XiaoMi-AI文件搜索系统
World File Search System实际值
基于模糊推理的能源管理系统优化的可再生能源与电池存储系统优化配置
摘要：规划可再生能源和电池存储系统的最佳运行的主要问题是必须考虑覆盖整个观察期的数据量。如果观察期为一年，则考虑特征日或平均数据（每日、每周或每月平均值）以减少数据量。由于输入数据的平均值与实际值不同，最好使用年度级别的每小时或 15 分钟数据。该研究提出了一个解决可再生能源和电池存储系统优化分配和运行问题的框架。所提出的方法同时解决了考虑年度级别的每小时数据的优化分配和能源管理问题。提出了基于模糊推理的系统来调度电池存储系统和可再生能源的最佳配置。开发的模糊推理系统管理光伏和风力发电系统的功率因数、沼气厂的功率因数和输出以及电池存储系统的运行状态。所提出的方法同时找到了能源管理系统的最优参数以及可再生能源和电池存储系统的最优分配和运行。所开发的方法基于稳态功率流的计算。所提出的方法将在设计阶段用于安装各种可再生能源和电池存储系统。此外，该方法还旨在用于在稳态运行期间最优地控制能源的功率输出和储能系统的运行，以便以最小的年有功电能损耗运行配电网。所开发的方法应用于具有 37 个节点的测试配电系统 IEEE。与没有可再生能源和电池存储系统的基准情况相比，测试配电系统的年能源损耗减少了约 80%。
使用人工智能（AI）的医疗诊断系统
图 1：诊断过程的框图 2.相关工作 在这一部分，我们将讨论已经在使用或正在审查的技术和技术。 Van Mourik 等人 [14] 进行了一项关于医院相关感染的机器驱动监测系统的调查。 Luo 等人 [15] 将此疾病与转移性合胞病毒 (RSV) 一起进行了审查，RSV 是一种导致细支气管炎的根本原因。 Bhattacharjee 等人 [16] 进行了一项科学审查，以研究医院感染检测的这一最新趋势。 Sinha 等人 [17] 对感染进行了另一项研究。他们报告了血培养检测感染的一些缺点。 简而言之，这是一项通过机器学习和深度学习技术对疾病预测进行全面审查的努力。此外，与文献中现有的调查文章不同，这项研究集中于一系列特定疾病，包括心血管疾病、神经疾病、前列腺、肝病和肾病。2.模糊逻辑与疾病诊断逻辑是一种多值逻辑，其中变量的实际值可以是十进制数，也可以是零到一之间的任何复数。通常，如图 2 所示的用于疾病识别的模糊逻辑过程由以下步骤创建。1）模糊器：模糊化过程由模糊器完成。它是一种将明确的输入值调整为模糊集的方法。因此，模糊器用作从观察输入到模糊值的映射。2）推理引擎：在完成模糊化过程时，推理引擎使用一组规则处理的模糊值作为认知内容的一组规则。 3）知识库：这是模糊逻辑系统的主要组成部分。整个模糊系统取决于
经济预测报告
（实际值） （预测值） 2023 2024 2024 一月至三月 四月至六月 七月至九月 十月至十二月 一月至三月 四月至六月 七月至九月 1 实际 GDP（与上一季度相比变化） 1.2 0.6 -1.0 0.1 -0.6 0.5 0.2 2 实际 GDP（与上一季度相比变化，年化） 5.0 2.6 -4.0 0.4 -2.4 2.2 0.9 3 国内需求（贡献） 1.3 -1.0 -0.8 0.0 -0.2 0.6 0.5 4 私人需求（贡献） 1.1 -0.8 -0.8 0.1 -0.2 0.4 0.6 5 私人最终消费支出 0.8 -0.7 -0.4 -0.3 -0.6 0.7 0.9 6 私人住房 0.7 1.2 -0.9 -1.0 -2.9 1.4 -0.1 7 私人商业设备 2.3 -2.2 -0.1 2.1 -0.4 0.9 -1.0 8 私人库存变化（贡献） 