XiaoMi-AI文件搜索系统
World File Search System优化设计
使用热量和功率组合的可再生能源系统优化设计和调度
免责声明本文件是作为由美国政府机构赞助的工作的帐户准备的。美国政府和劳伦斯·利弗莫尔国家安全，有限责任公司，或其任何雇员均不对任何信息，设备，产品或流程的准确性，完整性或有用性承担任何法律责任或责任，或承担任何法律责任或责任，或者代表其使用不会侵犯私有权利。以本文提及任何特定的商业产品，流程或服务，商标，制造商或其他方式不一定构成或暗示其认可，建议或受到美国政府或Lawrence Livermore National Security，LLC的认可。本文所表达的作者的观点和意见不一定陈述或反映美国政府或劳伦斯·利弗莫尔国家安全，有限责任公司的观点和观点，不得用于广告或产品代表目的。
基于机器学习的优化设计，可弯曲壳1
＆这些作者为这项工作做出了同样的贡献，应被视为联合第一作者 *通讯作者。电子邮件地址：zwhdwy@hnu.edu.cn（W。H Zhang）; thuangsq@jnu.edu.cn（S.Q。 黄）。电子邮件地址：zwhdwy@hnu.edu.cn（W。H Zhang）; thuangsq@jnu.edu.cn（S.Q。黄）。
将水动力能融入混合可再生能源系统：优化设计与比较分析
摘要：可再生能源和能源效率措施是减少二氧化碳排放的有效手段。太阳能和风能技术主要是为了满足离网偏远地区或没有电网连接地区的能源需求而开发的。然而，众所周知，这些资源的发电量受到日常波动和季节性变化的影响。减轻这种影响的一种方法是将水动力资源纳入能源系统，但这种方法尚未得到很好的研究。因此，本研究探讨了设计一种混合系统的前景，该系统将水动力能整合到离网区域进行电气化。水动力能的产生取决于水流速度 (WFV)。我们采用基于模型的方法估计 WFV，以地理和天气数据作为输入。结合微电网中其他组件（风力涡轮机、光伏板、电池和柴油发电机）的模型，以总净现值成本和能源成本作为性能标准，制定了一个优化问题。遗传算法 (GA) 用于解决该问题，以确定最佳系统配置。将我们的方法应用于尼日利亚的一个小社区，我们的研究结果表明附近河流的流速在 0.017 到 5.12 米/秒之间，平均流速为 0.71 米/秒。最终的最佳微电网由 320 千瓦光伏、120 台 6.91 千瓦时电池、2 台（27 千瓦）水力涡轮机、一台 120 千瓦转换器、零风力涡轮机和一台 100 千瓦柴油发电机组成。因此，每年产生的总能量将达到 471,743 千瓦时，其中 12% 来自水力能。总净现值成本、能源成本和资本成本分别为 1,103,668 美元、0.2841 美元/千瓦时和 573,320 美元。
混合可再生能源系统的优化设计，包括电网...
摘要：可再生能源是减少二氧化碳排放和提供可靠电力的最佳解决方案。本研究旨在综合考虑经济、环境和技术因素，找到各种组件的最佳组合。最重要的考虑因素是由于土地限制而限制使用光伏电池板，以及在柴油发电机和电网发电时施加二氧化碳惩罚。研究结果表明，即使在电网供电充足、停电次数最少的地区，混合系统供电也是有用的。对于负载需求为 890 kWh/天、峰值负载为 167.2 kW 的案例研究区域，建议组件（包括光伏、生物发电机、柴油发电机、电池和电网）的最佳组合是包括光伏、生物发电机、柴油发电机和电池的离网混合系统。优化结果显示，NPC（系统生命周期内投资和运营成本的现值）为 102 万美元，COE（系统产生的有用电力的人均平均成本）为 0.188 美元/千瓦时。最后，由于显示了不同条件对优化结果的影响，并使该研究可用于案例研究区域的其他情况，因此进行了一些敏感性分析。
改进的Mayfly算法用于混合光伏系统优化设计...
