.g., pay-by-use and flat-rate pricing, would jeopardize the efficiency of electricity allocation and the corresponding social welfare in the park-and-charge mode, and thus are inapplicable. To find an efficient mechanism, this paper explores the feasibility and benefits of utilizing auction mechanism in the EV park-and-charge mode. The auction allows EV users to submit and update bids on their charging demand to the charging station, which makes corresponding electricity allocation and pricing decisions. To this end, we propose Auc2Charge, an online auction framework. Auc2Charge is truthful and individual rational. Running in polynomial time, it provides an efficient electricity allocation for EV users with a close-form approximation ratio on system social welfare. Through both theoretical analysis and numerical simulation, we demonstrate the efficacy of Auc2Charge in terms of social welfare and user satisfaction.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».