Time slot allocation in WSNs for differentiated smart grid traffic
Notice bibliographique
Résumé
Wireless Sensor Networks (WSNs) are emerging as promising tools to aid in monitoring the smart grid. WSNs can be easily deployed in a wide number of smart grid assets such as substations, overhead power lines and power generation sites. They offer ubiquity and flexibility at a low-cost. However it may be difficult to offer the Quality of Service (QoS) demanded by the smart grid applications with WSNs since sensor nodes share the same wireless communication medium. To overcome this challenge QoS-aware medium access is essential. In this paper, we propose the QoS-aware GTS Allocation (QGA) scheme which aims to reduce the end-to-end delay of delay-critical data while routing delay-tolerant data using unutilized resources. QGA is implemented for a multi-hop, mesh network topology which is the most flexible WSN deployment. In QGA intermediate level sensor nodes run an optimization model in order to perform optimum time slot allocation to minimize the delay of critical data. Meanwhile, delay-tolerant data is buffered until the delay-critical traffic passes through this relaying node. Smart grid monitoring application determined whether data is delay-critical or not based on the alarm values. For instance, a transformer overloading measurement is treated as delay-critical while an ambient measurement corresponding to room temperature is treated as delay-tolerant. We show that QGA significantly reduces the end-to-end delay of high priority traffic.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».