MétaCan
Menu
Retour à la cohorte
Enregistrement W2979928930 · doi:10.1109/ccece.2019.8861827

Development of an IoT Based Open Source SCADA System for PV System Monitoring

2019· article· en· W2979928930 sur OpenAlexaff
Lawrence Oriaghe Aghenta, M. Tariq Iqbal

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT-based Smart Home Systems
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésSCADAPhotovoltaic systemSupervisory controlArduinoEmbedded systemComputer scienceData acquisitionProgrammable logic controllerReal-time computingRemote monitoring and controlCloud computingEngineeringOperating systemElectrical engineeringControl (management)

Résumé

récupéré en direct d'OpenAlex

This paper presents the development of a low cost, open source Supervisory Control and Data Acquisition (SCADA) system for solar photovoltaic (PV) system monitoring and remote control. The proposed SCADA system is based on the Internet of Things (IoT) SCADA architecture which incorporates web services with the conventional SCADA for a robust supervisory control and monitoring. It comprises of analog Current and Voltage sensors for acquiring the desired data from the solar PV system, Arduino Uno micro-controller which serves as a Remote Terminal Unit to receive the acquired sensor data, Raspberry Pi with a Node-RED programming tool for parsing the acquired data (Communication Channel), and Emoncms Local Server IoT Platform for data storage, monitoring and remote control (Master Terminal Unit). The developed SCADA system was set up to monitor and control a 260W, 12V solar PV panel in the Electrical and Computer Engineering Laboratory at Memorial University, and some of the created Dashboards and Charts showing the acquired data on Emoncms server where an operator can monitor the data in the cloud using both a computer with internet access, and Emoncms mobile app are presented in the paper.

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)0,000
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,017
Tête enseignante GPT0,228
Écart entre enseignants0,212 · 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIoT-based Smart Home SystemsTravaux en français237 207