MétaCan
Menu
Retour à la cohorte
Enregistrement W2740444906 · doi:10.1109/icc.2017.7997117

A novel electric vehicles charging/discharging scheme with load management protocol

2017· article· en· W2740444906 sur OpenAlexaff
Dhaou Said, Hussein T. Mouftah

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPlug-inGridElectric vehicleComputer scienceVehicle-to-gridAutomotive engineeringSchedulePower flowCharging stationElectric power systemPower (physics)SimulationEngineering

Résumé

récupéré en direct d'OpenAlex

In this paper the bidirectional power flow between electric vehicle (EV) and grid; Grid-to-Vehicle (G2V) and Vehicle-to-Grid (V2G), is exploited to reduce the negative impact of the huge EV penetration on the current electric networks. We make profit from the unused electric power of EVs and we present an EV load management technique based on EV charging and EV discharging coordination. We propose two algorithms: the first one is the peak load management (PLM) used to schedule EVs for charging or discharging service according to the power demand with the timing and location where each EV need to be served, the second one is the guidance algorithm (GA) used to guide each EV to the appropriate EVSE in the way to reduce its waiting time to plugin. Those algorithms are evaluated while considering mobility of vehicles in an urban scenario and time-of-use-pricing (TOUP). Simulation results show the effectiveness of the proposed approach when considering realistic EVs and charging station characteristics and constraints.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,767
Score d'incertitude au seuil0,740

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 savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,225
Écart entre enseignants0,217 · 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'étudeExpérimental (laboratoire)
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

Citations34
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Vehicles and InfrastructureTravaux en français237 207