MétaCan
Menu
Retour à la cohorte
Enregistrement W4402208517 · doi:10.1109/ojies.2024.3454010

Real-Time Cyber-Physical Digital Twin for Low Earth Orbit Satellite Constellation Network Enhanced Wide-Area Power Grid

2024· article· en· W4402208517 sur OpenAlexafffund
Tianshi Cheng, Tong Duan, Venkata Dinavahi

Notice bibliographique

RevueIEEE Open Journal of the Industrial Electronics Society · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésConstellationSatellite constellationLow earth orbitSatelliteComputer sciencePower gridGridDigital EarthPower (physics)Remote sensingGeodesyGeographyAstronomyPhysics

Résumé

récupéré en direct d'OpenAlex

Low Earth orbit (LEO) satellite networks, such as SpaceX's Starlink, offer enhanced communication potential for contemporary power grid measurement and control. Yet, the dynamic nature of these networks complicates their modeling and simulation. This study introduces a modular, data-oriented digital twin framework for real-time simulation of wide-area ac–dc grids with LEO satellite networks. The framework integrates RustSat for satellite tracking, SatSDN with MiniNet for SDN simulations, and entity-component-system (ECS)-Grid for real-time power system simulation. It features a data-centric design using an ECS framework with a structure-of-arrays memory layout, optimizing cache efficiency and computational performance, and offers high extensibility for interdisciplinary simulations. This marks the initial effort to develop a digital twin for real-time co-simulation of large-scale power systems and LEO satellite constellation networks. Evaluations on a wide-area synthetic ac–dc system with multiple satellite network types confirm the efficiency and precision of our approach, underscoring its potential in bridging LEO satellite networks with power system applications.

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)0,001
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,018
Tête enseignante GPT0,243
Écart entre enseignants0,225 · 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

Citations9
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Open Journal of the Industrial Electronics SocietyMême sujetDigital Transformation in IndustryTravaux en français237 207