MARC

 008260126s2024        us                              c    eng  d
■001000017360584
■00520260202105551
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798265405807
■035    ▼a(MiAaPQ)AAI32315690
■035    ▼a(MiAaPQ)GeorgiaTech75713
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a001
■1001  ▼aSastry,  Kartik  Vishwanath.
■24510▼aSmart  Charging  of  Electric  Vehicles:  Algorithms,  Ramifications,  and  Hardware  Development
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a155  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  Taylor,  David;Leamy,  Michael.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2024.
■520    ▼aThis  dissertation  details  how  smart  charging  (SC)  techniques  can  be  employed  to  aid  or  accelerate  the  convergence  of  electric  vehicles  (EVs)  and  the  power  grid,  in  light  of  current  challenges  thereof.  As  the  market  penetration  of  EVs  rises  across  vehicle  segments,  the  corresponding  increase  in  EV  charging  load  is  expected  to  significantly  stress  electric  power  distribution  infrastructure,  resulting  in  diminished  power  quality.  Therefore,  there  exists  a  need  to  manage  the  grid  impacts  of  EV  charging.  However,  management  is  complicated  by  the  possibility  of  competing  interests  between  EV  owners  (including  private  individuals  and  fleet  operators)  and  grid  operators.  For  example,  EV  owners  may  prefer  minimum-cost  or  minimum-time  EV  charging,  which  might  conflict  with  a  grid  operator's  preference  to  minimize  peak  charging  loads.This  dissertation  introduces  'two-stage'  SC,  which  is  an  optimization-based  procedure  for  planning  the  charging  behavior  (i.e.,  power-versus-time  trajectories)  of  one  or  more  EVs.  Two-stage  SC  is  designed  to  simultaneously  satisfy  the  interests  of  competing  stakeholders  (e.g.,  EV  owner  and  grid  operators)  by  capitalizing  upon  the  existence  of  multiple  optimal  (or  near-optimal)  behaviors  that  will  satisfy  one  stakeholder  (e.g.,  the  EV  owner).  This  dissertation  contains  (i)  multiple  two-stage  SC  algorithms  (for  residential  and  commercial  EV  charging  scenarios),  (ii)  detailed  assessments  of  the  ramifications  of  two-stage  SC  (with  particular  emphasis  on  grid  impacts),  and  (iii)  demonstrations  of  two-stage  SC  in  practice.  Taken  together,  the  results  of  this  dissertation  show  that  simple,  decentralized  decision-making  can  be  employed  to  effectively  mitigate  the  grid  impacts  of  EV  charging  with  little-to-no  compromise  in  benefits  to  EV  owners.  Consequently,  this  work  represents  a  set  of  practical  techniques  to  accelerate  the  convergence  of  EVs  and  the  power  grid.
■590    ▼aSchool  code:  0078.
■650  4▼aSoftware
■650  4▼aPersonal  computers
■650  4▼aElectricity  distribution
■650  4▼aElectric  vehicles
■650  4▼aComputer  science
■650  4▼aElectrical  engineering
■650  4▼aTransportation
■690    ▼a0984
■690    ▼a0544
■690    ▼a0709
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360584▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서