Coordinated charging control of plug-in electric vehicles at a distribution transformer level using the vTOU-DP approach
Notice bibliographique
Résumé
With the increasing public awareness of environmental issues, there is growing interest in plug-in electric vehicles (PEVs) which can be charged from the power grid. Consequently, the large numbers of PEVs could lead to considerable power demand from the power system, which poses a great threat to the power grid security (especially at the distribution level) if the PEV charging strategy is not properly regulated. In this paper, taking advantage of the vehicle to grid (V2G) service, the coordinated PEV charging control problem is studied at a distribution transformer level using the proposed virtual time of use rate dynamic programming (vTOU-DP) approach. For each PEV, the coordinated control problem is formulated as a constrained optimal control problem based on a self-defined concept of virtual time of use rate (vTOU), which reflects the distribution transformer load level. Then, the optimal charging rate is solved using the dynamic programming (DP) technique. The vTOU-DP, which is a plug-and-play control, can be implemented in real time. Simulation results show that the vTOU-DP provides better control performance than two commonly used baseline controllers in terms of transformer peak reduction and transformer load profile smoothness. Compared with the non-PEV base load, by charging PEVs at the transformer using the vTOU-DP, the transformer peak load is reduced by over 20%, and the variance of the transformer load profile is reduced from about 9 kW <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> to less than 0.01 kW <sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">2</sup> .
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 | 0,001 |
| 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 ».