MétaCan
Menu
Retour à la cohorte
Enregistrement W2965591553 · doi:10.1109/npsc.2018.8771729

Coordinated Charging of Electric Vehicles for Reducing Operation Cost Under TOU Electricity Prices

2018· article· en· W2965591553 sur OpenAlexaboutno aff
Tanuj Rawat, K. R. Niazi

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectricityBattery (electricity)IncentiveAutomotive engineeringMode (computer interface)Work (physics)Electricity priceEnergy storageCost reductionEnvironmental economicsElectric vehicleGridEnvironmental scienceComputer scienceBusinessElectrical engineeringPower (physics)EconomicsEngineeringMicroeconomicsMathematics

Résumé

récupéré en direct d'OpenAlex

In this work, a case study is carried out by considering time-of-use (TOU) price plan set by Ontario Energy Board (OEB), Canada with an objective of minimizing operation cost. The operation cost is compared for uncoordinated (mode 1), charging only (mode 2) and coordinated charging/discharging (mode 3) modes respectively for both winter and summer TOU rates. Impact of battery charging/discharging efficiencies and incentives of V2G energy prices on these results is also discussed. Results show that when vehicle to grid (V2G) prices are made 1.5 times of electricity price for peak hours with battery cost half of current price, reduction in cost for 80 EVs on adopting mode 3 over mode 1 and 2 with 0.95 efficiency is 79.23% and 62.36% with winter TOU rates and 46.73% and 19.57% with summer TOU rates respectively.

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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,355
Score d'incertitude au seuil0,548

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,230
Écart entre enseignants0,221 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Vehicles and InfrastructureTravaux en français237 207