論文の概要: A Data-Driven Framework for Improving Public EV Charging Infrastructure: Modeling and Forecasting

• arxiv url: http://arxiv.org/abs/2312.05333v1
• Date: Fri, 8 Dec 2023 19:37:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-12 21:34:19.725264
• Title: A Data-Driven Framework for Improving Public EV Charging Infrastructure: Modeling and Forecasting
• Title（参考訳）: 公共のev充電インフラを改善するためのデータ駆動フレームワーク:モデリングと予測
• Authors: Nassr Al-Dahabreh, Mohammad Ali Sayed, Khaled Sarieddine, Mohamed Elhattab, Maurice Khabbaz, Ribal Atallah, Chadi Assi
• Abstract要約: 既存の充電インフラは、急速に増加する充電需要を維持できなくなるのではないかと考えられている。 現在、適切なQoE指標がなければ、EV充電ステーションの性能を評価するのに、オペレーターは著しく困難に直面している。 本稿では,新規かつオリジナルなQoEパフォーマンス指標の定式化を通じて,このギャップを埋めることを目的とする。
• 参考スコア（独自算出の注目度）: 13.950084838642228
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work presents an investigation and assessment framework, which, supported by realistic data, aims at provisioning operators with in-depth insights into the consumer-perceived Quality-of-Experience (QoE) at public Electric Vehicle (EV) charging infrastructures. Motivated by the unprecedented EV market growth, it is suspected that the existing charging infrastructure will soon be no longer capable of sustaining the rapidly growing charging demands; let alone that the currently adopted ad hoc infrastructure expansion strategies seem to be far from contributing any quality service sustainability solutions that tangibly reduce (ultimately mitigate) the severity of this problem. Without suitable QoE metrics, operators, today, face remarkable difficulty in assessing the performance of EV Charging Stations (EVCSs) in this regard. This paper aims at filling this gap through the formulation of novel and original critical QoE performance metrics that provide operators with visibility into the per-EVCS operational dynamics and allow for the optimization of these stations' respective utilization. Such metrics shall then be used as inputs to a Machine Learning model finely tailored and trained using recent real-world data sets for the purpose of forecasting future long-term EVCS loads. This will, in turn, allow for making informed optimal EV charging infrastructure expansions that will be capable of reliably coping with the rising EV charging demands and maintaining acceptable QoE levels. The model's accuracy has been tested and extensive simulations are conducted to evaluate the achieved performance in terms of the above listed metrics and show the suitability of the recommended infrastructure expansions.
• Abstract（参考訳）: 本研究は,一般電気自動車(ev)充電インフラストラクチャにおけるqoe(consumer-perceived quality-of-experience)に関する詳細な洞察をオペレータに提供することを目的とした,現実的なデータによる調査評価フレームワークを提案する。 前例のないev市場の成長に動機づけられて、既存の充電インフラはすぐに急速に増加する充電要求を維持できなくなり、現在採用されているアドホックなインフラストラクチャ拡張戦略は、この問題の深刻さを接線的に削減(ほぼ緩和)する、品質の高いサービスサステナビリティソリューションへの貢献には程遠いように思われる。 現在、適切なQoE指標がなければ、EV充電ステーション(EVCS)の性能を評価する上で、オペレーターは著しく困難に直面している。 本稿では,このギャップを,EVCS毎の動作動態を演算子に可視化し,各局の利用率を最適化する,新規かつオリジナルなQoEパフォーマンス指標の定式化を通じて埋めることを目的とする。 これらのメトリクスは、将来のEVCS負荷を予測するために、最近の現実世界のデータセットを使用して微調整され、訓練された機械学習モデルの入力として使用される。 これにより、EV充電の需要の増加に確実に対応し、許容できるQoEレベルを維持することができる、インフォームドEV充電インフラの拡張が可能になる。 モデルの精度を検証し, 上記の指標から得られた性能を評価するとともに, 推奨インフラ拡張の適合性を示すため, 広範囲なシミュレーションを行った。

