MétaCan
Menu
Retour à la cohorte
Enregistrement W3171701346 · doi:10.1109/access.2021.3085244

Is It Necessary to Fully Charge Your Electric Vehicle?

2021· article· en· W3171701346 sur OpenAlexafffund
Claude Ziad El‐Bayeh, Sadam Hussain, Ursula Eicker, Walid Alqaisi, Mohamed Zellagui

Notice bibliographique

RevueIEEE Access · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensConcordia University
Organismes subventionnairesCanada Excellence Research Chairs, Government of Canada
Mots-clésElectric vehicleState of chargeAutomotive engineeringComputer scienceBattery (electricity)Charge controlElectrical engineeringEngineeringPower (physics)Physics

Résumé

récupéré en direct d'OpenAlex

The transition of the transportation sector from internal combustion engine vehicles to battery electric vehicles (EVs) will heavily increase the energy demand on the network, causing severe techno-economic problems. To solve these issues, advanced charging strategies were proposed to reduce the EVs' charging impact on the network. The problem arises when all EV-owners decide to fully charge their EVs at night even if they might not use the total charged energy the next day. Hence, even with the presence of advanced charging and control strategies, the problem of high penetration level of EVs might not be completely solved without the positive participation of the EV-owners. Some questions can be asked and need answers. Is it necessary to fully charge all EVs at night? What happens if fully charging the EVs is delayed to the next day? To answer these questions, this paper studies the impact of charging EVs to different State of Charge (SOC) levels on the network. Since controlling the charging of all EVs is difficult, a three-level charging strategy is developed that suggests the SOC threshold-limit for each EV, which guarantees the network's operation within its maximum limits even with a 100% penetration level of EVs charging simultaneously.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,055
Tête enseignante GPT0,347
Écart entre enseignants0,292 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207