MétaCan
Menu
Retour à la cohorte
Enregistrement W4416136354 · doi:10.1109/pesgm52009.2025.11224959

Transformer Load Distribution Optimization using Dynamic Power Dispatch in Commercial Buildings

2025· article· W4416136354 sur OpenAlexafffundabout
Hardeep Singh Atwal, Omar Kebedov, Kathy Manson, Ali Palizban, Constantin Pitis

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiquePower Quality and Harmonics
Établissements canadiensBritish Columbia Institute of TechnologyTetra Tech (Canada)Kelowna General Hospital
Organismes subventionnairesBCIT School of Energy
Mots-clésTransformerEnergy conservationPower (physics)Power gridDistribution transformerEnergy (signal processing)GridAC powerMeasure (data warehouse)Power system simulation

Résumé

récupéré en direct d'OpenAlex

On-Site measurements confirmed that dry-type distribution transformers (DDTs) supplying the electrical distribution grid (EDG) in commercial buildings (CB) are typically underloaded, therefore working at lower-than-expected efficiency values.Investigative research revealed a new active energy conservation measure (AECM) called Dynamic Power Dispatch (DPD). The DPD principle is based on the Unit Commitment (UC) algorithm with Objective Function of minimizing power losses in EDGs.This paper describes an applied research project that verifies the DPD concept leading to energy and power savings within EDG of CBs.Through calculations, simulations, and practical testing on a 1:1 physical model, the DPD methodology was verified.According to energy savings estimates for Canada, the DPD concept would have an estimated 83 GWh per year of energy savings in CBs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,831
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,276
Écart entre enseignants0,263 · 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 tête enseignante, pas un consensus.

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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même sujetPower Quality and HarmonicsTravaux en français237 207