MétaCan
Menu
Retour à la cohorte
Enregistrement W2776473351 · doi:10.23977/jeeem.2017.12001

Multi-objective Optimization Charging Strategy for Plug-in Electric Vehicles Based on Dynamic Time-of-use Price

2017· article· en· W2776473351 sur OpenAlex
Shaomin Zhang, Junxing Zhu, Baoyi Wang, C.P. Wang

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Electrotechnology Electrical Engineering and Management · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPlug-inComputer scienceMATLABSortingGenetic algorithmMathematical optimizationElectric vehicleScheduling (production processes)Automotive engineeringPower (physics)EngineeringMathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

With the increase of plug-in electric vehicles (PEV), the uncontrolled charging of them may pose a wide pressure on the operation of regional distribution network. In order to reduce adverse impacts of PEVs, an intelligent charging strategy for a cluster of PEVs is proposed. Considering several constraints such as the charger’s maximum charging power, a multi-objective optimization scheduling model is proposed with the objectives of minimizing the total charging cost and minimizing load variance basing on dynamic time-of-use (TOU) price. The Non-dominated Sorting Genetic Algorithm II (NSGA-Ⅱ) is adopted to solve the optimization problem, and the MATLAB calculation results prove the feasibility and effectiveness of the proposed strategy. Factors such as the number of PEVs, the TOU price and the length of time-window are also analyzed to further study PEV charging load’s characteristics.

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 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: aucune
Score de désaccord entre enseignants0,715
Score d'incertitude au seuil0,944

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,005
Tête enseignante GPT0,210
Écart entre enseignants0,205 · 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