Priority- and Delay-Aware Medium Access for Wireless Sensor Networks in the Smart Grid
Notice bibliographique
Résumé
Monitoring smart-grid assets in a timely manner is highly desired for emerging smart-grid applications such as transformer monitoring, capacitor bank control, plug-in hybrid-electric-vehicle load management, and power quality assessment. Wireless sensor and actor networks (WSANs) are anticipated to be widely utilized in a wide range of smart-grid applications due to their numerous advantages along with their successful adoption in various critical areas including military and health. For resource-constrained WSANs, transmitting delay-critical data from smart-grid assets calls for data prioritization and delay responsiveness. In this paper, we introduce two medium-access approaches, namely, delay-responsive cross-layer (DRX) data transmission and fair and delay-aware cross-layer (FDRX) data transmission, which aim to address the delay and service requirements of smart grids. DRX is based on delay-estimation and data-prioritization steps that are performed by the application layer, in addition to the MAC layer parameters responding to the delay requirements of the smart-grid application and the network condition. On the other hand, FDRX incorporates fairness into DRX by preventing a few nodes from dominating the communication channel. We provide a comprehensive performance evaluation of those approaches. We show that DRX reduces the end-to-end delay while FDRX has lower collision rate compared with DRX. We outline the tradeoffs regarding these approaches and draw future research directions for robust communication protocols for smart-grid monitoring applications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».