Electric Vehicle Charging Model in the Urban Residential Sector
Notice bibliographique
Résumé
Electric vehicles (EVs) have become increasingly popular because they are highly efficient and sustainable. However, EVs have intensive electric loads. Their penetrations into the power system pose significant challenges to the operation and control of the power distribution system, such as a voltage drop or transformer overloading. Therefore, grid operators need to prepare for high-level EV penetration into the power system. This study proposes data-driven, parameterized, individual, and aggregated EV charging models to predict EV charging loads in the urban residential sector. Actual EV charging profiles in Saskatchewan, Canada, were analyzed to understand the characteristics of EV charging. A location-based algorithm was developed to identify residential EV charging from raw data. The residential EV charging data were then used to tune the EV charging model parameters, including battery capacity, charging power level, start charging time, daily EV charging energy, and the initial state of charge (SOC). These parameters were modeled by random variables using statistic methods, such as the Burr distribution, the uniform distribution, and the inverse transformation methods. The Monte Carlo method was used for EV charging aggregation. The simulation results show that the proposed models are valid, accurate, and robust. The EV charging models can predict the EV charging loads in various future scenarios, such as different EV numbers, initial SOC, charging levels, and EV types (e.g., electric trucks). The EV charging models can be embedded into load flow studies to evaluate the impact of EV penetration on the power distribution systems, e.g., sustained under voltage, line loss, and transformer overloading. Although the proposed EV charging models are based on Saskatchewan’s situation, the model parameters can be tuned using other actual data so that the proposed model can be widely applied in different cities or countries.
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 ».