An Experimental Fuzzy Inference System for Global Grid Electricity Peak Power Load Forecasting Third Core Module of First Console on G2P3S
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».