A Novel Online Charging Algorithm for Electric Vehicles Under Stochastic Net-Load
Notice bibliographique
Résumé
In this paper, we propose a novel charging algorithm for electric vehicles (EVs) in smart grids. Unlike traditional charging methods, this algorithm is designed to exploit the flexibility of the EVs' load to absorb the unforeseen fluctuations in the net-load caused mainly by the intermittency of the renewable energy sources (RES) (wind energy). In this paper, we first formulate the problem with traditional charging algorithms in the presence of RESs. Second, we show that the overall energy consumed by the overall load in the system can be estimated ahead of time despite the stochastic behavior of the net-load. Third, a detailed description of our online algorithm shows how EVs' charging decision is taken by the utility server in real time - not ahead of time - according to the current situation of the net-load. Also, unlike most of the charging algorithms in literature, our proposed algorithm considers keeping the charging current constant, thus, imposing less technical and engineering requirements and complexity on the EVs' charging infrastructure. Finally, to test the performance of our online charging algorithm, a tool has been developed in Java to simulate our algorithm. A comprehensive performance evaluation of our algorithm against a traditional ahead-of-time charging algorithm shows clear improvements achieved by our algorithm in absorbing the unexpected fluctuations in the net-load caused mainly by the stochastic behavior of the produced wind power.
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 | 0,000 |
| 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 ».