Clustering-based EV suitability analysis for grid support services
Notice bibliographique
Résumé
The literature extensively discusses the benefits of electric vehicles (EVs) for grid support services. However, not all EVs are suitable for these services due to variations in service requirements (duration and frequency) and EV driver behavior (available energy, parking duration, and battery degradation). This study proposes a three-step EV classification approach to assist aggregators in selecting appropriate EVs for specific services. First, using data from the National Household Travel Survey and a commercial EV database, various EV parameters are estimated, including available energy for grid support services, the duration of parking at home and at work, and the battery degradation factor. Second, the K-means clustering method is applied to categorize EVs based on each parameter, chosen for its superior performance and lower complexity compared to other clustering methods. Finally, suitability indices are proposed for each service, taking into account the service requirements and EV parameters of different clusters. Each EV is then ranked to help the aggregators select the best-suited EVs for each service. The performance of the proposed method is evaluated for two ancillary services (frequency regulation and ramping) and two operating reserve services (contingency spinning and supplemental reserves). Simulation results demonstrate that more EVs are suitable for home services due to longer parking hours, while those with low parking duration are unsuitable for workplace services, despite low degradation scores. Additionally, the proposed method consistently shows higher poolable energy compared to the random selection method, with differences reaching 56 kW (10.1%) for 10 EVs, 383 kW (26.8%) for 25 EVs, and 895 kW (31.2%) for 50 EVs. • A classification approach is proposed to help aggregators select suitable EVs. • EVs are clustered based on vehicle parameters and service needs. • Suitability indices are formulated for each EV for various services. • Evaluation of two ancillary and two operating reserve services is performed. • Achieving higher poolable energy is possible at homes compared to workplaces.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».