MétaCan
Menu
Retour à la cohorte
Enregistrement W2091733411 · doi:10.5540/03.2013.001.01.0202

Proposta de algoritmo para gerenciamento pelo lado demanda em residências através do corte de smart plugs

2013· article· pt· W2091733411 sur OpenAlexaff
Eliane Silva Custódio, Lucas R. Ferreira, Luciano Cavalcante Siebert, Eduardo Kazumi Yamakawa, Priscila Alves dos Santos, Alexandre Rasi Aoki, Thelma Solange Piazza Fernandes, Esdras Eliwan Martins Leite

Notice bibliographique

RevueProceeding Series of the Brazilian Society of Computational and Applied Mathematics · 2013
Typearticle
Languept
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensThe Audio Recording Academy
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhysicsComputer scienceArt

Résumé

récupéré en direct d'OpenAlex

Com o aumento da demanda de energia a cada ano e consequentes dificuldades no processo de distribuição da mesma, é necessidade das concessionárias encontrar saídas para conseguir suprir esse aumento, procurando técnicas além do aumento da infraestrutura. Uma dessas saídas é o gerenciamento pelo lado da demanda, que engloba diversas técnicas incluindo o deslocamento de carga, ou seja, ações para realizar o deslocamento da utilização de equipamentos do horário de pico para outro horário, incentivadas através de tarifas variáveis no tempo. Para dar suporte ao cliente nessas ações, visando benefícios para a concessionária e também reduções de gastos de energia do cliente, ultimamente vem sido bastante discutida a utilização de smart plugs como ferramenta de medição e de corte, auxiliada por algoritmos que possibilitem a automação e otimização das mesmas. O algoritmo desenvolvido no presente trabalho apresentou resultados satisfatórios, indicando os momentos que o consumidor deve evitar o consumo de energia em cada smart plug assim como auxiliar na redução do desperdício de energia, atuando no corte do consumo de aparelhos em standby.

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: Empirique
Score de désaccord entre enseignants0,179
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)0,0010,000
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 GPT0,216
Écart entre enseignants0,204 · 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

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceeding Series of the Brazilian Society of Computational and Applied MathematicsMême sujetSmart Grid Energy ManagementTravaux en français237 207