Optimizing Battery Price Arbitrage in Alberta’s Electricity Market
Notice bibliographique
Résumé
This thesis employs a mixed‐integer linear programming (MILP) framework to explore how battery‐based systems, equipped with vehicle‐to‐grid (V2G) capabilities, can manage charging and discharging schedules in order to minimize, or even reverse, their net electricity costs under varying price conditions. The analysis begins with a single electric vehicle (EV) that is required to maintain 80% of its battery state of charge (SOC) for daily use. Through a cost‐minimization approach, the EV draws energy during lower‐price windows and returns stored energy back to the grid, under V2G, during peak pricing, potentially deriving its net cost below zero. The system constrained is then loosened by shifting the analysis to a fleet of electric buses (EBF), each with a larger battery yet bound by strict route timetables. Although these buses have greater storage capacity, enabling them to take advantage of price spreads, their scheduled service hours often coincide with higher pricing windows, limiting opportunities to fully optimize charging or discharging. As a result, notable cost reductions are achieved, but the magnitude of these savings is largely determined by how effectively off‐peak and on‐peak price intervals align with their operating times. Finally, the thesis analyzes a data center that is free from mobility requirements and maintains a large‐scale battery system perpetually connected to the grid. Unlike the EV and buses, the data center has no fixed operating windows to satisfy; it continuously monitors real‐time electricity prices and adjusts its charging and discharging accordingly. By exploiting the largest price spreads, the data center achieves the lowest overall net cost among the three systems, underscoring how full‐time grid access and higher storage capacity amplify the benefits of arbitrage. All these results show that when a MILP model is used, an adaptive and price‐responsive charging strategy can transform battery systems from mere loads into revenue‐generating assets, whether in personal vehicles, fleet applications, or large‐scale computational facilities.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,005 | 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 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 ».