Design and Simulation of Vehicle-to-Load System with Nissan Leaf
Notice bibliographique
Résumé
The fact that the Global Warming problem poses a more significant threat to our society every day has pushed us to use energy more efficiently and cleanly. Using power more efficiently in every aspect of our lives can pave the way for achieving the goal of reducing global gas emissions and saving the planet. This can be done by applying various approaches. One of the most effective ways is to use electric car technology, which is one of the best ways not to cause more carbon emissions and to increase energy efficiency and savings. \nThis study aims to design and simulate a vehicle-to-load system using an electric vehicle, Nissan Leaf, to power emergency independent loads of the Future Building Laboratory (FBL). The FBL is a solar research house at the Loyola Campus of Concordia University, Montréal, Canada. This research facility is built to investigate numerous renewable energy systems that can help achieve the net-zero energy goal for a typical detached single-family dwelling in Québec. It has integrated renewable energy sources such as solar, solar-thermal, and wind, allowing the opportunity to test different power management scenarios. \nIn this research, the vehicle-to-load system of the FBL and Nissan Leaf is designed and simulated in MATLAB software, considering the house's rated load and the real-life system's exact ratings. The design reflects the actual characteristics of the load, EV battery, and power electronic elements in interaction. The simulation is a straightforward model of the actual system. \nThe last step is to validate the simulation results. The simulation model was tested experimentally at the PEER group laboratory at Concordia University, using the available converters, devices, and a real-time DSP microcontroller. Various experiments are conducted to observe the system's performance in real conditions. All time-domain and frequency-domain results match the ones obtained via simulation. \nMethods for enabling the discharging feature of EVs that utilize CHAdeMO are studied and explored. The structure of the CHAdeMO connector and charging sequence are explained. Possible integration methods for Vehicle-to-Home are also explored.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».