MétaCan
Menu
Retour à la cohorte
Enregistrement W3132586917 · doi:10.1109/tits.2021.3058514

Decentralized Quality of Service Based System for Energy Trading Among Electric Vehicles

2021· article· en· W3132586917 sur OpenAlexafffund
Abdullah Al-Obaidi, Hany E. Z. Farag

Notice bibliographique

RevueIEEE Transactions on Intelligent Transportation Systems · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensYork University
Organismes subventionnairesYork University
Mots-clésQuality of serviceComputer scienceMobile QoSService providerMetric (unit)Quality (philosophy)Computer networkService (business)Computer securityRisk analysis (engineering)BusinessEngineeringOperations management

Résumé

récupéré en direct d'OpenAlex

This paper incorporates a new perspective into P2P energy trading coordination schemes for EVs by considering Quality of Service (QoS) management. QoS could be utilized as a control metric to facilitate resilient and reliable transactions according to user preferences. To that end, this paper proposes a novel decentralized QoS-based system for P2P energy trading among EV energy providers and consumers. The system utilizes smart contracts to carry out the matching between EVs and monitor the delivery of a QoS-based P2P contract without the presence of a third party. Two QoS-based mechanisms are proposed to match trading EVs in this system. The proposed mechanisms are designed to match single-consumer to multiple-providers and multiple-consumers to multiple-providers based on consumers’ and providers’ QoS requirements and offers, respectively. A fuzzy-based approach with minimum and intelligible input is introduced to determine the weight values of each QoS attribute. Further, a penalty mechanism is developed to discourage dishonest requests/offers and ensure that trading parties stick to their contractual obligations. Numerical simulations are conducted to validate the effectiveness of the proposed QoS-based mechanisms.

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 enseignants0,723
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 Opus0,020
Tête enseignante GPT0,238
Écart entre enseignants0,218 · 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

Citations33
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Intelligent Transportation SystemsMême sujetElectric Vehicles and InfrastructureTravaux en français237 207