MétaCan
Menu
Retour à la cohorte
Enregistrement W3157095728 · doi:10.1109/powertech46648.2021.9494792

Residential Battery Energy Storage Sizing and Profitability in the Presence of PV and EV

2021· article· en· W3157095728 sur OpenAlexfundno aff
Ahmed A. Raouf Mohamed, Robert Best, Xueqin Liu, D. John Morrow

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesInterregQueen's UniversityQueen's University BelfastEuropean Commission
Mots-clésSizingProfitability indexPhotovoltaic systemSubsidyTariffElectricityBattery (electricity)Capital costEnvironmental economicsEnergy storageAutomotive engineeringWork (physics)Reliability engineeringComputer scienceBusinessEnvironmental scienceEngineeringEconomicsElectrical engineeringFinancePower (physics)

Résumé

récupéré en direct d'OpenAlex

Residential battery energy storage systems (BESS) are having an important role in transitioning towards low carbon communities. However, BESS capital cost remains questionable. In this work, an optimization-based BESS sizing algorithm is developed to maximize the customer’s profitability by minimizing the electricity import for 162 combinations of demand, solar photovoltaic (PV) and electric vehicle (EV). The sizing algorithm results are utilized in introducing empirical formulas that ease the determination of the near-optimal BESS capacity. The annual savings are quantified for various cases under different tariff rates and the BESS viability is investigated for new installations over the next 10 years. The results show that the residential BESS can be profitable in the UK starting from 2024 without any subsidy for the time of use tariffs.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,556
Score d'incertitude au seuil0,139

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,005
Tête enseignante GPT0,188
Écart entre enseignants0,183 · 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'étudeObservationnel
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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetElectric Vehicles and InfrastructureTravaux en français237 207