Implications of Driving Patterns on Well-to-Wheel Performance of Plug-in Hybrid Electric Vehicles
Notice bibliographique
Résumé
This study examines how driving patterns (distance and conditions) and the electricity generation supply interact to impact well-to-wheel (WTW) energy use and greenhouse gas (GHG) emissions of plug-in hybrid electric vehicles (PHEVs). The WTW performance of a PHEV is compared with that of a similar (nonplug-in) gasoline hybrid electric vehicle and internal combustion engine vehicle (ICEV). Driving PHEVs for short distances between recharging generally results in lower WTW total and fossil energy use and GHG emissions per kilometer compared to driving long distances, but the extent of the reductions depends on the electricity supply. For example, the shortest driving pattern in this study with hydroelectricity uses 81% less fossil energy than the longest driving pattern. However, the shortest driving pattern with coal-based electricity uses only 28% less fossil energy. Similar trends are observed in reductions relative to the nonplug-in vehicles. Irrespective of the electricity supply, PHEVs result in greater reductions in WTW energy use and GHG emissions relative to ICEVs for city than highway driving conditions. PHEVs charging from coal facilities only reduce WTW energy use and GHG emissions relative to ICEVs for certain favorable driving conditions. The study results have implications for environmentally beneficial PHEV adoption and usage patterns.
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 | 0,001 | 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 ».