Proposta de algoritmo para gerenciamento pelo lado demanda em residências através do corte de smart plugs
Bibliographic record
Abstract
Com o aumento da demanda de energia a cada ano e consequentes dificuldades no processo de distribuição da mesma, é necessidade das concessionárias encontrar saídas para conseguir suprir esse aumento, procurando técnicas além do aumento da infraestrutura. Uma dessas saídas é o gerenciamento pelo lado da demanda, que engloba diversas técnicas incluindo o deslocamento de carga, ou seja, ações para realizar o deslocamento da utilização de equipamentos do horário de pico para outro horário, incentivadas através de tarifas variáveis no tempo. Para dar suporte ao cliente nessas ações, visando benefícios para a concessionária e também reduções de gastos de energia do cliente, ultimamente vem sido bastante discutida a utilização de smart plugs como ferramenta de medição e de corte, auxiliada por algoritmos que possibilitem a automação e otimização das mesmas. O algoritmo desenvolvido no presente trabalho apresentou resultados satisfatórios, indicando os momentos que o consumidor deve evitar o consumo de energia em cada smart plug assim como auxiliar na redução do desperdício de energia, atuando no corte do consumo de aparelhos em standby.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".