MétaCan
Menu
Retour à la cohorte
Enregistrement W2170510118 · doi:10.1109/tvlsi.2008.2000725

Energy Budget Approximations for Battery-Powered Systems With a Fixed Schedule of Active Intervals

2008· article· en· W2170510118 sur OpenAlexaff
Daler Rakhmatov

Notice bibliographique

RevueIEEE Transactions on Very Large Scale Integration (VLSI) Systems · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Battery Technologies Research
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésBattery (electricity)ScheduleComputer scienceVoltageEnergy (signal processing)Interval (graph theory)Energy consumptionEnergy budgetWork (physics)Mathematical optimizationElectrical engineeringControl theory (sociology)Reliability engineeringEngineeringPower (physics)MathematicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

<para xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> The amount of available energy is a critical limitation of battery-powered electronic systems. The classic design goal is to minimize system energy consumption subject to performance constraints. An alternative objective would be to maximize performance under energy constraints, which requires a method for computing the energy budget corresponding to a certain battery lifetime. This paper presents such a method for systems with a fixed schedule of active intervals. Our method computes the energy budget for each active interval and guarantees that the battery survives until the end of the schedule. We rely on an accurate analytical battery model that takes into account nonlinear changes in the battery voltage, capacity loss at high discharge rates, charge recovery, and capacity fade over time. As the battery model is computationally expensive, we also present efficient approximations for computing the upper and lower bounds on the energy budget for each active interval. The main limitation of this work is our assumption that the battery current is the same for all active intervals. </para>

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 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 enseignants0,936
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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 Opus0,018
Tête enseignante GPT0,244
Écart entre enseignants0,226 · 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

Citations6
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Very Large Scale Integration (VLSI) SystemsMême sujetAdvanced Battery Technologies ResearchTravaux en français237 207