MétaCan
Menu
Retour à la cohorte
Enregistrement W2049239713 · doi:10.1049/iet-gtd.2014.0513

Smart distribution system volt/VAR control using distributed intelligence and wireless communication

2015· article· en· W2049239713 sur OpenAlexaff
Michael Ibrahim, M.M.A. Salama

Notice bibliographique

RevueIET Generation Transmission & Distribution · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueOptimal Power Flow Distribution
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésSmart meterSmart gridComputer scienceNetwork packetWiMAXWirelessInteroperabilityReal-time computingEmbedded systemComputer networkEngineeringElectrical engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

This study presents a smart volt/VAR control (VVC) technique for smart distribution systems, which is designed to be integrated into a distributed real‐time analysis and control framework implemented with the use of multiple processing units equipped with wireless communication transceivers. The distributed processing units collaborate to perform power flow analysis based on smart meter measurements for controlling and coordinating the switched capacitor banks and voltage‐regulating transformers. The objective is to maintain acceptable voltage levels along the distribution feeder, minimise system losses, and limit the number of switching operations. GNU‐Octave simulations are employed as a means of evaluating the performance of the proposed smart VVC technique with respect to loss reduction and number of switching operations. The network simulator ns‐3 is used to simulate the distributed processing units that execute the proposed smart VVC technique. Worldwide interoperability for microwave access (WiMAX) and long‐term evolution (LTE) communication networks are employed in the ns‐3 simulations in order to provide data connectivity among the distributed processing units. The performance of the communication network is evaluated in terms of the execution time of the smart VVC technique, the average packet delay and the average packet delivery ratio.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,804
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,238
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Generation Transmission & DistributionMême sujetOptimal Power Flow DistributionTravaux en français237 207