MétaCan
Menu
Retour à la cohorte
Enregistrement W4205578953 · doi:10.3390/en15020665

Reliability-as-a-Service Usage of Electric Vehicles: Suitability Analysis for Different Types of Buildings

2022· article· en· W4205578953 sur OpenAlexafffund
Akhtar Hussain, Petr Musı́lek

Notice bibliographique

RevueEnergies · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaAlberta Electric System Operator
Mots-clésBackupTransport engineeringReliability (semiconductor)Automotive engineeringService (business)EngineeringReliability engineeringComputer scienceBusinessPower (physics)Database

Résumé

récupéré en direct d'OpenAlex

The use of electric vehicles (EVs) to provide different grid services is becoming possible due to the increased penetration levels, mileage efficiencies, and useable battery sizes of EVs. One such application is providing reliability-as-a-service (RaaS) during short-term power outages. Instead of using a dedicated backup power source, EVs can be contracted to provide RaaS, which is an environmentally friendly solution with benefits for both building owners and EV owners. However, the presence of EVs at a particular location during different hours of the day and the availability of energy from EVs is uncertain. Therefore, in this study, a suitability analysis is performed concerning the use of EVs to provide RaaS for different types of buildings. First, the National Household Travel Survey (NHTS) survey data are used to estimate driver behavior, such as arrival/departure times, daily mileage, and traveling duration. Then, the usable battery size and mileage efficiency of EVs is extracted from the database of commercially available EVs. Based on these parameters, the daily energy consumption and available energy of EVs to provide RaaS are estimated. A suitability analysis is conducted for residential, commercial/industrial, and mixed buildings for both weekdays and holidays. The participation ratio of EV owners is varied between 10 and 90%, and nine cases are simulated for commercial/industrial buildings and multi-unit residential buildings. Similarly, the ratio of home-based EVs is varied between 5 and 50%, and 10 cases are tested for mixed buildings. The analysis shows that mixed buildings are the most suitable, while commercial/industrial buildings are the least suitable for using EVs to provide RaaS. To this end, an index is proposed to analyze and determine the desired ratio of EVs to be contracted from homes and workplaces for mixed buildings. Finally, the impact of EV fleet size on the available energy for RaaS 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,639
Score d'incertitude au seuil0,499

Scores Codex et Gemma par catégorie

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

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 Opus0,005
Tête enseignante GPT0,205
Écart entre enseignants0,200 · 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 tête enseignante, 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

Citations11
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetElectric Vehicles and InfrastructureTravaux en français237 207