0.4 0.0 -0.6 -0.1 0.3 -0.1 0.1 9 公共需求（贡献） 0.1 -0.2 0.0 -0.1 0.0 0.2 0.1 10 政府最终消费支出 0.0 -1.2 0.5 -0.1 0.3 0.1 0.5 11 公共固定资本形成 2.5 1.0 -2.0 -1.7 -1.1 4.1 -0.9 12 外部需求（贡献） -0.1 1.7 -0.3 0.2 -0.5 -0.1 -0.3 13 出口 -2.1 3.1 0.2 2.9 -4.5 2.6 0.4 14 进口 -1.6 -4.1 0.9 2.4 -2.4 2.9 2.1 15 名义 GDP 2.3 2.0 -0.0 0.7 -0.3 1.8 0.7 16 GDP 平减指数（同比变化） 3.0 3.9 5.0 4.1 3.3 3.1 2.7 17 实际国内生产总值（同比变化） 2.5 2.0 1.2 0.9 ▲ 0.9 ▲ 1.0 0.2
使用先进的机器学习
使用高级机器学习（ML）的物理信息建模（PIM）代表混凝土技术领域的范式转变，提供了科学严谨和计算效率的有效融合。通过利用基于物理原理和数据驱动算法之间的协同作用，PIM-ML不仅简化了设计过程，还可以增强混凝土结构的可靠性和可持续性。随着研究继续完善这些模型并验证其性能，他们的采用有望彻底改变整个全球建筑项目中混凝土材料的设计，测试和利用。在这项研究工作中，一项广泛的文献综述，生成了一个全球代表性数据库，用于沉迷于可回收骨料混凝土的裂纹拉伸强度（FSP）。测量并列出了研究的混凝土组件，例如C，W，NCAG，PL，RCAG_D，RCAG_P，RCAG_WA，VF和F_TYPE。将收集的257个记录分为200个记录（80％）的培训集和57个记录（20％）的验证集（20％），以与数据库的更可靠分区相符。使用“ WEKA数据挖掘” 3.8.6版创建的五种高级机器学习技术用于预测FSP，并且还使用了Hoffman＆Gardinger方法和性能指标分别评估变量和ML模型的灵敏度和性能。结果表明，KSTAR模型证明了模型之间的性能和可靠性水平最高，以0.96的r 2为0.96，精度为94％。其RMSE和MAE在0.15 MPa时均较低，表明预测和实际值之间的偏差很小。其他指标，例如WI（0.99），NSE（0.96）和KGE（0.96），进一步证实了该模型的效率和一致性，使其成为实用应用的最可靠工具。的灵敏度分析还表明，水含量（W）在40％处发挥了最大的影响，这表明混合物中的水量是实现最佳拉伸强度的关键因素。这强调了需要仔细的水管理以平衡可持续混凝土生产中的可行性和力量。粗大的天然聚集物（NCAG）具有38％的实质影响，表明其在维持混凝土混合物的结构完整性中的重要作用。
可靠性分析具有不同开关的温暖待机系列平行系统和生命周期的寿命
已广泛研究了系统可靠性，以确保系统的安全和操作。保持高性能或可用性的性能通常是必不可少的，而冗余是一种有效的技术，它是方便的操作和短时间内的。冗余方法已在各种关键基础架构中用于提高系统可靠性[13，35，43，45]。转换开关在冗余系统中起重要作用。开关故障即使系统元素正在运行，也可以影响系统的可靠性。因此，已经在系统中考虑了不完善的转换开关，并且已经由许多学者研究[17,34,36]。温暖的待机是提高应用程序可靠性的实际冗余技术之一。基于概率理论的温暖待机系统的可靠性分析已被许多学者（例如她和Pecht [32]，Li等人）广泛研究。[19]，Yuan和Meng [40]，依此类推。尽管事实证明概率理论对系统可靠性分析有效，但我们需要长期累积频率才能近似实际值，以估算元素寿命的概率分布，这意味着统计数据需要大量观察数据。