A Comparative Analysis of Time-Based and Hybrid Pricing Models for Electric Vehicle Charging
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
The accelerated adoption of Electric Vehicles (EVs) necessitates innovative and effective pricing strategies for charging infrastructure. This study leverages the MATSim (Multi-Agent Transport Simulation) framework to meticulously evaluate the performance of two distinctive EV charging pricing models: time-based charging and a hybrid model integrating both usage-based and time-based components. Driven by the pivotal question of how EV charging should be optimally priced—whether contingent on energy consumption or charging duration—the research endeavors to conduct two simulations. These simulations aim to provide a comprehensive comparative analysis, evaluating metrics such as total power derived from grids, utility revenue, charging station queues and served vehicles. In the time-based charging scenario, EVs incur charges based on their plugged-in duration, reflecting a pricing approach that correlates directly with the time a vehicle remains connected to the charging station. In contrast, in the hybrid model, EVs undergo initial billing based on usage until a predetermined battery charge point is reached, such as achieving a full battery. Subsequently, time-based pricing takes effect until the user disconnects the vehicle. The findings indicate that, in the combined approach, utility owners have the potential to generate more revenue. Conversely, the time-based approach demonstrates a capacity to serve a higher number of electric EVs, with comparable queue lengths observed in both approaches. Importantly, using the results of this paper, policymakers can suggest pricing schemes that maximize benefits for utility owners, reduce queues at charging stations, and ensure the security of power grids.
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 | 0,001 | 0,003 |
| 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