MétaCan
Menu
Retour à la cohorte
Enregistrement W2050710379 · doi:10.1109/tsg.2013.2253337

Integrated V2G, G2V, and Renewable Energy Sources Coordination Over a Converged Fiber-Wireless Broadband Access Network

2013· article· en· W2050710379 sur OpenAlexaff
Da Qian Xu, G. Joós, Martin Lévesque, Martin Maier

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensInstitut National de la Recherche ScientifiqueMcGill University
Organismes subventionnairesnon disponible
Mots-clésRenewable energyComputer scienceBroadbandVariable renewable energyComputer networkBenchmark (surveying)GridTelecommunicationsElectric power systemPower (physics)EngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In this paper, an integrated vehicle-to-grid, grid-to-vehicle, and renewable energy sources (IntVGR) coordination algorithm is proposed. The focus of this work is to provide a multidisciplinary study on implementing the proposed IntVGR scheme over a broadband fiber-wireless communications infrastructure by co-simulating both power and communications perspectives. For the power systems perspective, results show that the scheme is able to achieve a 21% reduction in peak demand compared to uncontrolled charging, and a better performance in flattening the overall demand profile and maintaining network constraints in comparison to a benchmark scenario. The scheme has also been demonstrated to successfully coordinate PEVs to take maximum utilization of local renewable energy. For the communications perspective, the measured upstream traffic for executing the proposed IntVGR scheme on a residential area of 342 households is found to be 1-2 Mbps with an end-to-end latency level of 1 ms. The scheme has also been validated from both perspectives in a sensitivity analysis with a higher PEV adoption rate.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,190
Écart entre enseignants0,184 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations49
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Smart GridMême sujetElectric Vehicles and InfrastructureTravaux en français237 207