MétaCan
Menu
Retour à la cohorte
Enregistrement W2795298263 · doi:10.1109/jproc.2018.2809468

Versatile Modeling Platform for Cooperative Energy Management Systems in Smart Cities

2018· article· en· W2795298263 sur OpenAlexaff
Yasuhiro Hayashi, Yu Fujimoto, Hideo Ishii, Yuji Takenobu, Hiroshi Kikusato, Shinya Yoshizawa, Yoshiharu AMANO, Shin‐ichi Tanabe, Yohei Yamaguchi, Yoshiyuki Shimoda, Jun Yoshinaga, Shunsuke Sasaki, Takeshi Koike, Hans‐Arno Jacobsen, Kevin Tomsovic

Notice bibliographique

RevueProceedings of the IEEE · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Energy Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCore Research for Evolutional Science and TechnologyWaseda UniversityNational Science Foundation
Mots-clésSustainabilityComputer sciencePhotovoltaic systemEnergy managementSystems engineeringEnergy consumptionRange (aeronautics)Energy (signal processing)EngineeringElectrical engineeringAerospace engineering

Résumé

récupéré en direct d'OpenAlex

With growing attention to sustainability and recognition of the impact of global warming problems, energy supply and consumption have become critically important. This paper presents the construction of a modeling platform accommodating cooperative energy management systems (EMSs), which virtually produces the model of a smart city with a distribution network (DN) by using a wide range of data obtained from the real world. The platform involves models of various EMSs, governing the operation of a power system or controlling consumer-installed devices, and simulating the power flow, electrical losses, and voltage in the DN. In addition, indices measuring the sustainability of the model city, such as CO2emission, are estimated from scenarios, for example, photovoltaic system installation, electric vehicle penetration, etc. The results can be visually displayed and the platform is highly versatile and applicable to various types of issues associated with smart cities. Two case studies are presented in detail.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,018
Tête enseignante GPT0,202
Écart entre enseignants0,184 · 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

Citations69
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the IEEEMême sujetSmart Grid Energy ManagementTravaux en français237 207