WikiEdge:ArXiv速递/2025-05-08：修订间差异
跳转到导航
跳转到搜索
Created page by Carole |
Updated page by Carole |
||
| 第7行： | 第7行： | ||
*'''原文链接'''：http://arxiv.org/abs/2505.05087v1 | *'''原文链接'''：http://arxiv.org/abs/2505.05087v1 | ||
'''中文摘要'''：摘要：大多数[[电动汽车]](EV)在夜间进行家用[[充电]]，此时[[电力分配]]的具体时间对用户并不重要，因而成为[[充电控制算法]]可利用的[[灵活性资源]]。本文放宽了"[[电动汽车]]每日早晨需充满电"这一常见假设，允许将剩余电量推迟至后续夜间[[充电]]，从而增强[[受控充电]]性能。我们特别研究了一种简易家用[[智能插座]]，采用[[模型预测控制]](MPC)技术，以最小化多会话[[预测周期]](最长提前七天)内的[[二氧化碳排放]]为目标进行[[电力调度]]。基于[[英国国家电网]]的[[碳强度]]数据，研究表明：相比[[无序充电]]，多会话[[规划]]可实现40%至46%的减排；相比单会话[[规划]]，可额外实现19%至26%的减排。此外，我们评估了用户[[驾驶]]与[[充电行为]]对[[灵活性]]的影响及其[[减排潜力]]。最后，通过分析[[英国]]14个区域的[[电网]][[碳强度]]数据，发现不同地区因[[能源结构]]差异导致的绝对[[减排量]]存在显著变化。 | '''中文摘要'''：摘要：大多数[[电动汽车]](EV)在夜间进行家用[[充电]]，此时[[电力分配]]的具体时间对用户并不重要，因而成为[[充电控制算法]]可利用的[[灵活性资源]]。本文放宽了"[[电动汽车]]每日早晨需充满电"这一常见假设，允许将剩余电量推迟至后续夜间[[充电]]，从而增强[[受控充电]]性能。我们特别研究了一种简易家用[[智能插座]]，采用[[模型预测控制]](MPC)技术，以最小化多会话[[预测周期]](最长提前七天)内的[[二氧化碳排放]]为目标进行[[电力调度]]。基于[[英国国家电网]]的[[碳强度]]数据，研究表明：相比[[无序充电]]，多会话[[规划]]可实现40%至46%的减排；相比单会话[[规划]]，可额外实现19%至26%的减排。此外，我们评估了用户[[驾驶]]与[[充电行为]]对[[灵活性]]的影响及其[[减排潜力]]。最后，通过分析[[英国]]14个区域的[[电网]][[碳强度]]数据，发现不同地区因[[能源结构]]差异导致的绝对[[减排量]]存在显著变化。 | ||
== 摘要 == | |||
* '''原文标题'''：Model Selection for Unit-root Time Series with Many Predictors | |||
* '''中文标题'''：多预测变量单位根时间序列的模型选择 | |||
* '''发布日期'''：2025-05-08 01:45:15+00:00 | |||
* '''作者'''：Shuo-Chieh Huang, Ching-Kang Ing, Ruey S. Tsay | |||
* '''分类'''：stat.ME, math.ST, stat.TH | |||
*'''原文链接'''：http://arxiv.org/abs/2505.04884v1 | |||
'''中文摘要'''：本文研究一般[[单位根]]时间序列的[[模型选择]]问题，包括含有多外生[[预测变量]]的情形。我们提出[[FHTD算法]]——一种融合[[前向逐步回归]]([[FSR]])、[[高维信息准则]]([[HDIC]])、基于[[HDIC]]的[[后向消除]]方法及[[数据驱动阈值]]([[DDT]])技术的新型[[模型选择算法]]。在允许时间序列[[单位圆]]上[[特征根]]位置与[[重数]]未知、[[预测变量]]与[[误差项]]存在[[条件异方差]]等温和假设下，我们证明了[[FSR]]的[[确定筛选]]性质和[[FHTD]]的[[选择一致性]]。分析的核心在于两项关键技术贡献：[[多元线性过程]]的新型[[泛函中心极限定理]]，以及[[样本协方差矩阵]]最小[[特征值]]的[[均匀下界估计]]，二者均具有独立的[[理论价值]]。[[仿真实验]]验证了理论性质，并显示[[FHTD]]在[[模型选择]]中的优越性能。最后，我们通过建模[[美国]]月度[[新屋开工]]和[[失业数据]]展示了[[FHTD]]的实际应用。 | |||
2025年5月9日 (五) 15:36的版本
摘要
- 原文标题：Predictive Control of EV Overnight Charging with Multi-Session Flexibility
- 中文标题：电动汽车多时段灵活性的夜间充电预测控制
- 发布日期：2025-05-08 09:35:27+00:00
- 作者：Felix Wieberneit, Emanuele Crisostomi, Anthony Quinn, Robert Shorten
- 分类：eess.SY, cs.SY
- 原文链接：http://arxiv.org/abs/2505.05087v1
中文摘要：摘要：大多数电动汽车(EV)在夜间进行家用充电，此时电力分配的具体时间对用户并不重要，因而成为充电控制算法可利用的灵活性资源。本文放宽了"电动汽车每日早晨需充满电"这一常见假设，允许将剩余电量推迟至后续夜间充电，从而增强受控充电性能。我们特别研究了一种简易家用智能插座，采用模型预测控制(MPC)技术，以最小化多会话预测周期(最长提前七天)内的二氧化碳排放为目标进行电力调度。基于英国国家电网的碳强度数据，研究表明：相比无序充电，多会话规划可实现40%至46%的减排；相比单会话规划，可额外实现19%至26%的减排。此外，我们评估了用户驾驶与充电行为对灵活性的影响及其减排潜力。最后，通过分析英国14个区域的电网碳强度数据，发现不同地区因能源结构差异导致的绝对减排量存在显著变化。
摘要
- 原文标题：Model Selection for Unit-root Time Series with Many Predictors
- 中文标题：多预测变量单位根时间序列的模型选择
- 发布日期：2025-05-08 01:45:15+00:00
- 作者：Shuo-Chieh Huang, Ching-Kang Ing, Ruey S. Tsay
- 分类：stat.ME, math.ST, stat.TH
- 原文链接：http://arxiv.org/abs/2505.04884v1
中文摘要：本文研究一般单位根时间序列的模型选择问题，包括含有多外生预测变量的情形。我们提出FHTD算法——一种融合前向逐步回归(FSR)、高维信息准则(HDIC)、基于HDIC的后向消除方法及数据驱动阈值(DDT)技术的新型模型选择算法。在允许时间序列单位圆上特征根位置与重数未知、预测变量与误差项存在条件异方差等温和假设下，我们证明了FSR的确定筛选性质和FHTD的选择一致性。分析的核心在于两项关键技术贡献：多元线性过程的新型泛函中心极限定理，以及样本协方差矩阵最小特征值的均匀下界估计，二者均具有独立的理论价值。仿真实验验证了理论性质，并显示FHTD在模型选择中的优越性能。最后，我们通过建模美国月度新屋开工和失业数据展示了FHTD的实际应用。