MétaCan
Menu
Retour à la cohorte
Enregistrement W2898893905 · doi:10.23919/ipec.2018.8507562

A Dynamic Battery Charging Approach for Energy Trading in the Smart Grid

2018· article· en· W2898893905 sur OpenAlexaffabout
Avinash Sharma, Akshay Kumar Rathore, Rajesh Kumar

Notice bibliographique

Revue2018 International Power Electronics Conference (IPEC-Niigata 2018 -ECCE Asia) · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésSmart gridBattery (electricity)Profitability indexComputer scienceProfit (economics)GridDynamic pricingTrading strategyEnergy marketEnergy storageBusinessRenewable energyElectrical engineeringMicroeconomicsEngineeringEconomicsFinancePower (physics)

Résumé

récupéré en direct d'OpenAlex

Battery systems are going to play a major role in the emergence of the smart grid system. In this paper, we examined the effect of the battery system dynamics in the energy trading from the end-user perspective. In particular, a novel energy trading framework called Dynamic Battery Charging is developed to use the battery storage for energy trading strategically. Here, the market is considered to be partially decentralized with a two-way trade framework. The end-user is free to decide the amount of energy to bilaterally trade with the central grid. The proposal is tested and validated through a case study of three different load profiles (different in scale) in three energy markets. The simulation results clearly show the profitability of the proposed strategy in all test benchmarks. The proposed strategy resulted in 10-30% profit in Ontario, California and New-York market. Further, the prospect of reduced battery prices makes the proposal even more attractive.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,016
Tête enseignante GPT0,234
Écart entre enseignants0,218 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2018 International Power Electronics Conference (IPEC-Niigata 2018 -ECCE Asia)Même sujetSmart Grid Energy ManagementTravaux en français237 207