实际上，由于技术或经济的困难，我们通常无法准确获得完整的数据。使用概率理论处理系统可靠性存在局限性。在1965年，扎德[41]提出了模糊理论，并定义了一些模糊集的概念。在1975年，考夫曼[15]将模糊理论引入了可靠性工程。模糊理论在理论和工程学中都有一般应用。例如，模糊系统的可靠性[12,14,16,31]，图片模糊编号[2]，模糊软图[3]，模糊逻辑关系[20]等。尽管概率理论和模糊理论已广泛应用于可靠性分析中，但刘[22]声称某种不确定性既不是随机性也不是模糊性。为了处理人类的不确定性现象，不确定性理论于2007年建立[22]，并于2010年对其进行了重新构建[24]。如今，不确定性理论已应用于不同的领域，例如不确定的可靠性分析[8、11、28、37、42、44、46]，不确定的优化[38]，不确定图[21]，不确定的积分[39]，不确定的[39]，不确定的序列[5]等。
共识经济预测委员会报告 2024 年 11 月 1 日
摘要 缅因州共识经济预测委员会 (CEFC) 于 2024 年 10 月 25 日召开会议，审查并修订其到 2029 年的预测。此次会议以委员会 2024 年 2 月 1 日的预测更新为基础，纳入了所有相关基线数据的最新更新。这包括修订后的实际值，包括美国经济分析局 (BEA) 对 2023 年个人收入的修订。本报告总结了委员会的调查结果。在秋季预测会议之前，CEFC 举行了一次信息收集会议，会议摘要可在线获取。CEFC 继续认识到近期经济状况的持续不确定性，但在其预测中并不认为会出现衰退。未来几年净移民可能会呈正增长，并可能在未来的就业供需中发挥作用。未来对劳动力的部分需求可能会通过生产力提高来满足。 CEFC 指出，通胀已经缓和，美联储在实现“软着陆”的使命中，预计将继续推行将通胀限制在目标水平的政策。总体而言，医疗保健和社会援助部门的就业率已经恢复，略高于疫情前的水平。然而，一些子行业——如医院和养老院——正面临劳动力短缺和财务困境。CEFC 指出，人口结构变化、可能的职位空缺放缓以及全球地缘政治紧张局势是持续经济增长的主要风险。根据缅因州劳工部的信息，委员会对所有预测年份的工资和薪金就业预测保持不变。委员会将 2024 年个人总收入增长预测从 4.7% 上调至 5.3%。2025 年的预测保持不变（4.4%）。委员会对所有剩余预测年份都进行了小幅上调，2026 年从 4.3% 上调至 4.4%，2027 年从 4.2% 上调至 4.4%，2028 年从 4.2% 上调至 4.3%，2029 年从 4.2% 上调至 4.3%。对于个人收入的所有组成部分，2024 年的修订是根据美国经济分析局报告的 2024 年前两个季度相对于 2023 年同期的增长情况做出的。2024 年工资和薪金收入增长预测从 5.0% 上调至 6.0%。委员会维持其余预测年份不变。工资和薪金补贴增长预测从 3.5% 上调至 2024 年的 6.5%。其余年份的预测也进行了上调，以更接近穆迪分析和标准普尔的预测。委员会将 2025 年和 2026 年的预测从 3.5% 上调至 4.0%，将 2027-2029 年的预测从 3.0% 上调至 3.5%。非农业主收入增长预测从 2024 年的 5.0% 上调至 6.0%。其余年份的预测均从 3.0% 上调至 4.0%，以更接近穆迪分析和标准普尔的预测。2024 年股息、利息和租金 (DIR) 增长预测从 5.5% 上调至 6.0%。委员会维持其余预测年份不变。2024 年个人经常转移收入增长预测从 3.5% 下调至 2.3%。委员会维持其余预测年份不变。
伯灵顿市电力部 2023 年综合...
