MétaCan
Menu
Retour à la cohorte
Enregistrement W2903362517 · doi:10.1109/pvsc.2018.8547588

International Development of a Distributed Energy Resource Test Platform for Electrical and Interoperability Certification

2018· article· en· W2903362517 sur OpenAlexaff
Jay Johnson, Estefan Apablaza-Arancibia, Nayeem Ninad, Dave Turcotte, Alexandre Prieur, Ron Ablinger, Roland Brindlinger, Tim Moore, Rahmat Heidari, Jun Hashimoto, Chang‐Hee Cho, Rakesh Kumar, Jeykishan Kumar, Maurizio Verga, Jose Luis Silva Farias, Jose Gerardo Montoya Tena, Franz Baumgartner, Ricardo Alonso Segade, Bob Fox

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensNatural Resources Canada
Organismes subventionnairesSandia National Laboratories
Mots-clésCertificationInteroperabilityComputer scienceSoftware engineeringVendorCodebaseSoftwareOperating systemSystems engineeringEmbedded systemEngineering

Résumé

récupéré en direct d'OpenAlex

Several international research laboratories are collaborating under a Smart Grid International Research Facility Network (SIRFN) project to develop certification procedures for advanced distributed energy resources (DER). To effectively evaluate interoperability and grid-support functionality in DER equipment, test permutations across the full range of modes and parameters are required. It is impractical to complete these experiments manually so the project team is working to develop a software tool, associated abstraction layers, and hardware drivers to execute the experiments autonomously using the same opensource test logic. This software can then be programmed to complete interoperable DER certification experiments at DER vendor facilities, certification laboratories, or research institutions. By sharing the codebase with all institutions, barriers to adoption steadily decrease. To demonstrate the approach, Underwriters Laboratories 1741 Supplement A volt-var and specified power factor test results from multiple laboratories are presented and compared.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,580
Score d'incertitude au seuil0,164

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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,224
Écart entre enseignants0,209 · 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'étudeExpérimental (laboratoire)
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

Citations17
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Security and ResilienceTravaux en français237 207