Optimal Resource Allocation For QOS Supports In Smart Grid Neighborhood Area Network
Notice bibliographique
Résumé
Smart grid is a utility network, with advanced information and communications technologies for improved control, efficiency, reliability and safety in electric power distribution and management. Smart grid communication network consists of three interconnected communication networks: home area network (HAN), neighborhood area network (NAN), and wide area network (WAN). Our thesis is focused on NAN. The information flow in smart grid communication networks has different Quality of Service (QoS) requirements in terms of packet loss rate, throughput, and latency. By deploying QoS mechanisms, we can get the real time feedbacks which can be used to supply electricity based on need, thus reducing the wastage of electricity. First, we conducted Opnet simulations for NAN. We evaluated two technologies, Zigbee and wireless local area network (WLAN), for NAN. The simulation results demonstrate that latency can be reduced for the data flow with a higher priority with an appropriate QoS mechanism. Next, we proposed an optimal resource allocation scheme to reduce delay and provide differentiated services, in terms of latency, to different classes of traffic in the NAN. The problem is formulated into a linear programming (LP) problem, which can be solved efficiently. The simulation results and comparison demonstrates that the proposed resource allocation scheme can provide overall lower latency of the various data flows. Our method also lowers the delay of the data flow with a higher priority.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».