Supervisory Scheduling of Storage-Based Hydrogen Fueling Stations for Transportation Sector and Distributed Operating Reserve in Electricity Markets
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
The proliferation of hydrogen fueling stations as a critical infrastructure is necessary for the successful materialization of hydrogen-powered vehicles. Such fueling stations can, in part, utilize the renewable/inexpensive electricity, which would otherwise be curtailed, to generate and store hydrogen. The stored hydrogen can later be used to serve the transportation sector and straightforwardly yield profit for the operator of the stations. The available energy in the storage stations, however, would not be utilized effectively during offpeak hydrogen demand by the transportation sector. While hydrogen fueling stations are primarily contemplated as the suppliers to hydrogen vehicles, this paper shows how the storage capacity in each station can be exploited to provide operating reserve (OR) to an electricity market. To that end, this paper proposes a new supervisory-based model for the optimal scheduling of distributed hydrogen storage stations for 1) energy supply to hydrogen-powered vehicles; and 2) OR provision to an electricity market. As such, the economic feasibility of the investment in such stations would be further intensified due to extra financial settlements for the stations via joint applications. This paper, then, unveils a model that brings about more opportunities for the deployment of hydrogen fueling stations, thereby further inspiring the private investment in such an area by private sectors. The efficacy and feasibility of the proposed model are validated using numerical illustration conducted on a test system.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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