MétaCan
Menu
Retour à la cohorte
Enregistrement W4225584324 · doi:10.1287/msom.2021.1050

When Shared Autonomous Electric Vehicles Meet Microgrids: Citywide Energy-Mobility Orchestration

2021· article· en· W4225584324 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueManufacturing & Service Operations Management · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTransportation and Mobility Innovations
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMicrogridResilience (materials science)Computer scienceGridService (business)ElectricityAnalyticsDistributed computingReliability engineeringBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

Problem definition: We develop a crossdisciplinary analytics framework to understand citywide mobility-energy synergy. In particular, we investigate the potential of shared autonomous electric vehicles (SAEVs) for improving the self-sufficiency and resilience of solar-powered urban microgrids. Academic/practical relevance: Our work is motivated by the ever-increasing interconnection of energy and mobility service systems at the urban scale. We propose models and analytics to characterize the dynamics of the SAEV-microgrid service systems, which were largely overlooked by the literature on service operations and vehicle-grid integration (VGI) analysis. Methodology: We develop a space-time-energy network representation of SAEVs. Then, we formulate linear program models to incorporate an array of major operational decisions interconnecting the mobility and energy systems. To preventatively ensure microgrid resilience, we also propose an “N − 1” resilience-constrained fleet dispatch problem to cope with microgrid outages. Results: Combining eight data sources of New York City, our results show that 80,000 SAEVs in place of the current ride-sharing mobility assets can improve the microgrid self-sufficiency by 1.45% (benchmarked against the case without grid support) mainly via the spatial transfer of electricity, which complements conventional VGI. Scaling up the SAEV fleet size to 500,000 increases the microgrid self-sufficiency by 8.85% mainly through temporal energy transfer, which substitutes conventional VGI. We also quantify the potential and trade-offs of SAEVs for peak electricity import reduction and ramping mitigation. In addition, microgrid resilience can be enhanced by SAEVs, but the actual resilience level varies by microgrids and by the hour when grid contingency occurs. The SAEV fleet operator can further maintain the resilience of pivotal microgrid areas at their maximum achievable level with no more than a 1% increase in the fleet repositioning trip length. Managerial implications: Our models and findings demonstrate the potential in deepening the integration of urban mobility and energy service systems toward a smart-city future.

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 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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,784
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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