MétaCan
Menu
Retour à la cohorte
Enregistrement W2080276913 · doi:10.1109/smartgridcomm.2012.6485969

Distributed control for reducing carbon footprint in the residential sector

2012· article· en· W2080276913 sur OpenAlexaffabout
Pirathayini Srikantha, Srinivasan Keshav, Catherine Rosenberg

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCarbon footprintProvisioningComputer scienceDuration (music)Power (physics)Control (management)Automotive engineeringReduction (mathematics)FootprintGridReal-time computingEnvironmental economicsComputer networkEngineeringGreenhouse gas

Résumé

récupéré en direct d'OpenAlex

The current power grid is conservatively provisioned for rarely-occurring peaks. Expensive, quickly-ramping generators, typically with high carbon emissions, provide peak power. Therefore, it is possible to reduce both capital cost and carbon footprint by reducing the peak load. We address this issue by proposing to intelligently reduce loads from household appliances during peak times. Our scheme capitalizes on the fact that the power consumed by resistive loads can be reduced, at the cost of a small increase in appliance operation duration, with little impact on perceived user comfort. Specifically, on the receipt of congestion signals from the grid, appliance-based controllers intelligently reduce their load while ensuring that user comfort does not degrade below a pre-specified level. Simulations show that significant gains in energy reduction can be obtained with our scheme. For example, in Quebec, an estimated 12.9 MWh of peak power reduction can be obtained for a maximum of 10% increase in appliance operation duration.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,418
Score d'incertitude au seuil0,264

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,012
Tête enseignante GPT0,207
Écart entre enseignants0,195 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations10
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Energy ManagementTravaux en français237 207