An Internet of Things—Supervisory Control and Data Acquisition (IoT-SCADA) Architecture for Photovoltaic System Monitoring, Control, and Inspection in Real Time
Notice bibliographique
Résumé
The Internet of Things (IoT) serves as a key component to enhance operational efficiency and decision-making in the context of supervisory control and data acquisition (SCADA) systems. Featuring the improved system robustness and real-time parameters, including images of the load, a new design of SCADA system monitoring for a photovoltaic (PV) system based on dual IoT platforms is proposed in this paper. Two voltage sensors collect the voltages of the PV module and the battery, while three current sensors accumulate the current data from the PV module, the battery, and the load. ESP32-E assembles the data and then transmits them to the Arduino Cloud via MQTT for real-time display and ESP32-S3 via HTTP. The relay and the load are controlled by ESP32-E to turn ON/OFF based on the battery voltage as well. In addition, ESP32-S3 forwards the received data to ThingSpeak for advanced analysis, data storage, and real-time display via HTTP. The load images are also displayed on a camera web server built by ESP32-S3. Successfully monitoring for over 20 days, the proposed system demonstrated its robustness and versatility even during the downtime of the Arduino Cloud, with a one-day voltage measurement ranging to a maximum of 13 V and current ranging from zero amperes to 4.42 amperes. To add to this system, it incorporates visual load monitoring features, which are unseen in traditional systems.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».