The Future Promise of Vehicle-to-Grid (V2G) Integration: A Sociotechnical Review and Research Agenda
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Vehicle-grid integration (VGI) describes various approaches to link the electric power system and the transportation system in ways that may benefit both. VGI includes systems that treat plug-in electric vehicles (PEVs) as controllable load with a unidirectional flow of electricity, such as “smart” or “controlled” charging or time-of-use (TOU) pricing. VGI typically encompasses vehicle-to-grid (V2G), a more technically advanced vision with bidirectional flow of electricity between the vehicle and power grid, in effect treating the PEV as a storage device. Such VGI systems could help decarbonize transportation, support load balancing, integrate renewable energy into the grid, increase revenues for electricity companies, and create new revenue streams for automobile owners. This review introduces various aspects and visions of VGI based on a comprehensive review. In doing so, it identifies the possible benefits, opportunities, and barriers relating to V2G, according to technical, financial, socio-environmental, and behavioral components. After summarizing our sociotechnical approach and the various opportunities and barriers indicated by existing literature, we construct a proposed research agenda to provide insights into previously understudied and unstudied research objectives. We find that the majority of VGI studies to date focus on technical aspects of VGI, notably on the potential of V2G systems to facilitate load balancing or to minimize electricity costs, in some cases including environmental goals as constraints. Only a few studies directly investigate the role of consumer acceptance and driver behavior within such systems, and barely any studies address the need for institutional capacity and cross-sectoral policy coordination. These gaps create promising opportunities for future research.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle