اکسپرس 24
ترجمه فارسی مقاله یک رویکرد یادگیری ماشین برای تقویت زمان‌بندی خودرو-به-شبکه

ترجمه فارسی مقاله یک رویکرد یادگیری ماشین برای تقویت زمان‌بندی خودرو-به-شبکه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A Machine Learning Approach to Boost the Vehicle-2-Grid Scheduling
عنوان مقاله به فارسی یک رویکرد یادگیری ماشین برای تقویت زمان‌بندی خودرو-به-شبکه
نویسندگان Gabriele Agliardi, Giorgio Cortiana, Anton Dekusar, Kumar Ghosh, Naeimeh Mohseni, Corey O'Meara, Víctor Valls, Kavitha Yogaraj, Sergiy Zhuk
فرمت مقاله انگلیسی PDF
تعداد صفحات 6
دسته بندی موضوعات Optimization and Control,بهینه سازی و کنترل ,
توضیحات Submitted 29 August, 2024; v1 submitted 30 July, 2024; originally announced July 2024.
توضیحات به فارسی ارسال شده 29 اوت 2024 ؛V1 ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 240,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Electric Vehicles (EVs) are emerging as battery energy storage systems (BESSs) of increasing importance for different power grid services. However, the unique characteristics of EVs makes them more difficult to operate than dedicated BESSs. In this work, we apply a data-driven learning approach to leverage EVs as a BESS to provide capacity-related services to the grid. The approach uses machine learning to predict how to charge and discharge EVs while satisfying their operational constraints. As a paradigm application, we use flexible energy commercialization in the wholesale markets, but the approach can be applied to a broader range of capacity-related grid services. We evaluate the proposed approach numerically and show that when the number of EVs is large, we can obtain comparable objective values to CPLEX and approximate dynamic programming, but with shorter run times. These reduced run times are important because they allow us to (re)optimize frequently to adapt to the time-varying system conditions.

چکیده به فارسی (ترجمه ماشینی)

وسایل نقلیه الکتریکی (EV) به عنوان سیستم های ذخیره انرژی باتری (BESSS) برای افزایش اهمیت برای خدمات مختلف شبکه برق در حال ظهور هستند.با این حال ، ویژگی های منحصر به فرد EVS باعث می شود که کار آنها نسبت به BESSS اختصاصی کار را دشوارتر کند.در این کار ، ما یک روش یادگیری داده محور را برای اهرم EVS به عنوان یک BESS برای ارائه خدمات مرتبط با ظرفیت به شبکه اعمال می کنیم.این رویکرد از یادگیری ماشین برای پیش بینی نحوه شارژ و تخلیه EV ها ضمن برآورده کردن محدودیت های عملیاتی آنها استفاده می کند.به عنوان یک کاربرد پارادایم ، ما از تجاری سازی انرژی انعطاف پذیر در بازارهای عمده فروشی استفاده می کنیم ، اما این رویکرد می تواند برای طیف وسیع تری از خدمات شبکه مرتبط با ظرفیت اعمال شود.ما رویکرد پیشنهادی را به صورت عددی ارزیابی می کنیم و نشان می دهیم که وقتی تعداد EVs بزرگ باشد ، می توانیم مقادیر عینی قابل مقایسه ای را با برنامه نویسی CPLEX و تقریبی برنامه نویسی پویا بدست آوریم ، اما با زمان اجرا کوتاه تر.این زمان های کاهش یافته مهم هستند زیرا به ما امکان می دهند تا به طور مکرر بهینه سازی کنیم تا با شرایط سیستم متغیر زمان سازگار شویم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.