图 2-9：2022 年净头寸（不含 McNeil）......................................................................................................................... 65 图 2-10：2022 年净头寸......................................................................................................................................... 65 图 2-11：BED 的容量义务和发电资源提供的容量 ......................................................................................... 66 图 2-12：截至 2023 年 6 月的 BED Tier 1 要求和合格资源 ............................................................................. 67 图 2-13：截至 2023 年 6 月的 BED Tier 2 要求和合格资源 ............................................................................. 68 图 2-14：截至 2023 年 6 月的 BED Tier 3 要求和合格资源 ............................................................................. 69 图 2-15：资源比较 ......................................................................................................................................... 98 图 3-1：BED 历史年度峰值/最小负荷 ............................................................................................................. 100 图 3-2：系统损耗 ................................................................................................................................................ 103 图 3-3：变压器负荷报告示例 ...................................................................................................................... 108 图 3-4：伯灵顿历史 SAIFI 值 ...................................................................................................................... 112 图 3-5：伯灵顿历史 CAIDI 值 ...................................................................................................................... 112 图 3-6：伯灵顿历史动物接触停电次数 ...................................................................................................... 116 图 4-1：伯灵顿 1960-2022 年的总能源使用量 ............................................................................................. 131 图 4-2：2015-2022 年能源效率年度 MWh 节省量和第一年能源节省成本 ............................................................................................................. 133 图 4-3：2015-2022 年按主要最终用途划分的能源效率 MWh 节省量 ............................................................................................................. 135 图 4-4：EEU 资源收购预算预测，2024 年至 2043 年 .............................................................................. 135 图 4-5：EEU 年度增量 MWh 节省量实际值和预测值，2012 年至 2043 年 ........................................................ 136 图 4-6：EEU 累计 MWh 节省量预测，经通胀调整，2024 年至 2043 年 ........................................................ 137 图 4-7：预测商业 EEU MWh 节省量（按最终用途），2024 年至 2043 年 ........................................................ 137 图 4-8：预测住宅 EEU MWh 节省量（调整后），2024 年至 2043 年 ........................................................ 138 图 4-9：预测 EEU 第一年节省能源成本（调整后），2024 年至 2043 年 ............................................................. 139 图 4-10：2017 年至 2032 年 Tier III 计划实际活动和预测活动......................................................................................... 140 图 4-11：按计划区域划分的年度 Tier III 激励措施......................................................................................................... 142 图 4-12：2017 年至 2022 年电动汽车 Tier III 激励措施......................................................................................................... 146 图 4-13：预计电动汽车激励措施——低、基准和高情况......................................................................................................... 