Coordinated Control Strategy and Validation of Vehicle-to-Grid for Frequency Control
Notice bibliographique
Résumé
The increased penetration of renewable energy sources (RES) and electric vehicles (EVs) is resulting in significant challenges to the stability, reliability, and resiliency of the electrical grid due to the intermittency nature of RES and uncertainty of charging demands of EVs. There is a potential for significant economic returns to use vehicle-to-grid (V2G) technology for peak load reduction and frequency control. To verify the effectiveness of the V2G-based frequency control in a microgrid, modeling and simulations of single- and multi-vehicle-based primary and secondary frequency controls were conducted to utilize the integrated components at the Canadian Centre for Housing Technology (CCHT)-V2G testing facility by using MATLAB/Simulink. A single-vehicle-based model was validated by comparing empirical testing and simulations of primary and secondary frequency controls. The validated conceptual model was then applied for dynamic phasor simulations of multi-vehicle-based frequency control with a proposed coordinated control algorithm for improving frequency stability and facilitating renewables integration with V2G-capable EVs in a microgrid. This proposed model includes a decentralized coordinated control of the state of charge (SOC) and charging schedule for five aggregated EVs with different departure times and SOC management profiles preferred by EV drivers. The simulation results showed that the fleet of 5 EVs in V2B/V2G could effectively reduce frequency deviation in a microgrid.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».