The effect of plug-in hybrid electric vehicle charging on fuel consumption and tail-pipe emissions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Plug-in hybrid electric vehicles (PHEV) have an electric motor and an internal combustion engine and can reduce greenhouse gas emissions (GHG) from transport. However, their environmental benefit strongly depends on the charging behaviour. Several studies have analysed the GHG emissions from upstream electricity production, yet the impact of individual charging behaviour on PHEV tail-pipe carbon emissions has not been quantified from empirical data so far. Here, we use daily driving data from 7,491 Chevrolet Volt PHEV with a total 3.4 million driving days in the US and Canada to fill this gap. We quantify the effect of daily charging on the electric driving share and the individual fuel consumption. We find that even a minor deviation from charging every driving day significantly increases fuel consumption and thus tail-pipe emissions. Our results show that reducing charging from every day to 9 out of 10 days, increases fuel consumption on average by 1.85 ± 0.03 l/100 km or 42.7 ± 0.8 gCO 2 km −1 tail-pipe emissions (± on standard error). Charging more than once per driving day has less impact in our sample, this must occur during at least 20% of driving days to have a noteworthy effect. Even then, a 10% increase in frequency only has moderate effect of decreasing fuel consumption on average by 0.08 ± 0.02 l/100 km or 1.86 ± 0.46 gCO 2 km −1 tail-pipe emissions. Our results illustrate the importance of providing adequate charging infrastructure and incentives for PHEV users to charge their vehicles on a regular basis in order to ensure that their environmental impact is small as even long-range PHEVs can have a noteworthy share of conventional fuel use when not regularly charged.
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.
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 | 0,001 | 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 | 0,001 |
| 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 découle