147 图 4-14：预测的电池供电轻型汽车的 MWh 销售量与总 MWh 销售量的比较............................................................................................................................. 148 图 4-15：家庭电动汽车充电负荷概况与公共/工作场所电动汽车充电负荷概况 ............................................................................................. 149 图 4-16：预计电动汽车累计温室气体减排量部署，2020-2042 年 ...................................................................................................................... 150 图 4-17：电动汽车客户成本测试结果 ...................................................................................................................... 152 图 4-18：电动汽车公用事业成本测试结果 ...................................................................................................................... 153 图 4-19：电动汽车社会成本测试结果 ...................................................................................................................... 154 图 4-20：预计电动公交车兆瓦时销售量，2020-2042 年 ...................................................................................................... 155 图 4-21：GMT 电动公交车充电概况，2022 年 8 月 ...................................................................................................... 156 图 4-22：预计电动公交车部署带来的温室气体减排量 ............................................................................................. 157 图 4-23：电动公交车客户影响测试结果 ................................................................................................................ 158 图 4-24：电动公交车公用事业成本测试结果........................................................................................................... 159 图 4-25：电动公交车社会成本测试结果................................................................................................................... 160 图 4-26：2014 年至 2022 年 BED 自有 EVSE 兆瓦时销量和用户数量......................................................................... 161 图 4-27：2020 年至 2042 年工作场所 EVSE 充电销量......................................................................................... 163 图 4-28：2 级工作场所 EVSE 客户影响测试结果......................................................................................... 164 图 4-29：2 级工作场所 EVSE 公用事业成本测试结果..................................................................................... 165 图 4-30：2 级工作场所 EVSE 社会成本测试结果 ............................................................................................. 165 图 4-31：伯灵顿热泵累计安装量，2017 年至 2022 年 .............................................................................. 166 图 4-32：预计住宅热泵安装数量（累计），2022 年至 2042 年 ...................................................................... 167 图 4-33：预计热泵 MWh 销售量（仅供暖），2022 年至 2042 年 ............................................................................. 168 图 4-34：典型的寒冷气候热泵负荷曲线 ............................................................................................. 169 图 4-35：预计热泵部署带来的累计温室气体减排量，2020 年至 2042 年
采用基于模糊逻辑的智能控制器的混合可再生能源生产系统
