Application prospect of integration of smart grid and Internet of Things technology in distribution automation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Power distribution and automation stand to gain greatly from the widespread use of connected devices made possible by the advent of the Internet of Things (IoT).The reliability of a SCADA (Supervisory Control and Data Acquisition) system has been extensively shown in the substation environment.The fundamental problem with distribution automation is the lack of distribution-side management, mostly from the ield's geographically dispersed workforce.As a result of their dispersed locations, there has been inadequate tracking of their distribution channels.The smart grid is a power system incorporating evolutionary computing, bidirectional communication, two-way electrical low, and real-time monitoring.Hence, this paper Internet of Things based Integrated Smart Grid Distribution Management System (IoT-ISGDMS) with fog computing has been presented that addresses issues such as power quality assurance, pole transformers health, and customer consumption in distribution automation.In this paper IoT-ISGDMS uses fog computing which analyzes distribution automation in real-time, making this possible.As a irst step, IoT-ISGDMS uses intelligent acceptance systems (IAS) to improve coordination between smart grids and other electronic infrastructures.The second step is to perform comprehensive data analysis, automatically recognize any possible problems, and offer more intelligent fault detection and diagnosis to cut down on time and money spent on maintenance.In conclusion, as the degree of system intelligence rises safeguarding data privacy and the safety of networks will become critical priority areas.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 découle