Optimal operation of static energy storage in fast-charging stations considering the trade-off between resilience and peak shaving
Notice bibliographique
Résumé
Enhanced penetration of electric vehicles (EVs) poses several challenges to the power network, such as uncertain peak loads and resilience issues during outages. Both resilience and peak shaving functions can be achieved by using a local static battery energy storage system (BESS) in the charging stations. However, resilience and peak-shaving are contradictory, i.e. increasing one will deteriorate the other. Therefore, in this study, a resilience and peak shaving trade-off scheme is proposed to optimally utilize the static BESS. Firstly, a resilience window is formulated to determine the amount of energy to be stored in the BESS for the resilience of EVs in the case of any contingency. During peak hours of the day, more importance is given to peak-shaving, whereas in the off-peak hours, resilience is prioritized. Then, an optimization algorithm is developed to minimize the cost of the system while maintaining resilience and maximizing peak shaving. Using the proposed window method, an optimal window size has been determined via a normalization approach. Simulations have been carried out to show the effectiveness of the proposed scheme by considering the conflicting nature of resilience and peak shaving. With the help of the proposed strategy additional 3.9 % of peak shaving and 3.41 % reduction operational costs is achieved. Moreover, sensitivity analysis has been carried out by considering different factors (market price, size of EV fleet, and BESS size) that can affect the optimal size of the resilience window.
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 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 | 0,000 | 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».