論文の概要: WEcharge: democratizing EV charging infrastructure

• arxiv url: http://arxiv.org/abs/2204.01478v1
• Date: Fri, 25 Mar 2022 16:43:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 16:02:01.613633
• Title: WEcharge: democratizing EV charging infrastructure
• Title（参考訳）: wecharge:ev充電インフラの民主化
• Authors: Md Umar Hashmi, Mohammad Meraj Alam, Ony Lalaina Valerie Ramarozatovo, Mohammad Shadab Alam
• Abstract要約: WEchargeは、個人所有の充電インフラを、ビジネスモデルを使って公共のEVオーナーと共有できるようにする。 ケーススタディは、消費者の嗜好がリソースマッチングを支配することを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The sustainable growth of EVs will have to be met with proportional growth in EV charging infrastructure. With limited urban spaces to place new charging stations, shrinking profitability, privately owned charging facilities need to be shared. WEcharge will allow privately owned charging infrastructure to be shared with public EV owners using a business model. We propose a resource matching algorithm that takes into account incoming EV preferences, hard constraints for such EV, and provides the best suited resource for charging. We demonstrate the applicability of the matching model by showing a realistic case study with a Nissan Leaf 40 kW EV and 25 company and publicly owned charging stations (DC fast charger, AC rapid charger, level 1 and level 2 charger) in Hasselt, Belgium. The case study shows that consumer preferences will govern resource matching.
• Abstract（参考訳）: EVの持続的な成長は、EV充電インフラの比例的な成長に対応する必要がある。 新しい充電ステーションを設置する都市部が限られており、利益が減少しているため、民間の充電施設を共有する必要がある。 WEchargeは、個人所有の充電インフラを、ビジネスモデルを使って公共のEVオーナーと共有できるようにする。 本稿では、入ってくるEVの選好、そのようなEVの厳しい制約を考慮したリソースマッチングアルゴリズムを提案し、充電に最適なリソースを提供する。 ベルギーのハッセルトにある日産リーフ40kwev25社と公営充電ステーション(dcファストチャージャー、acラピッドチャージャー、レベル1、レベル2チャージャー)との現実的なケーススタディにより、マッチングモデルの適用性を示す。 ケーススタディは、消費者の好みがリソースマッチングを支配することを示している。

関連論文リスト

• Maximum flow-based formulation for the optimal location of electric vehicle charging stations [2.340830801548167]
  本稿では,EV充電需要を最大フロー問題として駅に割り当てるモデルを提案する。 実世界のシナリオを扱うための我々のアプローチのスケーラビリティを実証し、モントリオール市の方法論を紹介します。
  論文  参考訳（メタデータ） (2023-12-10T19:49:09Z)
• Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
  電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。 我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。 本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
  論文  参考訳（メタデータ） (2023-10-18T18:38:59Z)
• Federated Reinforcement Learning for Electric Vehicles Charging Control on Distribution Networks [42.04263644600909]
  マルチエージェント深部強化学習(MADRL)はEV充電制御において有効であることが証明されている。 既存のMADRLベースのアプローチでは、配電ネットワークにおけるEV充電/放電の自然な電力フローを考慮できない。 本稿では,マルチEV充電/放電と最適電力流で動作する放射分布ネットワーク(RDN)を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-08-17T05:34:46Z)
• Forecasting Battery Electric Vehicle Charging Behavior: A Deep Learning Approach Equipped with Micro-Clustering and SMOTE Techniques [0.0]
  排出削減のため、世界中の交通電化が推進されている。 多くの自動車メーカーが近くバッテリー電気自動車(BEV)の生産を開始する 本研究では,BEVの走行と充電データの学習に極めて有効な,ニューラルネットワークアルゴリズムであるMicro Clustering Deep Neural Network (MCDNN)を開発した。
  論文  参考訳（メタデータ） (2023-07-20T05:03:25Z)
• Federated Reinforcement Learning for Real-Time Electric Vehicle Charging and Discharging Control [42.17503767317918]
  本稿では、動的環境下で異なるEVユーザに対して最適なEV充電/放電制御戦略を開発する。 多様なユーザの行動や動的環境に適合する水平連合強化学習法(HFRL)を提案する。 シミュレーションの結果,提案したリアルタイムEV充電/放電制御戦略は,様々な要因において良好に機能することが示された。
  論文  参考訳（メタデータ） (2022-10-04T08:22:46Z)
• Driving and charging an EV in Australia: A real-world analysis [0.0]
  本研究は,オーストラリア全土の239台のEVの実走行および充電パターンのデータ収集を目的とする。 2021年11月にアプリケーションプログラミングインターフェースプラットフォームを通じて、現在のEV所有者からのデータ収集が開始され、現在公開されている。
  論文  参考訳（メタデータ） (2022-06-03T11:01:23Z)
• An Energy Consumption Model for Electrical Vehicle Networks via Extended Federated-learning [50.85048976506701]
  本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。 バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
  論文  参考訳（メタデータ） (2021-11-13T15:03:44Z)
• Optimal Placement of Public Electric Vehicle Charging Stations Using Deep Reinforcement Learning [0.0]
  Reinforcement Learning (RL) の新たな応用により、新しい充電ステーションの最適な場所を見つけることができる。 提案するRLフレームワークを世界中の都市に適用し,充電ステーション配置を最適化する。
  論文  参考訳（メタデータ） (2021-08-17T17:25:30Z)
• Risk Adversarial Learning System for Connected and Autonomous Vehicle Charging [43.42105971560163]
  我々は、コネクテッドかつ自律的な自動車充電インフラ(CAV-CI)のための合理的意思決定支援システム(RDSS)の設計について検討する。 検討されたCAV-CIでは、配電系統オペレーター(DSO)が電気自動車供給装置(EVSE)を配備し、人間駆動のコネクテッドカー(CV)と自動運転車(AV)のためのEV充電設備を提供する。 人力EVによる充電要求は、実際の需要よりもエネルギーと充電時間を必要とすると不合理になる。 我々は,CAV-CIが解決する新たなリスク対向型マルチエージェント学習システム(ALS)を提案する。
  論文  参考訳（メタデータ） (2021-08-02T02:38:15Z)
• Come back when you are charged! Self-Organized Charging for Electric Vehicles [1.0660480034605242]
  我々は、夜間の「自由」な時間を利用して、公共および民間の充電インフラにアクセスし、バッテリーを充電し、所有者が再び車を必要とする前に家に帰ることができる、半自律電気自動車(EV)のためのエコシステムを提案する。 我々は、M2Xエコノミー(Machine-to-Everything Economy)の概念を活用し、ブロックチェーンベースのスマートコントラクトを通じてトランザクション、インタラクション、コラボレーションを行うスマートマシンのための分散エコシステムを概説する。
  論文  参考訳（メタデータ） (2021-06-08T08:36:16Z)
• Exploring market power using deep reinforcement learning for intelligent bidding strategies [69.3939291118954]
  キャパシティが1年の平均的な電力価格に影響を及ぼすことがわかりました。 $sim$25%と$sim$11%の値は、市場構造と国によって異なる可能性がある。 平均市場価格の約2倍の市場上限の使用は、この効果を著しく減少させ、競争力のある市場を維持する効果があることを観察する。
  論文  参考訳（メタデータ） (2020-11-08T21:07:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。