Optimization of distributed communication architectures in advanced metering infrastructure of smart grid
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Advanced metering infrastructure (AMI) is a major part of a smart grid system, and it deals with both data collection from smart meters and processing of those data. The traditional AMI architecture uses a centralized operation center with a centralized meter data management system (MDMS), which makes this system non-scalable. The system needs to be scalable so that with increased demand, it can be expanded at minimal cost. In this paper, we used two types of scalable distributed communication architectures, as initially proposed by Zhou et al. [1], namely, communication architecture with distributed MDMS and fully distributed communication architecture to minimize the deployment cost. We modified the analysis approach and used MATLAB-based code incorporating a Heuristic algorithm to determine close-to-optimal solutions for optimization problems. The unique feature of our work is the process of calculating accumulated bandwidth distance, in which distances between different components of an AMI were calculated according to the practical grid system layout of a city's infrastructure system. Theoretically developed scalability analysis was performed following [1], and the results were compared with the simulated results to indicate the validity of the asymptotic theoretical analysis. In our simulation, we found that the average distance between MDMS and the operation center was significantly different from that of Zhou et al. [1]. Our simulation results also indicated that both of the proposed architectures were scalable with significantly lower total deployment cost compared to the existing centralized communication architecture.
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.
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 | 0,000 | 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 découle