Industrial Internet of Things Driven by SDN Platform for Smart Grid Resiliency
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.
Notice bibliographique
Résumé
Software-defined networking (SDN) is a key enabling technology of industrial Internet of Things (IIoT) that provides dynamic reconfiguration to improve data network robustness. In the context of smart grid infrastructure, the strong demand of seamless data transmission during critical events (e.g., failures or natural disturbances) seems to be fundamentally shifting energy attitude toward emerging technology. Therefore, SDN will play a vital role on energy revolution to enable flexible interfacing between smart utility domains and facilitate the integration of mix renewable energy resources to deliver efficient power of sustainable grid. In this regard, we propose a new SDN platform based on IIoT technology to support resiliency by reacting immediately whenever a failure occurs to recover smart grid networks using real-time monitoring techniques. We employ SDN controller to achieve multifunctionality control and optimization challenge by providing operators with real-time data monitoring to manage demand, resources, and increasing system reliability. Data processing will be used to manage resources at local network level by employing SDN switch segment, which is connected to SDN controller through IIoT aggregation node. Furthermore, we address different scenarios to control packet flows between switches on hub-to-hub basis using traffic indicators of the infrastructure layer, in addition to any other data from the application layer. Extensive experimental simulation is conducted to demonstrate the validation of the proposed platform model. The experimental results prove the innovative SDN-based IIoT solutions can improve grid reliability for enhancing smart grid resilience.
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle