Charge the North: findings from the complete data set of the world's largest electric vehicle study
Notice bibliographique
Résumé
Charge the North is an electric vehicle (EV) study aimed at identifying the opportunities and challenges in EV load management through the collection of vehicle-side charging and driving data. Over the course of the project, FleetCarma, with the support of Natural Resources Canada and 10 Canadian electric utilities, collected driving data equivalent to a total of 12.4 million miles and 4,700 megawatt hours (MWh) of charging data through 1,000 EV owners across the nation. The report expands on findings from Charge North with data from 3,944 electric vehicles. This includes 40 EV makes and models, 10,010,535 charging slices grouped into 761,096 charging windows, 2.3 million hours of charging representing 8,576 MWh, and 28.9 million miles of driving data, making this the largest and most comprehensive up-to-date data set on EV charging. EVs on the road today are vastly different than they were as recently as five years ago. Long-range Battery Electric Vehicles (LR BEV), the most unpredictable and demanding class of electric vehicles, represented over 66% of all new EV sales in the US for 2019. These vehicles present a need for service territory-specific profiling studies on account of the changes in charging and driving behaviour they have incited. Service territory-specific load profiles and driving data will provide utilities with more insight into the areas where these risks are most likely. The increasing level of electric vehicle (EV) adoption and the advances in EV battery and charging technology are estimated to impact the distribution infrastructure.
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 | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».