MétaCan
Menu
Retour à la cohorte
Enregistrement W2303593473 · doi:10.1049/etr.2015.0010

Opportunities and Challenges of Heterogeneous Networks for Substations Automation in Smart Grids

2012· article· en· W2303593473 sur OpenAlexaff
Irfan Al‐Anbagi, Hussein T. Mouftah

Notice bibliographique

RevueEngineering & Technology Reference · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésIEC 61850EthernetSmart gridIndustrial EthernetLocal area networkAutomationEngineeringComputer networkEmbedded systemComputer scienceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

The immense development in networking and communication technologies can drastically change electrical substations automation and control in the future smart grid. The International Electrotechnical Commission (IEC) 61850 standard is receiving global acceptance to deploy Ethernet local area networks (LANs) for electrical substations. The IEC 61850 standard is a part of the lEC's Technical Committee 57 architecture for electric power systems. High data-rate LANs and fibre- based Ethernet networks may present an excellent candidate for the implementation of the IEC 61850 standard. However, deployment cost, mobility issues of wired LANs, in addition to the emergence of the electrical vehicles may inspire communication system engineers and system integrators to consider wireless communication technologies such as wireless LANs (WLANs) or wireless sensor networks (WSNs) as legitimate candidates for implementing the IEC 61850 standard. The authors present an overview of the IEC 61850 standard, highlight its importance, requirements and limitations. In addition to that they present the main challenges of implementing WSNs and WLANs in monitoring and controlling substations in a smart grid environment. Furthermore, they present a heterogeneous wireless network architecture for substations automation and suggest recommendations to align the capabilities of this network with the requirements of the IEC 61850 standard.

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 enseignants0,250
Score d'incertitude au seuil0,460

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 Opus0,039
Tête enseignante GPT0,224
Écart entre enseignants0,185 · 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

Citations4
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngineering & Technology ReferenceMême sujetSmart Grid Security and ResilienceTravaux en français237 207