MétaCan
Menu
Retour à la cohorte
Enregistrement W3127355168 · doi:10.1109/epec48502.2020.9320082

Modelling Prime Diesel Electric Generator Fuel Consumption across Genset Sizings

2020· article· en· W3127355168 sur OpenAlexaffabout
Patrick Giles, Michael Ross, Spencer Sumanik

Notice bibliographique

Revue2020 IEEE Electric Power and Energy Conference (EPEC) · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueEnergy Load and Power Forecasting
Établissements canadiensYukon University
Organismes subventionnairesnon disponible
Mots-clésDiesel generatorDiesel fuelPrime moverSizingFuel efficiencyGenerator (circuit theory)Automotive engineeringPopulationEngineeringPower (physics)PhysicsChemistry

Résumé

récupéré en direct d'OpenAlex

This study investigates a general model for fuel consumption of prime diesel generators within a set range of loadings. The model is parametrized by the rated power output, or sizing, of a generator. This research gives insight into generator fuel consumption characteristics across a wider population of generators to provide a general estimate of fuel consumption for a given sizing. Manufacturer data sheets containing fuel consumption measurements are collected online and through electric power utilities in the Canadian territories for 40 unique diesel generator sizings. The sizing group effects are accounted for through a non-pooled and multilevel regression. Subsequent estimates of linear parameters across generator sizings are modelled through ordinary least squares to obtain the desired model for fuel consumption. The generality and adequacy of this model is investigated through simulation and selected fresh data sources. The general model for prime diesel generator fuel consumption serves as a useful estimate or approximation for subsequent work that requires a general fuel efficiency estimate.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,215
Écart entre enseignants0,193 · 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
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

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2020 IEEE Electric Power and Energy Conference (EPEC)Même sujetEnergy Load and Power ForecastingTravaux en français237 207