WikiEdge:ArXiv速递/2025-05-08

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。