WikiEdge:ArXiv速遞/2025-05-08
摘要
- 原文標題：Predictive Control of EV Overnight Charging with Multi-Session Flexibility
- 中文標題：電動汽車多時段靈活性的夜間充電預測控制
- 發布日期：2025-05-08 09:35:27+00:00
- 作者：Felix Wieberneit, Emanuele Crisostomi, Anthony Quinn, Robert Shorten
- 分類：eess.SY, cs.SY
- 原文連結：http://arxiv.org/abs/2505.05087v1
中文摘要：摘要：大多數電動汽車(EV)在夜間進行家用充電，此時電力分配的具體時間對用戶並不重要，因而成為充電控制算法可利用的靈活性資源。本文放寬了"電動汽車每日早晨需充滿電"這一常見假設，允許將剩餘電量推遲至後續夜間充電，從而增強受控充電性能。我們特別研究了一種簡易家用智能插座，採用模型預測控制(MPC)技術，以最小化多會話預測周期(最長提前七天)內的二氧化碳排放為目標進行電力調度。基於英國國家電網的碳強度數據，研究表明：相比無序充電，多會話規劃可實現40%至46%的減排；相比單會話規劃，可額外實現19%至26%的減排。此外，我們評估了用戶駕駛與充電行為對靈活性的影響及其減排潛力。最後，通過分析英國14個區域的電網碳強度數據，發現不同地區因能源結構差異導致的絕對減排量存在顯著變化。
摘要
- 原文標題：Model Selection for Unit-root Time Series with Many Predictors
- 中文標題：多預測變量單位根時間序列的模型選擇
- 發布日期：2025-05-08 01:45:15+00:00
- 作者：Shuo-Chieh Huang, Ching-Kang Ing, Ruey S. Tsay
- 分類：stat.ME, math.ST, stat.TH
- 原文連結：http://arxiv.org/abs/2505.04884v1
中文摘要：本文研究一般單位根時間序列的模型選擇問題，包括含有多外生預測變量的情形。我們提出FHTD算法——一種融合前向逐步回歸(FSR)、高維信息準則(HDIC)、基於HDIC的後向消除方法及數據驅動閾值(DDT)技術的新型模型選擇算法。在允許時間序列單位圓上特徵根位置與重數未知、預測變量與誤差項存在條件異方差等溫和假設下，我們證明了FSR的確定篩選性質和FHTD的選擇一致性。分析的核心在於兩項關鍵技術貢獻：多元線性過程的新型泛函中心極限定理，以及樣本協方差矩陣最小特徵值的均勻下界估計，二者均具有獨立的理論價值。仿真實驗驗證了理論性質，並顯示FHTD在模型選擇中的優越性能。最後，我們通過建模美國月度新屋開工和失業數據展示了FHTD的實際應用。
摘要
- 原文標題：Predictive Control of EV Overnight Charging with Multi-Session Flexibility
- 中文標題：電動汽車多時段靈活性的夜間充電預測控制
- 發布日期：2025-05-08 09:35:27+00:00
- 作者：Felix Wieberneit, Emanuele Crisostomi, Anthony Quinn, Robert Shorten
- 分類：eess.SY, cs.SY
- 原文連結：http://arxiv.org/abs/2505.05087v1
中文摘要：摘要：大多數電動汽車(EV)在夜間進行家用充電，此時電力分配的具體時間對用戶並不重要，因此成為充電控制算法可利用的靈活性資源。本文放寬了"電動汽車每天早晨需充滿電"這一常見假設，允許將剩餘能量的充電推遲至後續夜晚，從而為受控充電提供額外靈活性以提升性能。我們特別考慮一種簡易家用智能插座，採用模型預測控制(MPC)技術，以最小化多會話預測周期(最長提前七天)內的二氧化碳排放為目標進行電力調度。基於英國國家電網的碳強度數據，研究表明：相比無序充電，多會話規劃可實現40%至46%的減排；相比單會話規劃，可額外實現19%至26%的減排。此外，我們評估了EV用戶的駕駛和充電行為如何影響可用靈活性及相應減排潛力。最後，通過分析英國14個不同區域的電網碳強度數據，發現基於當地能源結構的絕對減排量存在顯著差異。