関連論文リスト

• Quantum-Powered Optimization for Electric Vehicle Charging Infrastructure Deployment [3.406797377411835]
  電気自動車充電ステーションの最適配置を特定する数学的モデルを開発した。 このモデルは実世界のケーススタディを用いて検証され、D-Waveから市販の量子コンピュータを用いて解決される。
  論文  参考訳（メタデータ） (2024-11-11T03:03:20Z)
• Satellite Streaming Video QoE Prediction: A Real-World Subjective Database and Network-Level Prediction Models [59.061552498630874]
  LIVE-Viasat Real-World Satellite QoE Databaseを紹介する。 このデータベースは、現実世界のストリーミングサービスから記録された179のビデオで構成されている。 本稿では,QoE予測モデルの有効性を評価することで,この新たな資源の有用性を実証する。 また、ネットワークパラメータを予測された人間の知覚スコアにマッピングする新しいモデルを作成しました。
  論文  参考訳（メタデータ） (2024-10-17T18:22:50Z)
• Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving [55.93813178692077]
  本稿では,BEVアルゴリズムのレジリエンスを評価するためのベンチマークスイートであるRoboBEVを紹介する。 検出,マップセグメンテーション,深さ推定,占有予測といったタスクにまたがる33の最先端のBEVベースの知覚モデルを評価する。 また, 事前学習や深度自由なBEVトランスフォーメーションなどの戦略が, アウト・オブ・ディストリビューションデータに対するロバスト性を高める上で有効であることを示す。
  論文  参考訳（メタデータ） (2024-05-27T17:59:39Z)
• Learning and Optimization for Price-based Demand Response of Electric Vehicle Charging [0.9124662097191375]
  PBDRモデリングのための新しい意思決定型エンドツーエンドフレームワークを提案する。 EV客のPBDRパターンを用いた充電ステーション運転シミュレーションにおける本手法の有効性を評価する。
  論文  参考訳（メタデータ） (2024-04-16T06:39:30Z)
• A Deep Q-Learning based Smart Scheduling of EVs for Demand Response in Smart Grids [0.0]
  本研究では、Deep Q-Learningを利用して、マイクログリッド内におけるEVの充電および排出活動のスケジューリングを行うモデルフリーソリューションを提案する。 我々は,EVスケジューリング動作に対する特定の報酬に基づいて状態の値を評価するためにベルマン方程式を適用し,ニューラルネットワークを用いて利用可能な動作に対するQ値とエプシロングレーディアルゴリズムを用いて,目標エネルギープロファイルを満たすために,エクスプロイトと探索のバランスをとる。
  論文  参考訳（メタデータ） (2024-01-05T06:04:46Z)
• 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)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• Forecasting Electric Vehicle Charging Station Occupancy: Smarter Mobility Data Challenge [0.0]
  Smarter Mobility Data Challengeは、EV充電ステーションの占有率を予測する予測モデルの開発に注力している。 この課題は、2020年から2021年の間に4つの地理的領域にわたる91の充電ステーションのデータセットを分析した。 その結果、EV充電ステーションの占有率を正確に予測するための階層的予測手法の可能性が浮き彫りになった。
  論文  参考訳（メタデータ） (2023-06-09T07:22:18Z)
• 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)
• EVGen: Adversarial Networks for Learning Electric Vehicle Charging Loads and Hidden Representations [4.273017002805776]
  我々は、電気自動車(EV)の充電セッションと非絡み合い表現を学ぶために、GAN(Generative Adversarial Network)を開発した。 このモデル構造は,非ラベル付き時間・電力パターンのパラメータ化に成功し,これらのパラメータを条件とした合成データを生成することができることを示す。
  論文  参考訳（メタデータ） (2021-08-09T00:23:47Z)
• Investigating Underlying Drivers of Variability in Residential Energy Usage Patterns with Daily Load Shape Clustering of Smart Meter Data [53.51471969978107]
  スマートメータの大規模展開は、日々の負荷パターンの分散を探求する研究の動機となっている。 本稿では,電力消費パターンが変動性を示すメカニズムを明らかにすることを目的とした。
  論文  参考訳（メタデータ） (2021-02-16T16:56:27Z)

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。