摘要 本文介绍了中国毛乌素沙漠偏远地区混合可再生 PV/DG/电池系统的最佳规模选择。其思路是通过最小化混合系统的年总成本来选择最佳数量的 PV 板、DG 和电池存储单元。该问题的优化是基于一种新的改进版本的 Mayfly 算法 (IMA) 进行的，该算法的引入是为了提高优化在准确性、收敛性和一致性方面的有效性。将所提算法的仿真结果与一些不同的优化算法进行了比较，以显示该方法的突出性。所提出的方法表明，优化系统的最佳数量包括 28 块 PV 板、88 个电池单元和 1 个 DG 单元。最终结果表明，与其他系统相比，利用建议的混合系统可以使系统运行成本最低。
使用元启发式技术对生物医学植入物的电感耦合线圈进行优化设计
1. Lakhdari, A：无线能量传输系统的开发：生物医学领域的应用。（2020 年）。2. Heidarian, M. 和 Burgess, SJ（2020 年）。一种优化谐振线圈和电感链路能量传输的设计技术。IEEE 微波理论与技术学报，69 (1)，399-408。3. Gosselin, B.（2011 年）。神经记录微系统的最新进展。传感器，11 (5)，4572-4597。4. Tianjia Sun、Xiang Xie 和 Zhihua Wang：用于医疗微系统的无线能量传输。（2013 年）。5. Kiani, M. 和 Ghovanloo, M.（2012 年）。设计高性能感应电能传输链路的品质因数。IEEE 工业电子学报，60 (11)，5292-5305。6. Mirbozorgi, SA (2015)。用于植入式医疗设备的高性能无线电源和数据传输接口。7. Kiani, M.、Jow, UM 和 Ghovanloo, M. (2011)。设计和优化 3 线圈感应链路以实现高效的无线电能传输。IEEE
使用 Bat 算法对微型水力发电厂负载频率控制的储能进行优化设计 Muhammad Ruswandi Djalal 1*，Nasrun Kad
摘要 发电机的转速影响产生的频率和电压，而这种变化会影响负载侧。为此，我们需要一种能够优化微水力发电性能的控制设备。因此，我们需要一种通过应用负载频率控制 (LFC) 来优化微水力发电性能的技术。LFC 通过实施超导磁能存储 (SMES) 和电容能存储 (CES) 而设计，此应用将提供功率补偿以减少甚至消除由消费者电力负载变化引起的频率振荡。为了获得最佳的微水力发电性能，必须为 SMES 和 CES 设置正确的参数。本研究中的 SMES 和 CES 参数调整提出使用 Bat 算法。该算法使用的目标函数是优化积分时间绝对误差 (ITAE)。对于性能分析，在负载变化的情况下测试系统，然后分析调速器、涡轮机和系统频率响应。为了测试系统的可靠性，本研究采用了几种控制、SMES、CES 与基于比例、积分、微分 (PID) 的传统控制相结合的方案。正确的控制参数将更优化地改善系统性能。最佳系统性能可以从调速器、涡轮机的响应和频率的最小超调以及系统切换到稳定状态的快速稳定时间中看出。
![利用人工智能（AI）技术和电磁学的优化设计[II/完整]](/simg/9/9387ec6c0b051bb435b36d1f49766d3c18604346.png)
利用人工智能（AI）技术和电磁学的优化设计[II/完整]
(1) R. Gómez-Bombarelli, J.N.魏，D. Duvenaud，J.M.Hernandez-Lobato、B. Sanchez-Lengeling、D. Sheberla、J. Aguilera-Iparraguirre、T.D.希泽尔 R.P.亚当斯和 A.Aspuru-Guzik.，“使用数据驱动的分子连续表示进行自动化学设计”，ACS Central Science，卷。4，没有。2，第268-276，2018 年 2 月。(2) T.Guo, D.J.Lohan 和 J.T.Allisony，“使用变分自动编码器和风格迁移进行拓扑优化的间接设计表示”，AIAA 2018-0804。https://doi.org/10.2514 / 6.2018-0804，2018年。(3) S. Oh、Y. Jung、S. Kim、I. Lee 和 N. Kang，“深度生成设计：拓扑优化与生成模型的集成，”J.机械设计，卷。141，号。11, 111405, 2019.(4) 五十岚一，伊藤桂一，《人工知能(AI)技术と电磁気学を用いた最适设计［I］──トポロジー最适化──，》信学志，卷．105，没有。1. 页2022 年 33-38 日。(5) H. Sasaki 和 H. Igarashi，“深度学习加速拓扑优化”，IEEE Trans。