MétaCan
Menu
Retour à la cohorte
Enregistrement W2772851490 · doi:10.1109/tii.2017.2781256

Power Peak Shaving With Data Transmission Delays for Thermal Management in Smart Buildings

2017· article· en· W2772851490 sur OpenAlexaff
Yu Zhang, Jianguo Yao, Guchuan Zhu, Bin Wen

Notice bibliographique

RevueIEEE Transactions on Industrial Informatics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesShanghai Aerospace Science and Technology Innovation FoundationShanghai Jiao Tong UniversityScience and Technology Commission of Shanghai MunicipalityNational Natural Science Foundation of China
Mots-clésThermal management of electronic devices and systemsPeaking power plantTransmission (telecommunications)Load managementComputer scienceSmart powerPower (physics)Automotive engineeringElectrical engineeringEngineeringReliability engineeringRenewable energyMechanical engineeringDistributed generation

Résumé

récupéré en direct d'OpenAlex

This paper presents a scheme aimed at mitigating the influence of random data transmission delays in networked thermal appliance control systems in smart buildings. The impact of this type of delays is first analyzed, and it is proposed to utilize loose timing synchronization and add blank gaps between the consecutive appliance operations to avoid the possible violation of the given power budget. A cooperative control of thermal appliance operation is developed using a networked model predictive control-based controller to deal with delays. It is also shown that the schedulability of such a control scheme can be assessed online. The performance of the proposed control scheme is assessed by a simulation study based on the thermal dynamics of an eight-room office building. The obtained results show that the proposed solution can achieve an efficient power peaks shaving in the presence of random network delays.

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: aucune
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,944

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 savante0,0000,001
Science ouverte0,0010,000
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 Opus0,054
Tête enseignante GPT0,259
Écart entre enseignants0,205 · 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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial InformaticsMême sujetSmart Grid Energy ManagementTravaux en français237 207