Analytical Size Estimation Methodologies for Electrified Transportation Fueling Infrastructures Using Public–Domain Market Data
Notice bibliographique
Résumé
The proliferation of electrified transportation systems is envisioned as a promising solution that could significantly contribute to the reduction of environmental pollution. Deployment of properly sized fueling stations is contemplated as a critical step to set the stage for the transportation electrification. While several optimization-based sizing models are presented in the literature, analytical models to estimate the size of electrified transportation infrastructures are missing from prior studies. Such analytical models can readily be developed at the backend of globally accessible websites or software applications since they do not require any optimization solver. In such a case, public-domain data, such as market prices or transportation demand, from everywhere around the world can be inputted to the model, and various sizing parameters related to each location are returned to the user. To that end, this paper presents new analytical methodologies for the application to the size estimation of electric and hydrogen-based fueling stations as the two major foundations for electrified transportation. The ratings of various components are expressed in terms of the system operation percentage using the proposed formulation, and the desired ratings are selected at which the net profit reaches to the maximum point. Historical public-domain data from real-world systems are utilized for numerical evaluation of the proposed formulation. In addition, the estimation error of the proposed model is analyzed and compared with artificial intelligence-based models for validation purposes.
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 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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».