MétaCan
Menu
Retour à la cohorte
Enregistrement W4417171399 · doi:10.48550/arxiv.2504.20790

Charge Schedule Optimization and Infrastructure Planning for Solar-Integrated Electric Bus Transit Systems

2025· preprint· en· W4417171399 sur OpenAlexaboutno aff
Madhusudan Baldua, Rito Brata Nath, Vivek Vasudeva, Tarun Rambha

Notice bibliographique

RevueArXiv.org · 2025
Typepreprint
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésScheduleRenewable energyPhotovoltaic systemLinear programmingStochastic programmingGridInteger programmingSolar powerEnergy storage

Résumé

récupéré en direct d'OpenAlex

As urban transit systems transition towards electrification, using renewable energy sources (RES), such as solar, is essential to make them efficient and sustainable. However, the intermittent nature of renewables poses a challenge in deciding the solar panel requirements and battery energy storage system (BESS) capacity at charging locations. To address these challenges, we propose a two-stage multi-scenario model that considers seasonality in solar energy generation while incorporating temperature-based variations in bus energy consumption and dynamic time-of-use electricity prices. Specifically, we formulate the problem as a multi-scenario linear program (LP) where the first-stage long-term variables determine the charging station power capacity, BESS capacity, and the solar panel area at each charging location. The second-stage scenario-specific variables prescribe the energy transferred to buses directly from the grid or the BESS during layovers. We demonstrate the effectiveness of this framework using data from Durham Transit Network (Ontario) and Action Buses (Canberra), where bus schedules and charging locations are determined using a concurrent scheduler-based heuristic. Solar energy data is collected from the National Renewable Energy Laboratory (NREL) database. We solve the multi-scenario LP using Benders' decomposition, which performs better than the dual simplex method, especially when the number of scenarios is high. With solar energy production at select terminals, our model estimated a cost savings of 9.72% and 23.79% for the Durham and Canberra networks, respectively. Our results also show that the scenario-based schedule adapts better to seasonal variations than a schedule estimated from average input parameters.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,207

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,220
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArXiv.orgMême sujetElectric Vehicles and InfrastructureTravaux en français237 207