Analysis of Plug-in Hybrid Electrical Vehicle admission control in the smart grid
Notice bibliographique
Résumé
In the power grid, efficient coordination among electricity generation, transmission, distribution and consumption processes call for integration of the advances in Information and Communication Technologies (ICT) to the physical components of the grid. The need for coordination and control becomes even more pronounced when the additional loads of the Plug-In Hybrid Electrical Vehicles (PHEVs) are considered. PHEVs are anticipated to be widely adopted in the following years, and this will increase the load on the power grid since the batteries of the PHEVs will be charged mostly from the grid supplied power. In this case, avoiding mismatch between generation and consumption is one aspect of the problem, whereas to avoid overloading the distribution system components, e.g. transformers, is another equally important challenge. In this paper, we consider an architecture where the status of the grid is monitored by the utility and translated into an amount of provisioned energy for each distribution system serviced by a substation. The substation employs an admission control mechanism for the PHEV charge demands based on the provisioned energy amount. We provide the theoretical analysis of this admission control scheme by calculating the blocking probability of the PHEV demands. We also propose a mechanism to reduce the load without increasing the blocking probability. We introduce an activity factor in the model and show that it can be used to reduce the load. We show by theoretical analysis and simulations that our PHEV admission control mechanism decreases the overall load in the system, and hence increases the resilience of the smart grid. Meanwhile, we show that load reduction can be implemented without increasing the blocking probability, thus customer satisfaction is not degraded.
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 ».