MétaCan
Menu
Retour à la cohorte
Enregistrement W3129121450 · doi:10.1109/epec48502.2020.9320112

Fuzzy Based Energy Management System for a Micro-grid with a V2G Parking Lot

2020· article· en· W3129121450 sur OpenAlexaff
Femina Mohammed Shakeel, O.P. Malik

Notice bibliographique

Revue2020 IEEE Electric Power and Energy Conference (EPEC) · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésState of chargeFuzzy logicVehicle-to-gridGridEnergy management systemEnergy managementComputer scienceBattery (electricity)Electric vehicleAutomotive engineeringEnergy storageController (irrigation)MATLABCharge controllerFuzzy control systemPower (physics)Energy (signal processing)EngineeringOperating system

Résumé

récupéré en direct d'OpenAlex

A fuzzy based intelligent energy management system (EMS) to utilize electric vehicle (EV) batteries for energy storage services in a micro-grid is proposed in this paper. A dc fast charging station is used to interconnect EVs to the micro-grid. The fuzzy logic controller determines the energy available with each EV to participate in vehicle-to-grid (V2G) and grid-to-vehicle (G2V) services, based on the battery state of charge, rated capacity and time remaining for departure of each EV. The EMS algorithm then allocates the balance power in the micro-grid to the available EV batteries without impairing the owner's driving needs. Different case studies have been simulated in MATLAB/SIMULINK environment by varying the load, generation and number of EVs available at the parking lot. The obtained results verify the effectiveness of the proposed approach in maintaining an optimal power balance in the system under different operating conditions.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil1,000

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 Opus0,006
Tête enseignante GPT0,167
Écart entre enseignants0,161 · 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.

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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2020 IEEE Electric Power and Energy Conference (EPEC)Même sujetElectric Vehicles and InfrastructureTravaux en français237 207