論文の概要: LLM-Enabled EV Charging Stations Recommendation

• arxiv url: http://arxiv.org/abs/2505.01447v1
• Date: Tue, 29 Apr 2025 19:57:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.113764
• Title: LLM-Enabled EV Charging Stations Recommendation
• Title（参考訳）: LLM対応EV充電ステーションの推奨
• Authors: Zeinab Teimoori,
• Abstract要約: 本稿では,Large Language Model (LLM) を利用したプロンプトベースのレコメンダシステムであるRecomBotを提案する。 リアルタイム異種データを用いた最適な充電ステーション(CS)を動的に提案する。 自然言語推論と微調整EV固有のデータセットを活用することで、RecomBotはパーソナライゼーションを強化し、充電効率を改善し、さまざまなEVタイプに適応する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Charging infrastructure is not expanding quickly enough to accommodate the increasing usage of Electric Vehicles (EVs). For this reason, EV owners experience extended waiting periods, range anxiety, and overall dissatisfaction. Challenges, such as fragmented data and the complexity of integrating factors like location, energy pricing, and user preferences, make the current recommendation systems ineffective. To overcome these limitations, we propose RecomBot, which is a Large Language Model (LLM)-powered prompt-based recommender system that dynamically suggests optimal Charging Stations (CSs) using real-time heterogeneous data. By leveraging natural language reasoning and fine-tuning EV-specific datasets, RecomBot enhances personalization, improves charging efficiency, and adapts to various EV types, offering a scalable solution for intelligent EV recommendation systems. Through testing across various prompt engineering scenarios, the results obtained underline the capability and efficiency of the proposed model.
• Abstract（参考訳）: 電気自動車(EV)の利用の増加に対応するため、充電インフラは急速に拡大していない。 このため、EVオーナーは待ち時間、範囲の不安、全体的な不満を経験する。 断片化されたデータや、場所、エネルギー価格、ユーザの好みといった要素を統合する複雑さといった課題は、現在のレコメンデーションシステムを非効率にします。 このような制約を克服するために,リアルタイムな異種データを用いて最適な充電ステーション(CS)を動的に提案するLarge Language Model(LLM)ベースのプロンプトベースのレコメンデーションシステムであるRecomBotを提案する。 自然言語推論と微調整EV固有のデータセットを活用することで、RecomBotはパーソナライゼーションを強化し、充電効率を改善し、さまざまなEVタイプに対応し、インテリジェントなEVレコメンデーションシステムにスケーラブルなソリューションを提供する。 様々な素早いエンジニアリングシナリオのテストを通じて、提案したモデルの能力と効率を概観した結果が得られた。

関連論文リスト

• Deep Reinforcement Learning-Based Optimization of Second-Life Battery Utilization in Electric Vehicles Charging Stations [0.5033155053523042]
  本稿では,BESSを用いた電気自動車充電ステーションのための深層強化学習(DRL)計画フレームワークについて述べる。 我々は、季節変動を考慮した1年分のデータに基づいてモデルをトレーニングする、高度なソフトアクター・クリティカル(SAC)アプローチを採用する。 調整された報酬関数は効果的なオフライントレーニングを可能にし、不確実性の下でEVCS操作をリアルタイムに最適化することができる。
  論文  参考訳（メタデータ） (2025-02-05T17:50:53Z)
• Advancing Generative Artificial Intelligence and Large Language Models for Demand Side Management with Internet of Electric Vehicles [52.43886862287498]
  本稿では,大規模言語モデル(LLM)のエネルギー管理への統合について検討する。 本稿では、自動問題定式化、コード生成、カスタマイズ最適化のために、LLMを検索拡張生成で強化する革新的なソリューションを提案する。 本稿では,電気自動車の充電スケジューリングと最適化における提案手法の有効性を示すケーススタディを提案する。
  論文  参考訳（メタデータ） (2025-01-26T14:31:03Z)
• Electric Vehicles coordination for grid balancing using multi-objective Harris Hawks Optimization [0.0]
  再生可能エネルギーの台頭は、地域グリッドのエネルギー収支に技術的および運用上の課題をもたらす電気自動車(EV)へのシフトと一致している。 複数のEVからグリッドへの電力フローの調整には、高度なアルゴリズムとロードバランシング戦略が必要である。 本稿では,安定した電力供給と安定したローカルグリッドの維持を目標として,一日のEVフリート調整モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-24T15:50:37Z)
• 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)
• Coupling User Preference with External Rewards to Enable Driver-centered and Resource-aware EV Charging Recommendation [9.009978844120514]
  電気自動車(EV)は、利用者の好みに適応し、常に変化する外部環境に適応すると共に、プライベートなEVドライバーのレンジ不安を軽減するためのコスト効率のよい戦略として出現する。 本稿では,各EVドライバがユーザの好みと外部報酬との間に最適なバランスをとることができるような,新しいRAC(Regularized Actor-temporal)充電推奨手法を提案する。 2つの実世界のデータセットに対する実験結果は、競合する手法に対する我々のアプローチのユニークな特徴と優れた性能を示す。
  論文  参考訳（メタデータ） (2022-10-23T10:52:51Z)
• 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)
• A new Hyper-heuristic based on Adaptive Simulated Annealing and Reinforcement Learning for the Capacitated Electric Vehicle Routing Problem [9.655068751758952]
  都市部では環境汚染と地球温暖化を減らすために電気自動車(EV)が採用されている。 社会と経済の持続可能性に影響を与え続けているラストマイルロジスティクスの軌道をルーティングするのにはまだ不足がある。 本稿では,高ヒューリスティック適応アニーリングと強化学習というハイパーヒューリスティックなアプローチを提案する。
  論文  参考訳（メタデータ） (2022-06-07T11:10:38Z)
• 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)

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。