MétaCan
Menu
Retour à la cohorte
Enregistrement W3035021481 · doi:10.3390/en13123083

Connecting Parking Facilities to the Electric Grid: A Vehicle-to-Grid Feasibility Study in a Railway Station’s Car Park

2020· article· en· W3035021481 sur OpenAlexaff
Ruben Garruto, Michela Longo, Wahiba Yaïci, Federica Foiadelli

Notice bibliographique

RevueEnergies · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésGridCharging stationElectric vehicleParking lotAutomotive engineeringVehicle-to-gridPhotovoltaic systemElectricityParking guidance and informationEngineeringGrid connectionSmart gridEnergy (signal processing)Transport engineeringComputer scienceElectrical engineeringCivil engineeringPower (physics)

Résumé

récupéré en direct d'OpenAlex

This study evaluates the impact of energy on the distribution network at the point of connection of an electric plant of a railway car parking facility in which charging points for electric vehicles (EVs) were installed. The objective is to identify a possible load curve of the simulated car park and, based on the principle of vehicle-to-grid (V2G) technology, to develop an appropriate algorithm. Such an algorithm explores the possibility of a two-way energy flow between the connected vehicles and the electricity grid, and performs a peak shaving of the load curve of the plant under examination in order to avoid absorption peaks, which are usually difficult to manage when using the distribution system operator (DSO). The work also presents the coupling with a photovoltaic system designed specifically for the car park. The study results are presented after a summary of the current state of development of electric mobility, describing the various types of EVs, the charging infrastructure, and the possible applications in smart grids (SGs).

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,018
Tête enseignante GPT0,230
Écart entre enseignants0,212 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetElectric Vehicles and InfrastructureTravaux en français237 207