Implementation of a Smart Grid Communication System Compliant with IEEE 2030.5
Notice bibliographique
Résumé
Energy utilities are constantly under pressure to meet the growing and complicated energy demands. The traditional energy grid allows for one-way communication of energy usage between customers and the utilities. This does not allow the utilities to have control or to suggest any changes in consumption based on the energy data they obtain. In this paper, we propose and implement an innovative two-way communication system between the transformer agent (TA), attached to a neighborhood's electric transformer, and its customer agents (CAs), that are attached to each house using inexpensive and common-use devices and modules. In this context, different houses communicate their energy usage, while an electric transformer relays action requests from the energy utility's headquarters. This enables the real-time tracking of energy usage by both the consumers and the utility. Therefore, the efficiency of energy generation and distribution is enhanced, and consumers are empowered to make smarter decisions about their consumption. In our system, Raspberry Pi3 modules are used to represent CAs, while an Intel Edison is used to represent the TAs. CAs form a self- healing mesh network using the high data rate Wi-Fi in mesh mode while TAs communicate with the utility headquarters using LTE. The proposed system is compliant with the IEEE 2030.5 smart energy profile 2.0 requirements and several tests were performed in real neighborhoods and across the Carleton University campus to prove the system's operation and reliability. This paper is a part of a bigger project to achieve a complete and IoT-compatible platform for future smart grids that includes the whole cycle starting from the Home Energy Management System (HEMS) and ending with data analytics and power consumption prediction in the utility headquarter.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».