Intelligent optimization for charging scheduling of electric vehicle using exponential Harris Hawks technique
Notice bibliographique
Résumé
The coordination of modern transportation system depends heavily on intelligent techniques, information assortment, and its analysis. Sensors play a crucial role in information assortment in charging scheduling of electric vehicles (EVs). EVs are destined to become inevitable due to their innate economic contribution, climate improvement, and social attributes as per United Nation's sustainable development goals. Innovation in EV has gained the interest of many researchers since it is one of the novel green transportation sectors. Moreover, EVs are essential to preserve conventional fuels and to maximize the utilization of renewable sources. Nevertheless, EVs have short driving ranges due to their battery limitation, which hinders the reliability. The charging stations (CS) for EVs are also unevenly distributed. This paper presents a novel strategy to schedule the charging points in EV CSs. The goal is to determine the convenient CS for EVs through Vehicular Ad-hoc Network (VANET) model. In this model, the CSs are determined and prioritized using four phases, such as driving, charge planning, charging scheduling, and battery charging. Charging scheduling was designed using a newly developed optimization strategy, exponential Harris Hawks optimization (Exponential HHO) algorithm, which combines two algorithms, Harris Hawks optimization (HHO) and exponential weighted moving average (EWMA). Furthermore, the fitness function was also newly devised by considering parameters such as average waiting time, remaining energy, number of EVs, and distance. The proposed Exponential HHO was validated using VANET simulation and the performance was improved with maximum remaining energy of 52.709 Whr, minimal distance of 27.256 km, and a maximum average waiting time of 0.352 min in comparison with existing methods. To be specific, the proposed Exponential HHO yielded better improvement, especially when considering a large number of vehicles.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».