Magn.，卷。55，没有。6，7401305，2019。(6) J. Asanuma、S. Doi 和 H. Igarashi，“通过深度学习进行迁移学习：应用于电动机拓扑优化, ” IEEE Trans.Magn., 卷。56, no.3, 7512404, 2020.(7 ) T. Aoyagi、Y. Otomo、H. Igarashi1、H. Sasaki、Y. Hidaka 和 H. Arita，“使用深度学习进行拓扑优化预测电流相关电机扭矩特性”，将在 COMPUMAG2021 上发表。(8) R.R.Selvaraju、M. Cogswell、A. Das、R. Vedantam、D. Parikh 和 D. Batra，“Grad-CAM：来自深层的视觉解释网络通过基于梯度的定位，” Proc.IEEE Int.Conf.计算机视觉 ( ICCV )，第< div> 618-626，2017 年。(9) H. Sasaki、Y. Hidaka 和 H. Igarashi，“用于电动机设计的可解释深度神经网络”，IEEE Trans。Magn.，卷57，号6，8203504，2021。(10) X.Y.Kou，G.T.Parks，和 S.T.< div> Tana，“功能优化设计
![利用人工智能（AI）技术与电磁学进行优化设计 [I]](/simg/e/e2b202296b0567a88b2efb733a168494aa2a8937.png)
利用人工智能（AI）技术与电磁学进行优化设计 [I]
(1) MP Bendsøe 和 N. Kikuchi，“使用均质化方法在结构设计中生成最佳拓扑”，Comp. Methods in Appl. Mech. Eng.，第 71 卷，第 197-224 页，1988 年。 (2) MP Bendsøe 和 O. Sigmund，拓扑优化，理论、方法和应用，Springer，2004 年。 (3) Hidenori Sasaki 和 Hajime Igarashi，“使用傅里叶级数对 IPM 电机进行拓扑优化”，Journal of Electrical Engineering (B)，第 137 卷，第 3 期，第 245-253 页，2017 年 3 月。 (4) Y. Tsuji 和 K. Hirayama，“使用基于函数扩展的折射率分布的拓扑优化方法设计光路设备”，IEEE Photonics Technol. Lett.， (5) T. Sato、H. Igarashi、S. Takahashi、S. Uchiyama、K. Matsuo 和 D. Matsuhashi，“使用拓扑优化实现内置永磁同步电机转子形状优化”，《电气工程杂志 (D)》，第 135 卷，第 3 期，第 291-298 页，2015 年 3 月。 (6) S. Kobayashi，“实数编码 GA 的前沿”，《人工智能杂志》，第 24 卷，第 1 期，第 147-162 页，2009 年 1 月。 (7) T. Sato、K. Watanabe 和 H. Igarashi，“基于正则化高斯网络的电机多材料拓扑优化”，《IEEE 会刊》， (8) S. Hiruma、M. Ohtani、S. Soma、Y. Kubota 和 H. Igarashi，“参数和拓扑优化的新型混合：应用于永磁电机，”IEEE Trans. Magn.，第 57 卷，第 7 期，8204604，2021 年 (9) Y. Otomo 和 H. Igarashi，“用于无线电源传输设备的磁芯 3-D 拓扑优化，”IEEE Trans. Magn.，第 55 卷，第 6 期，8103005，2019 年。 (10) K. Itoh、H. Nakajima、H. Matsuda、M. Tanaka 和 H. Igarashi，“使用带归一化高斯网络的拓扑优化开发用于缝隙天线的小型介电透镜，”IEICE Trans. Electron.， E101-C 卷，第 10 期，第 784-790 页，2018 年 10 月。 (11) N. Hansen、SD Müller 和 P. Koumoutsakos，“通过协方差矩阵自适应降低去随机化进化策略的时间复杂度（CMA-ES），”进化计算，第 11 卷，第 1 期，第 1-18 页，2003 年。 (12) N. Aage、E. Andreassen、BS Lazarov 和 O. Sigmund，“用于结构设计的千兆体素计算形态发生”，自然，第 550 卷，23911，2017 年。