MétaCan
Menu
Retour à la cohorte
Enregistrement W3210452977 · doi:10.3390/s21217133

Optimal Scheduling of Campus Microgrid Considering the Electric Vehicle Integration in Smart Grid

2021· article· en· W3210452977 sur OpenAlexaff
Tehreem Nasir, Safdar Raza, Muhammad Abrar, Hafiz Abdul Muqeet, Harun Jamil, Faiza Qayyum, Omar Cheikhrouhou, Fawaz Alassery, Habib Hamam

Notice bibliographique

RevueSensors · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrogrid Control and Optimization
Établissements canadiensUniversité de Moncton
Organismes subventionnairesTaif University
Mots-clésMicrogridRenewable energyPhotovoltaic systemSmart gridEnergy storageAutomotive engineeringDistributed generationEnergy managementDemand responseGridMATLABComputer scienceElectric vehicleFossil fuelEnvironmental economicsEngineeringPower (physics)Energy (signal processing)Electrical engineeringElectricityWaste managementOperating system

Résumé

récupéré en direct d'OpenAlex

High energy consumption, rising environmental concerns and depleting fossil fuels demand an increase in clean energy production. The enhanced resiliency, efficiency and reliability offered by microgrids with distributed energy resources (DERs) have shown to be a promising alternative to the conventional grid system. Large-sized commercial customers like institutional complexes have put significant efforts to promote sustainability by establishing renewable energy systems at university campuses. This paper proposes the integration of a photovoltaic (PV) system, energy storage system (ESS) and electric vehicles (EV) at a University campus. An optimal energy management system (EMS) is proposed to optimally dispatch the energy from available energy resources. The problem is mapped in a Linear optimization problem and simulations are carried out in MATLAB. Simulation results showed that the proposed EMS ensures the continuous power supply and decreases the energy consumption cost by nearly 45%. The impact of EV as a storage tool is also observed. EVs acting as a source of energy reduced the energy cost by 45.58% and as a load by 19.33%. The impact on the cost for continuous power supply in case of a power outage is also analyzed.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,006
Tête enseignante GPT0,190
Écart entre enseignants0,184 · 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'étudeSimulation ou modélisation
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

Citations73
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetMicrogrid Control and OptimizationTravaux en français237 207