MétaCan
Menu
Retour à la cohorte
Enregistrement W2570059685 · doi:10.1063/1.4973713

Economically efficient and environment friendly energy management in rural area

2017· article· en· W2570059685 sur OpenAlexaff
Muhammad Naveed Naz, Muhammad Naeem, Muhammad Iqbal, Muhammad Imran

Notice bibliographique

RevueJournal of Renewable and Sustainable Energy · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésRenewable energyElectricityBiogasEnvironmental pollutionElectricity generationEnvironmental economicsMulti-objective optimizationComputer scienceEnvironmental scienceBusinessEngineeringWaste managementMathematical optimizationMathematicsEconomicsEnvironmental protection

Résumé

récupéré en direct d'OpenAlex

Energy management in rural area is a challenging issue for sustainable agriculture. A large number of livestock farms including dairy and poultry farms are the major cause of environmental pollution due to improper handling of animal and broiler wastes. The appropriate use of waste material not only reduces the environmental pollution but also serves as an additional source of electricity. In this article, efficient energy management model is developed to ensure uninterrupted supply of energy and also minimize the environmental impacts and cost of electricity to consumers by using multiobjective optimization. In the proposed scheme, electricity is supposed to be generated through biogas generation from waste materials of animals and broilers. In addition, electricity will also be reserved from solar, utility and diesel resources to ensure continuous supply of electricity to the consumers. Multiple sources of energy are being used to handle the intermittent nature of renewable resources and unpredicted electricity load shedding. The proposed multiobjective optimization is binary integer linear programming problem in which objective and constraints take binary and integer values. Branch and bound algorithm is incorporated to solve this multiobjective optimization problem.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,003
Tête enseignante GPT0,170
Écart entre enseignants0,166 · 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 source (Gemma direct ou Codex distillé), 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

Citations41
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Renewable and Sustainable EnergyMême sujetSmart Grid Energy ManagementTravaux en français237 207