MétaCan
Menu
Retour à la cohorte
Enregistrement W7093363632 · doi:10.1109/tii.2025.3618649

Real-Time Digital-Twin for Synergistic Interaction of SMRs and Sustainable Power Systems

2025· article· en· W7093363632 sur OpenAlexafffund

Notice bibliographique

RevueIEEE Transactions on Industrial Informatics · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensPowertech Labs (Canada)University of Alberta
Organismes subventionnairesAlberta InnovatesMitacs
Mots-clésScalabilityWind powerModular designGigabit EthernetRenewable energyElectric power systemCommunications protocolEthernetSmart grid

Résumé

récupéré en direct d'OpenAlex

Amid the challenges of digitalization, coordination complexities, and uncertainty in integrating diverse energy sources, digital-twin technology and small modular reactors (SMRs) are increasingly emerging as cutting-edge tools and technical pathways to address these issues. Against this backdrop, this article proposes a modular, scalable real-time digital-twin (RTDT) and surrogate physical-twin (SPT) collaborative hardware framework that predicts and responds to anomalies six times faster-than-real-time, while also addressing simulation interface issues across multiple physics modalities. The proposed system, deployed on a multiembedded field-programmable gate arrays platform, facilitates communication via the Aurora 64b/66b protocol and gigabit Ethernet based on IEEE 802.3, evaluating the impact of latency and data integrity on real-time performance. The SPT case study explores interactions among SMRs, the IEEE 39-bus system, and the CIGRÉ B4 DC grid with wind farms. The RTDT-SPT platform highlights the advantages of integrating next-generation advanced nuclear technology, renewable energy, and digital management systems by enhancing the coordination of SMRs in primary and secondary frequency control, reactor-leading mode, and turbine-leading modes, effectively smoothing the volatility of wind power generation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,904
Score d'incertitude au seuil0,921

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,240
Écart entre enseignants0,223 · 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.

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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial InformaticsMême sujetDigital Transformation in IndustryTravaux en français237 207