Methods and applications for Artificial Intelligence, Big Data, Internet of Things, and Blockchain in smart energy management
Notice bibliographique
Résumé
Information technologies involving artificial Intelligence, big data, Internet of Things devices and blockchain have been developed and implemented in many engineering fields worldwide. Existing review articles focus on developments and characteristics of individual topics and the associated deployment in the energy sector. These technologies, all based on communication, information, and data analysis, are naturally coherent and integrable. This article reviews the literature and patents in four closely related fields and aims to provide a holistic view of how they are related and their integrability in relation to smart energy management strategies. Artificial intelligence models forecast energy use and load profiles as well as schedule resources to ensure reliable performance and effective utilization of energy resources. Training artificial intelligence models requires immense volumes of data. Utilizing big data systems and data mining enables the discovery of new functions and relationships, which determines the performance of artificial intelligence. Data mining also refines the information; thus, artificial intelligence is trained iteratively with more accurate data. Smart energy management can be further enhanced through advanced digital technologies like Internet of Things and blockchain. An Internet of Things platform containing edge, fog and cloud layers helps connect artificial intelligence to other hardware and software devices and systems. Furthermore, an Internet of Things platform efficiently transmits and stores data, improving access and availability to stakeholders for data mining. Emerging technologies such as blockchain and cryptocurrency facilitate energy trading and can be designed in the cloud layer of an Internet of Things platform to supplement data storage. Providing an efficient and seamless integration of artificial intelligence, big data, and advanced digital technologies will be an important factor in the emerging transition of the energy sector to a lower-carbon system.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
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 ».