MétaCan
Menu
Retour à la cohorte
Enregistrement W2907026133 · doi:10.1109/pimrc.2018.8580965

Impact of PMU and Smart Meter Applications on the Performance of LTE-based Smart City Communications

2018· article· en· W2907026133 sur OpenAlexaff
Filippo Malandra, Reza Pourramezan, Houshang Karimi, Brunilde Sansò

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Grid Security and Resilience
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésEnodeBSmart gridUnits of measurementAsynchronous communicationSmart meterComputer sciencePhasorReal-time computingMetering modeComputer networkUser equipmentEngineeringElectric power systemElectrical engineeringBase station

Résumé

récupéré en direct d'OpenAlex

Electrical distribution network operators require measurements from phasor measurement units (PMUs), micro-PMUs ( μPMUs), and smart meters (SMs) in order to develop efficient distributed management system (DMS) applications. The high data-rate transmission of those measurements is a burden to the underlying communication system and its feasibility needs to be investigated. In this paper, we propose a method to characterize the traffic generated by a DMS application in a smart city scenario and an analysis of its impact on a realistic LTE infrastructure. Real geographic data on the position of SMs, PMUs, and μPMUs are employed to accurately model this DMS application and its generated traffic. A realistic LTE infrastructure is used to measure the load of DMS traffic at each eNodeB. The impact of synchronous and asynchronous DMS traffic on the LTE access is discussed, and bottlenecks in the LTE communication network are identified.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,316
Score d'incertitude au seuil0,168

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 Opus0,022
Tête enseignante GPT0,261
Écart entre enseignants0,240 · 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'étudeObservationnel
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

Citations11
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSmart Grid Security and ResilienceTravaux en français237 207