MétaCan
Menu
Retour à la cohorte
Enregistrement W2344823099 · doi:10.1109/tsg.2015.2502140

A Data-Driven Approach for Estimating the Power Generation of Invisible Solar Sites

2015· article· en· W2344823099 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Smart Grid · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésPhotovoltaic systemCluster analysisElectric power systemSolar powerPrincipal component analysisPower (physics)Function (biology)Computer scienceDimension (graph theory)Block (permutation group theory)Electricity generationEngineeringMathematicsElectrical engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Roof-top solar photovoltaic systems are normally invisible to system operators, meaning that their generated power is not monitored. If a significant number of systems are installed, invisible solar power could significantly alter the net load in power systems. In this paper, a data-driven methodology is proposed to estimate the power generation of invisible solar power sites by using the measured values from a small number of representative sites. The proposed methodology is composed of a data dimension reduction engine and a mapping function. A number of established methods for reducing the dimension of large-scale data is investigated, and a hybrid method based on k -means clustering and principal component analysis is proposed. The output of this block provides a small subset of sites whose measured data are used in the mapping function. We have implemented several mapping functions to estimate the total generation power of all sites based on the measured output of the selected subset of sites. Numerical results based on data from California's power system are presented.

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.

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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,860
Score d'incertitude au seuil0,389

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 Opus0,092
Tête enseignante GPT0,266
Écart entre enseignants0,174 · 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