When Shared Autonomous Electric Vehicles Meet Microgrids: Citywide Energy-Mobility Orchestration
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».