IEEE PES Transactions on Smart Grid 1 1 2 3 4 5 6 7 8
Notice bibliographique
Résumé
Abstract—In this paper, we study the optimal energy delivery problem from viewpoints of both the vehicle owner and aggregator, in load shaving services of a vehicle-to-grid (V2G) system. We formulate the optimization problem based on a general plugin hybrid electric vehicle (PHEV) model, taking into account the randomness in vehicle mobility, time-of-use electricity pricing, and realistic battery modeling. Stochastic inventory theory is applied to analyze the problem. We mathematically prove that a state-dependent (S, S ′ ) policy is optimal for the daily energy cost minimization of each vehicle, and develop an estimation algorithm to calculate the parameters of the optimal policy for practical applications. Furthermore, we investigate the multivehicle aggregator design problem by considering the power system constraints. A policy adjustment scheme is proposed to adjust the values of S and S ′ with respect to the optimal policy adopted by each PHEV, such that the aggregated recharging and discharging power constraints of the power system can be satisfied, while minimizing the incremental cost (or revenue loss) of PHEV owners. Based on characteristics of the statedependent (S, S ′ ) policy and our proposed policy adjustment scheme, the optimal aggregator operation problem is transformed into a convex optimization one which can be readily solved by existing algorithms. The performance of our proposed schemes is evaluated via simulations based on real data collected from Canadian utilities, households, and commuters. Index Terms—Optimal energy delivery, plug-in hybrid electric vehicle, stochastic inventory theory, vehicle-to-grid. Ci,n,si,n,xi,n(Ui,n) Ci,N (x) c rc
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,011 |
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 ».