MétaCan
Menu
Retour à la cohorte
Enregistrement W2793199562 · doi:10.30521/jes.338575

An Experimental Fuzzy Inference System for Global Grid Electricity Peak Power Load Forecasting Third Core Module of First Console on G2P3S

2017· article· en· W2793199562 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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal of Energy Systems · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesGoddard Space Flight CenterNational Aeronautics and Space Administration
Mots-clésMean absolute percentage errorAdaptive neuro fuzzy inference systemPower (physics)Electric power systemStatisticsMeteorologyComputer scienceFuzzy logicMean squared errorSimulationMathematicsGeographyFuzzy control systemArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Our World gives several symptoms of climate change. Devastating draughts increase (negative for World (-)), global mean temperature increase (-), lightning strikes increase (-), sea ice cover melt (-), tree mortality increase (-), and forest degradation increase (-) have been observed for decades. They are all negative measures for continuity of life. Diversity of species has been decreasing, so that life on Earth is dying. Only responsible specie for this situation is humankind. This study presents a small footstep to prevent this situation. Modeling of a 100% renewable power grid on World (Global Grid) is eminent. Annual peak power load (Gigawatt: GW, Kilowatt: kW) (peak demand or load) forecasting in power demand side is crucial for global grid modeling. This study presents an experimental fuzzy inference system for the third core module (100 years’ power demand forecasting) of the first console (long term prediction) of Global Grid Peak Power Prediction System (G2P3S). The inputs (world population, global annual temperature anomalies °C) and the output (annual peak power load demand of Global Grid in GW) are modeled with seven triangular fuzzy input membership functions and seven constant output membership functions. The constant Sugeno-Type fuzzy inference system is used in the current experimental model. The maximum absolute percentage error (MAP) is calculated as 45%, and the mean absolute percentage error (MAPE) is found as 39% in this experimental study. The MAP and MAPE of the first core module model (Type 1) were 0,46 and 0,36. The MAP and MAPE of the second core module model (Interval Type 2) were 0,46 and 0,36. As a result, this study is a good start for the third core module of the first console on Global Grid Peak Power Prediction System research, development, demonstration, & deployment (RD3) project. This experimental study also warns humankind in this subject. Hopefully, the most polluting societies on our World such as China, United States, India, Russia, Japan, Germany, South Korea, and Canada take urgent actions to start to build the foundations of 100% renewable power global grid by organizing a global grid consortium.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,032
Tête enseignante GPT0,265
Écart entre enseignants0,233 · 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