Notice bibliographique
Résumé
The objective of this editorial is to overview the content of the special issue “Machine Learning for Energy Systems”. This special issue collects innovative contributions addressing the top challenges in energy systems development, including electric power systems, heating and cooling systems, and gas transportation systems. The special attention is paid to the non-standard mathematical methods integrating data-driven black box dynamical models with classic mathematical and mechanical models. The general motivation of this special issue is driven by the considerable interest in the rethinking and improvement of energy systems due to the progress in heterogeneous data acquisition, data fusion, numerical methods, machine learning, and high-performance computing. The editor of this special issue has made an attempt to publish a book containing original contributions addressing theory and various applications of machine learning in energy systems’ operation, monitoring, and design. The response to our call had 27 submissions from 11 countries (Brazil, Canada, China, Denmark, Germany, Russia, Saudi Arabia, South Korea, Taiwan, UK, and USA), of which 12 were accepted and 15 were rejected. This issue contains 11 technical articles, one review, and one editorial. It covers a broad range of topics including reliability of power systems analysis, power quality issues in railway electrification systems, test systems of transformer oil, industrial control problems in metallurgy, power control for wind turbine fatigue balancing, advanced methods for forecasting of PV output power as well as wind speed and power, control of the AC/DC hybrid power systems with renewables and storage systems, electric-gas energy systems’ risk assessment, battery’s degradation status prediction, insulators fault forecasting, and autonomous energy coordination using blockchain-based negotiation model. In addition, review of the blockchain technology for information security of the energy internet is given. We believe that this special issue will be of interest not only to academics and researchers, but also to all the engineers who are seriously concerned about the unsolved problems in contemporary power engineering, multi-energy microgrids modeling.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».