UDC 621.3 https://doi.org/10.20998/2074-272X.2022.3.07 M. Ali Moussa、A. Derrouazin、M. Latroch、M. Aillerie 使用基于模糊逻辑的智能控制器的混合可再生能源生产系统简介。本文提出了一种改进的能源管理和优化系统，该系统采用基于模糊逻辑技术的智能经济策略，具有多个输入和输出 (I/O)。它用于控制由光伏太阳能电池板、风力涡轮机和电网辅助的电能存储系统构建的混合电能源。这项工作的新颖之处在于，太阳能光伏、风力涡轮机和存储系统能源优先于电网，仅在恶劣天气条件下才会征用，以便为每天使用高达 4,000 Wh 的典型家庭供电。此外，在有利气候条件下产生的剩余可再生能源可用于电解系统生产氢气，适用于家庭取暖和烹饪。目的。开发基于模糊逻辑技术的智能经济策略的改进能源管理和优化系统。该系统嵌入在 Arduino 2560 mega 微控制器上，在该微控制器上，模糊逻辑的基本程序和所有可能场景的事件分配已根据流程图实现，从而允许管理混合系统。为了应用所提出的技术来确保家庭的连续住宿，我们进行了方法以及参数搜索和模拟以表征系统。结果。所提出的系统结果通过可视化电子开关的输出控制信号证实了其有效性。其实际值通过单相 DC/AC 转换器传输电力，为住宿的 AC 负载供电。参考文献 20，图 9。关键词：混合能源系统、可再生能源、电池存储、模糊逻辑、智能管理。Вступ。 У статі пропонується вдосконалена система керування та оптимізації енергоспоживання з інтелектуальною економічною стратегією，заснованою на методі нечіткої логіки з декількома входами та виходами。 Вона використовується для керування гібридними джерелами електричної енергії, побудованими на основі фотоелектричних сонячних панелей, вітрових турбін та системи зберігання електричної енергії за допомогою електричної мережі。 Новизна роботи полягає в тому, що сонячні фотоелектричні, вітряні турбіни та джерела енергії системи зберігання енергії мають пріоритет над електромережею, яка запитується лише за несприятливих погодних умов, щоб забезпечувати типове几天后，4000 Вт год на день。 Крім того、надлишки відновлюваної енергії、що виробляється у сприятливих кліматичних умовах， використовуються для виробництва водню, придатного для опалення та приготування їжі за допомогою електролізера.梅塔。开发基于模糊逻辑方法的智能经济策略的先进能源消耗管理和优化系统。该系统内置于Arduino 2560超级微控制器，它根据流程图实现模糊逻辑和事件分配的主程序以及所有可能的情况，让您可以控制混合系统。为了应用所提出的方法来确保房屋的持续居住，实施了指定的方法以及系统特性的参数搜索和建模。结果。所提系统的实施结果通过可视化电子开关的输出控制信号证实了其有效性。其实际意义在于通过单相直流-交流转换器传输电能，为住宅场所的交流负载供电。圣经。 20，图。 9. 关键词：混合能源系统、可再生能源、电池、模糊逻辑、智能控制。介绍。为了避免电力生产中的污染问题，替代解决方案可以是光伏 (PV)、风能甚至水力发电。此外，配电网络不足以向全世界人口供电：无论是在山区还是在岛屿上，在人迹罕至的地区还是在沙漠中部，由于缺乏技术解决方案或经济可行性，难以进入或非常偏远的地点无法总是连接到电网。然而，由于可再生能源能够适应家庭使用，因此特别适合生产称为孤立站点或微电网的电力。它们通常与电池相连，以确保在生产过剩时储存能量，或弥补高峰消费期间的短暂电力短缺[1-5]。混合能源系统 (HES) 结合了多种来源，例如可再生能源系统 (RES)、国家配电网络（历史网络）、传统能源和存储系统，通常被认为是未来的高效可靠解决方案，已经对单一来源的可再生能源进行了许多分析（规划和规模），主要目的是确定高效和安全运行的最佳系统配置。所提系统的实施结果通过可视化电子开关的输出控制信号证实了其有效性。其实际意义在于通过单相直流-交流转换器传输电能，为住宅场所的交流负载供电。圣经。 20，图。 9. 关键词：混合能源系统、可再生能源、电池、模糊逻辑、智能控制。介绍。为了避免电力生产中的污染问题，替代解决方案可以是光伏 (PV)、风能甚至水力发电。此外，配电网络不足以向全世界人口供电：无论是在山区还是在岛屿上，在人迹罕至的地区还是在沙漠中部，由于缺乏技术解决方案或经济可行性，难以进入或非常偏远的地点无法总是连接到电网。然而，由于可再生能源能够适应家庭使用，因此特别适合生产称为孤立站点或微电网的电力。它们通常与电池相连，以确保在生产过剩时储存能量，或弥补高峰消费期间的短暂电力短缺[1-5]。混合能源系统 (HES) 结合了多种来源，例如可再生能源系统 (RES)、国家配电网络（历史网络）、传统能源和存储系统，通常被认为是未来的高效可靠解决方案，已经对单一来源的可再生能源进行了许多分析（规划和规模），主要目的是确定高效和安全运行的最佳系统配置。所提系统的实施结果通过可视化电子开关的输出控制信号证实了其有效性。其实际意义在于通过单相直流-交流转换器传输电能，为住宅场所的交流负载供电。圣经。 20，图。 9. 关键词：混合能源系统、可再生能源、电池、模糊逻辑、智能控制。介绍。为了避免电力生产中的污染问题，替代解决方案可以是光伏 (PV)、风能甚至水力发电。此外，配电网络不足以向全世界人口供电：无论是在山区还是在岛屿上，在人迹罕至的地区还是在沙漠中部，由于缺乏技术解决方案或经济可行性，难以进入或非常偏远的地点无法总是连接到电网。然而，由于可再生能源能够适应家庭使用，因此特别适合生产称为孤立站点或微电网的电力。它们通常与电池相连，以确保在生产过剩时储存能量，或弥补高峰消费期间的短暂电力短缺[1-5]。混合能源系统 (HES) 结合了多种来源，例如可再生能源系统 (RES)、国家配电网络（历史网络）、传统能源和存储系统，通常被认为是未来的高效可靠解决方案，已经对单一来源的可再生能源进行了许多分析（规划和规模），主要目的是确定高效和安全运行的最佳系统配置。可再生能源特别适合用于发电，即所谓的孤立站点或微电网。它们通常与电池相连，以确保在生产过剩时储存能源，或弥补高峰消费期间的短暂电力短缺 [1-5]。混合能源系统 (HES) 结合了多种能源，例如可再生能源系统 (RES)、国家配电网 (历史网络)、传统能源和存储系统，通常被认为是未来的解决方案，它高效可靠，已经对单一来源的可再生能源进行了许多分析 (规划和规模)，主要目的是确定最佳系统配置以实现高效和安全的运行。可再生能源特别适合用于发电，即所谓的孤立站点或微电网。它们通常与电池相连，以确保在生产过剩时储存能源，或弥补高峰消费期间的短暂电力短缺 [1-5]。混合能源系统 (HES) 结合了多种能源，例如可再生能源系统 (RES)、国家配电网 (历史网络)、传统能源和存储系统，通常被认为是未来的解决方案，它高效可靠，已经对单一来源的可再生能源进行了许多分析 (规划和规模)，主要目的是确定最佳系统配置以实现高效和安全的运行。