論文の概要: Driving and charging an EV in Australia: A real-world analysis
- arxiv url: http://arxiv.org/abs/2206.03277v2
- Date: Tue, 25 Oct 2022 07:26:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 17:37:14.274230
- Title: Driving and charging an EV in Australia: A real-world analysis
- Title（参考訳）: オーストラリアにおけるEVの運転と充電:実世界分析
- Authors: Thara Philip, Kai Li Lim, Jake Whitehead
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As outlined by the Intergovernmental Panel on Climate Change, electric
vehicles offer the greatest decarbonisation potential for land transport, in
addition to other benefits, including reduced fuel and maintenance costs,
improved air quality, reduced noise pollution, and improved national fuel
security. Owing to these benefits, governments worldwide are planning and
rolling out EV-favourable policies, and major car manufacturers are committing
to fully electrifying their offerings over the coming decades. With the number
of EVs on the roads expected to increase, it is imperative to understand the
effect of EVs on transport and energy systems. While unmanaged charging of EVs
could potentially add stress to the electricity grid, managed charging of EVs
could be beneficial to the grid in terms of improved demand-supply management
and improved integration of renewable energy sources into the grid, as well as
offer other ancillary services. To assess the impact of EVs on the electricity
grid and their potential use as batteries-on-wheels through smart charging
capabilities, decision-makers need to understand how current EV owners drive
and charge their vehicles. As such, an emerging area of research focuses on
understanding these behaviours. Some studies have used stated preference
surveys of non-EV owners or data collected from EV trials to estimate EV
driving and charging patterns. Other studies have tried to decipher EV owners'
behaviour based on data collected from national surveys or as reported by EV
owners. This study aims to fill this gap in the literature by collecting data
on real-world driving and charging patterns of 239 EVs across Australia. To
this effect, data collection from current EV owners via an application
programming interface platform began in November 2021 and is currently live.
- Abstract（参考訳）: 気候変動に関する政府間パネル(Inter Governmental Panel on Climate Change)で概説されているように、電気自動車は、燃料とメンテナンスコストの削減、空気質の改善、騒音汚染の低減、国家燃料の安全性の向上など、土地輸送にとって最大の脱炭ポテンシャルを提供する。
これらのメリットにより、世界中の政府はevに好適な政策を計画し、展開しており、大手自動車メーカーは今後数十年にわたって完全電動化を約束している。
道路におけるEVの数は増加すると予想されているため、EVが輸送・エネルギーシステムに与える影響を理解することが不可欠である。
evの無管理充電は電力網にストレスを与える可能性があるが、電力供給管理の改善や再生可能エネルギー源のグリッドへの統合、その他の補助サービスを提供するという点で、evのマネージド充電は電力網にとって有益かもしれない。
電気自動車が電力網に与える影響と、スマート充電機能を通じてバッテリーオンホイールとしての使用の可能性を評価するためには、現在のEVオーナーがどのように車両を駆動し充電するかを理解する必要がある。
このように、新たな研究分野は、これらの行動を理解することに焦点を当てている。
いくつかの研究は、EVの運転と充電のパターンを推定するために、EV以外の所有者やEVの試験から収集したデータについて述べられた調査を用いている。
他の研究では、国家調査やEV所有者が報告したデータに基づいて、EV所有者の行動を解読しようと試みている。
本研究は,オーストラリア全土の239台のEVのリアルタイム運転および充電パターンのデータを収集し,このギャップを埋めることを目的としている。
この効果のために、現在のEVオーナーから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経由でのデータ収集が2021年11月に開始され、現在運用中である。
関連論文リスト
- 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) - HoneyEVSE: An Honeypot to emulate Electric Vehicle Supply Equipments [14.413675592484926]
HoneyEVSEは、電気自動車の充電ステーションをシミュレートする最初のハニーポットである。
HoneyEVSEは、EV充電プロセスの忠実度の高さをシミュレートすると同時に、ユーザがダッシュボードを通じてそれを操作できるようにする。
結果から,HoneyEVSEは露呈したサービス上で多数のインタラクションを惹きつけながら,Shodan honeyscoreメトリックを回避できることが示唆された。
論文 参考訳（メタデータ） (2023-09-12T09:15:07Z) - 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) - Consumer's Behavior Analysis of Electric Vehicle using Cloud Computing
in the State of New York [0.0]
我々はニューヨーク州エネルギー研究開発局のEVドライブクリーンリベートデータを解析した。
このデータセットは、消費者が購入したEVのメイクとモデル、EV消費者の地理的位置、トランザクションタイプ、および税制インセンティブを特徴としている。
SAP Analytics Cloud(SAC)を使用して、まずデータをインポートしてクリーンにし、いくつかのプライマリ属性の統計スナップショットを生成します。
論文 参考訳（メタデータ） (2023-06-02T19:49:18Z) - EVKG: An Interlinked and Interoperable Electric Vehicle Knowledge Graph
for Smart Transportation System [5.600639345303369]
本稿では,EV中心の知識グラフ(EVKG)を包括的でクロスドメインかつオープンな地理空間知識管理システムとして提示する。
EVKGはEV導入、電気自動車の供給装置、送電網など、EV関連の重要な知識をカプセル化している。
6つの有能な質問を用いて、EVKGが様々な種類のEV関連質問にどのように答えられるかを実証する。
論文 参考訳（メタデータ） (2023-04-10T23:01:02Z) - 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) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - 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) - 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) - A Case Study to Identify the Hindrances to Widespread Adoption of
Electric Vehicles in Qatar [0.0]
電気自動車(EV)の採用は、温室効果ガス(GHG)の大気への排出を減少させる重要な要因であることが証明されている。
本稿では,統計分析によるEV-adoptionの一般認識を報告し,カタールにおけるEV-adoptionを改善するための推奨事項を提案する。
論文 参考訳（メタデータ） (2020-06-27T18:56:46Z)
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。