Reducing the impact of dynamic wireless charging of electric vehicles on the grid through renewable power integration
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
Electrification of roadways using dynamic wireless charging (DWC) technology can provide an effective solution to range anxiety, high battery costs and long charging times of electric vehicles (EVs). With DWC systems installed on roadways, they constitute a charging infrastructure or electrified roads (eRoads) that have many advantages. For instance, the large battery size of heavy-duty EVs can significantly be downsized due to charging-while-driving. However, a high power demand of the DWC system, especially during traffic rush periods, could lead to voltage instability in the grid and undesirable power demand curves. In this paper, a model for the power demand is developed to predict the DWC system's power demand at various levels of EV penetration rate. The DWC power demand profile in the chosen 550 km section of a major highway in Canada is simulated. Solar photovoltaic (PV) panels are integrated with the DWC, and the integrated system is optimized to mitigate the peak power demand on the electrical grid. With solar panels of 55,000 kW rated capacity installed along roadsides in the study region, the peak power demand on the electrical grid is reduced from 167.5 to 136.1 MW or by 18.7 % at an EV penetration rate of 30 % under monthly average daily solar radiation in July. It is evidenced that solar PV power has effectively smoothed the peak power demand on the grid. Moreover, the locally generated renewable power could help ease off expensive grid upgrades and expansions for the eRoad. Also, the economic feasibility of the solar PV integrated DWC system is assessed using cost analysis metrics.
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 | 0,001 |
| 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