MétaCan
Menu
Retour à la cohorte
Enregistrement W2974303744 · doi:10.1109/jiot.2019.2942037

Energy Utilization-Aware Operation Control Algorithm in Energy Harvesting Base Stations

2019· article· en· W2974303744 sur OpenAlexaff
Haneul Ko, Sangheon Pack, Victor C. M. Leung

Notice bibliographique

RevueIEEE Internet of Things Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Research Foundation of KoreaKorea UniversityNational Research Foundation
Mots-clésEnergy consumptionComputer scienceBase stationEnergy (signal processing)Wireless sensor networkTransmission (telecommunications)Flexibility (engineering)Real-time computingComputer networkTelecommunicationsElectrical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Radio frequency (RF) energy transfer has received high attention as a promising technology for wireless sensor networks (WSNs) due to its flexibility of energy supply. However, unplanned RF energy transmissions may lead to increased energy consumption in the main grid. To address this problem, we first develop the energy queuing models for base station (BS) and sensor node (SN). Based on them, we propose an energy utilization-aware operation control algorithm (EU-OCA) to minimize the energy outage probabilities of SNs while maintaining the energy consumption of the main grid below a certain level. In EU-OCA, a controller determines jointly the active/sleep modes and the transmission powers of renewable energy-based BSs with the consideration of the statistical information on the energy arrival of BSs and the energy consumption of SNs. Evaluation results demonstrate that EU-OCA can achieve longer lifetime compared to other BS operation control algorithms while maintaining the energy consumption of the main grid below a target level.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,914
Score d'incertitude au seuil0,894

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 savante0,0000,001
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 Opus0,012
Tête enseignante GPT0,217
Écart entre enseignants0,205 · 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'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

Citations17
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Internet of Things JournalMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207