文献

J-GLOBAL ID：202202244059580037   整理番号：22A1115826

制御のデータ駆動モデルによる電気自動車充電の大規模シナリオ【JST・京大機械翻訳】

Large-scale scenarios of electric vehicle charging with a data-driven model of control

著者 (5件)： Powell Siobhan (Department of Mechanical Engineering, Stanford University, USA) ,  Vianna Cezar Gustavo (Applied Energy Division, SLAC National Accelerator Laboratory, USA) ,  Vianna Cezar Gustavo (Department of Civil and Environmental Engineering, Stanford University, USA) ,  Apostolaki-Iosifidou Elpiniki (Applied Energy Division, SLAC National Accelerator Laboratory, USA) ,  Rajagopal Ram (Department of Civil and Environmental Engineering, Stanford University, USA)
資料名： Energy  (Energy)
巻： 248  ページ： Null  発行年： 2022年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 輸送電化は,この10年間,世界中の道路に数百万の新しい電気自動車をもたらすと予測されている。これらの車両を支援する計画は,非制御および制御またはスマート充電シナリオにおける電力需要の詳細なシナリオに依存する。本論文では,数百万の個人運転者による大規模シナリオに対する制御充電の影響を表す需要推定の迅速生成を可能にする新しいモデリングアプローチを示した。骨材充電プロファイルに対する負荷変調制御の影響をモデル化するために,従来の最適化アプローチを置き換える新しい機械学習手法を提案した。電力率スケジュールの範囲の下で,その性能モデリング作業場充電制御を実証し,一方,4000倍以上の計算を加速しながら,小さな誤差(2.5%~4.5%)を達成した。住宅,職場,および公共充電によるシナリオの無制御充電需要を生成するために,実際の充電セッションの大きなデータセットの統計的表現を使用した。多重充電セグメントと制御を考慮した2030年のカリフォルニアの充電需要に対するシナリオの多様なセットを生成する方法論を示し,50秒で局所的に運転した。さらに,職場充電に対する新しいカスタムレートスケジュールの大規模影響をモデル化することにより,速度設計のためのサポートを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  電力 ,  制御 ,  道路 ,  *電気自動車 ,  電力需要 ,  電化 ,  骨材 ,  モデリング ,  *充電 ,  多重化 ,  機械学習
準シソーラス用語： 職場 ,  *データ駆動 ,  充電制御 , 【Automatic Indexing@JST】

著者キーワード (5件)： 電気自動車 ,  制御された充電 ,  機械学習 ,  負荷プロファイル ,  スケーラブル

分類 (2件)： 電気自動車  (QG07020B) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (6件)： データ駆動 ,  モデル ,  電気自動車 ,  充電 ,  大規模 ,  シナリオ