Optimal sizing of multi-energy microgrid with electric vehicle integration: Considering carbon emission and resilience load
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.
Notice bibliographique
Résumé
To address the intermittency of renewable energy sources, global warming, and increasing load demands, this paper proposes the optimal sizing of a multi-energy microgrid (MEMG) consisting of electrical, thermal, cooling, and hydrogen networks. The system integrates multi-energy storage and EVs along with the resilience load to facilitate a robust operation scheme. The paper introduces an improved resilience backup mechanism for EVs using hybrid storage. Then, random samples for stochastic parameters are generated with Monte Carlo Simulations (MCS). To this end, a mixed-integer linear programming-based model is developed to minimize cost, emissions, and load shed. Then, a CPLEX solver is applied to solve it efficiently. The optimal MEMG with the hydrogen network reduces cost by 4% and emissions by 40%. The case study validates that hybrid storage (BES-HST-TST) can effectively reduce the electricity grid purchase to zero, making MEMG self-sufficient while yielding the least annual system cost (ASC) of 3855562$ and decreasing emissions to 8385 kg, resulting in economic savings, environmental sustainability, and increased utilization of renewables. Notably, V2G can save 0.7546% of MEMG extra cost incurred due to EVs integration and significantly reduces CO2 emissions by 4%. A novel finding is that the proposed hybrid storage backup mechanism can effectively minimize the extra cost of keeping the resilience load by retaining 31.46% of backup in hydrogen form. It mitigates risk associated with power outages while achieving the least ASC of 3858933$ and CO2 emissions of 8043 kg. These results can help realize a green, cost-effective, and efficient energy system.
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 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 découle