Low-latency smart grid asset monitoring for load control of energy-efficient buildings
Notice bibliographique
Résumé
In the smart grid, demand-side is tightly coupled with the condition of the smart grid assets such as the transformers in a substation, capacitor banks, relays, etc. A fault occurring in any of those assets or an incident causing power quality degradation within a distribution system may trigger load control actions in energy-efficient buildings. In case of such critical conditions, load control actions need to be activated in a timely manner. Therefore, the status of the smart grid assets needs to be monitored in near real-time. Recently, Wireless Sensor Networks (WSNs) have emerged as promising monitoring tools in many fields including military, health and critical infrastructures. However, transmitting delay-critical data in the smart grid via WSNs needs data prioritization and delay-responsiveness. In this paper, we evaluate the performance of two schemes, namely the delay-responsive, cross layer (DRX) data transmission scheme, and the fair and delay-aware cross layer (FDRX) data transmission scheme in various smart grid environments. We consider an outdoor substation, an underground transformer vault and an indoor power room. We show that DRX has lower end-to-end delay than FDRX. On the other hand, delivery ratio of both DRX and FDRX degrades in the outdoor substation when compared to the underground transformer vault. Furthermore, DRX and FDRX are able to satisfy the tight delay requirements of the smart grid.
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) | 0,000 | 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 ».