MétaCan
Menu
Retour à la cohorte
Enregistrement W2171410554 · doi:10.1109/pesgm.2012.6345320

Optimal PHEV charging in coordination with distributed generation operation in distribution systems

2012· article· en· W2171410554 sur OpenAlexaffabout
Omar Hafez, Kankar Bhattacharya

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésRenewable energyGreenhouse gasEnvironmental economicsTariffDistributed generationPrivate transportEnvironmental scienceGlobal warmingAutomotive engineeringMarket penetrationElectric vehicleBusinessEnvironmental engineeringNatural resource economicsTransport engineeringEngineeringPower (physics)EconomicsClimate changeElectrical engineeringPublic transport

Résumé

récupéré en direct d'OpenAlex

Increase in energy demand is one of the major challenges that utilities are faced with, which results in increase in environmental pollution and global warming. The transport sector has a significant share in the energy demand as well as environmental pollution. In Canada, almost 35% of the total energy demand is from the transport sector and it is the second largest source of greenhouse gas (GHG) emissions. The government of Ontario, Canada, has aimed to move toward a green energy economy, aimed towards increased penetration of renewable energy sources and Plug-in Hybrid Electric Vehicle (PHEV) technology. In this paper, an optimal power flow (OPF) based optimization framework considering two different objectives, minimizing feeder losses and PHEV charging cost, are presented to understand the impact of PHEV charging on distribution networks. Three different charging periods are considered and the impact of the Ontario Time-of-Use (TOU) tariff on PHEV charging schedules is examined. The impact of PHEV charging on distribution systems in the presence of renewable energy sources is also discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,211
Score d'incertitude au seuil0,357

Scores Codex et Gemma par catégorie

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

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 GPT0,191
Écart entre enseignants0,185 · 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 tête enseignante, pas un consensus.

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

Citations15
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetElectric Vehicles and InfrastructureTravaux en français237 207