Quality-of-service-aware fiber wireless sensor network gateway design for the smart grid
Notice bibliographique
Résumé
Smart grid aims to enhance the efficiency, security and the reliability of electricity generation, delivery and consumption. Smart grid benefits from a variety of Information and Communication Technologies (ICTs) for the betterment of the power grid. Two-way communications between the customers and the utility, advanced monitoring tools and intelligent control mechanisms are the key components to realize the new services of the smart grid. Particularly, energy monitoring tools at the customer premises as well as event and ambient monitoring tools at the substations, power lines and vaults play a significant role in managing and protecting the smart grid. Wireless sensor network (WSN) technology is a promising monitoring tool for residential premises and the smart grid assets. However, the large volume of data collected by billions of sensors requires a robust communication infrastructure to deliver data from the field to the operators in a timely manner. In this paper, we adopt the Fiber-WSN architecture to support both WSN data and Fiber To The Home/Building/Curb (FTTX) traffic. We design a Fi-WSN gateway that allows data prioritization, maintains the Quality of Service (QoS) of FTTX users and delivers WSN data in a reliable manner. Data prioritization is fundamental for design considerations since ambient data have lower priority than an alarm generated at a smart grid asset. Our gateway employs a burst assembly mechanism that allows differentiation between high and low priority packets in the Fiber-WSN architecture. We show that the proposed gateway design attains low delay for high priority packets while maintaining the delay of FTTX traffic and the reliability of the WSN at desired levels.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».