得克萨斯州电动汽车充电与可再生能源整合的策略规划
系统与控制
2023-10-27 v1 机器学习
系统与控制
摘要
本研究探讨在得克萨斯州背景下电动汽车（EVs）、可再生能源与智能电网技术的融合，应对阻碍 EVs 广泛普及的挑战。在承认其环境效益的同时，研究聚焦于电网稳定性担忧、不协调的充电模式，以及 EVs 与可再生能源之间复杂的关系。动态时间规整（DTW）聚类与 k-means 聚类方法依据总负荷与净负荷对日期进行分类，从而细致洞察每日电力消耗与可再生能源发电模式。通过建立针对特定负荷特征的最优充电与车辆到电网（V2G）窗口，本研究为能源消费与可再生能源整合中的战略决策提供了一种精细方法。研究结果为通过 EVs 与智能电网的无缝整合以实现可持续且具韧性的能源未来的持续讨论作出贡献。
引用
@article{arxiv.2310.17056,
title = {Strategizing EV Charging and Renewable Integration in Texas},
author = {Mohammad Mohammadi and Jesse Thornburg},
journal= {arXiv preprint arXiv:2310.17056},
year = {2023}
}