Smart Operation of Electric Vehicles With Four-Quadrant Chargers Considering Uncertainties
Notice bibliographique
Résumé
Given the expected impact of electric vehicle (EV) charging on power grids, this paper presents a novel two-step approach for the smart operation of EVs with four-quadrant chargers in a primary distribution feeder, accounting for the uncertainties associated with EVs, and considering the perspectives of both the utility and the EV owners. In the first step of the proposed approach, the mean daily feeder peak demand and corresponding hourly feeder control schedules, such as taps and switched capacitor setpoints, considering the bidirectional active and reactive power transactions between EVs and the grid, are determined. A nonparametric bootstrap technique is used, in conjunction with a genetic algorithm-based optimization model, to account for EV uncertainties and discrete variables. In the second step, the maximum possible power that can be given to connected EVs at each node, while providing active and/or reactive power to maintain the peak demand value and corresponding feeder dispatch schedules defined in the first step, is computed every few minutes in a way which is fair to the EVs. The proposed approach is validated using the distribution feeder model of a real primary feeder in Ontario, Canada, considering significant EV penetration levels. The results show that the proposed approach could be implemented in practice to properly operate EVs, satisfying feeder, and peak demand constraints, which would be better than the business-as-usual practice or a popular heuristic method in terms of number of tap operations, system peak demand, and voltage regulation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».