EV Charging Profiles and Waveforms Dataset (EV-CPW) and Associated Power Quality Analysis
Notice bibliographique
Résumé
The rapid growth of electric vehicle (EV) charging will present challenges to electrical distribution networks and will affect grid operation and reliability. In order to improve the understanding of EV charging behaviour, we present the open-access <italic xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">EV Charging Profiles and Waveforms</i> (EV-CPW) dataset for AC charging. The dataset comprises of charging profiles and high-resolution current/voltage AC waveforms for 12 different EV’s, including popular battery EV’s and plug-in hybrid EV’s. A power quality analysis is carried out to compare the EV charging behaviours to new standards recommendations proposed by standards agencies. This includes evaluating power factor, current and voltage distortion, harmonic content and load behaviour in relation to grid voltage and frequency. The preliminary data analysis presented reveals that each EV has distinctive charging characteristics and the power quality analysis indicates variation in the on-board charger circuits employed by the EV’s. The EV-CPW dataset can be used for many more applications and studies, including EV charging infrastructure planning, demand management, EV charging coupled with renewable energy studies, power quality analysis, equipment lifetime studies and power electronics design. The dataset can be accessed at https://IEEE (will be added post review).
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».