XiaoMi-AI文件搜索系统
World File Search System普及率
人工智能在电动汽车充放电调度和动态定价中的应用：综述
摘要：如果电动汽车 (EV) 的充电和放电不能得到充分协调，其高普及率将给现有的电力输送基础设施带来负担。动态定价是一种特殊的需求响应形式，可以鼓励电动汽车车主参与调度计划。因此，电动汽车充电和放电调度及其动态定价模型是重要的研究领域。许多研究人员专注于基于人工智能的电动汽车充电需求预测和调度模型，并认为人工智能技术比传统的优化方法（如线性、指数和多项逻辑模型）表现更好。然而，只有少数研究关注电动汽车放电调度（即车辆到电网，V2G），因为电动汽车将电力放电回电网的概念相对较新且不断发展。因此，需要回顾现有的电动汽车充电和放电相关研究，以了解研究差距并在未来的研究中做出一些改进。本文回顾了电动汽车充电和放电相关研究，并将其分为预测、调度和定价机制。本文确定了预测、调度和定价机制之间的联系，并指出了电动汽车放电调度和动态定价模型的研究空白。
越南能源部门脱碳
依靠对煤炭能源的日益依赖。在过去二十年里，越南的人均国内生产总值 (GDP) 增长率位居世界前列（平均每年 5.5%），人均收入增长了三倍半。电力行业成功拓展服务范围，成为包容性经济发展的根本推动力。越南的电气化计划已成为全球成功案例，因为它能够以创纪录的速度实现近乎普遍的电气化——电力普及率从 1993 年的 14% 上升到 2020 年的 99% 左右。该行业能够应对两位数的增长率（2010 年至 2020 年间需求增长了 10%），为工业和商业提供动力，并满足不断增长的中产阶级人口日益增长的能源需求。过去二十年，电力行业的装机容量增长了十四倍多，从 2000 年的 5 吉瓦增至 2020 年的 68 吉瓦。在工业和贸易部 (MOIT) 的领导下，制定了国家政策和目标，重点是为基层提供服务。强有力的政治承诺由能力强的垂直整合国有企业 (SOE) 越南电力公司 (EVN) 执行。
2023 年通信行业年度报告
32 图 13 东非大加勒比地区移动互联网用户数（百万）对比 32 图 14 固定电话用户数 33 图 15 固定互联网用户数 34 图 16 基础手机（百万） 35 图 17 功能手机（百万） 36 图 18 智能手机（百万） 37 图 19 乌干达智能手机普及率与全球平均水平对比 37 图 20 移动货币代理商（千） 38 图 21 社交媒体用户数（百万）（2023 年 12 月） 42 图 22 Onnet 语音流量（十亿） 45 图 23 Onnet 语音流量（十亿） 45 图 24 区域语音流量分布 46 图 25 移动互联网流量（百万 GB） 46 图 26 固定互联网流量（百万 GB） 47 图 27 区域互联网流量分布 47 图 28 ONA 传入语音流量（分钟） （百万） 48 图 29 ONA 拨出语音流量（分钟） （百万） 48
活力
可再生能源社区 (REC) 代表了推广分布式可再生能源发电的新方案，必须对其进行管理以最大限度地提高本地能源自用率。本文旨在通过比较分析住宅 REC 中小规模部门耦合策略的应用，评估和讨论其优缺点。不同的电转X策略已应用于二十七种 REC 配置。这些系统已通过 EnergyPLAN 软件分别进行了模拟。电转热策略被证明是整合可再生能源过剩最具成本效益的解决方案，然而，其潜力往往不足以完全容纳它。电转汽车的基础设施成本低，但其限制取决于电动汽车的普及率和公民的参与度。利用电动汽车电池总是比安装固定电池更具成本效益。电转电的竞争力与 REC 电气化水平密切相关。电转气在高可再生能源过剩条件下很有前景，但由于目前电解器成本高，很少代表最佳解决方案。实施储能系统对于提高当地的自我消费至关重要，跨部门整合在能源、经济和环境方面比仅仅关注电力部门是更好的解决方案。
具有高渗透率光伏和电池储能系统的岛屿电网随机发电调度：南安达曼岛案例研究
摘要：由于惯性较低且缺乏与其他电网的互连，孤立电网很脆弱。随着不可调度可再生能源的普及，此类孤立电网的脆弱性进一步增加。印度政府已提出多个项目来提高安达曼和尼科巴群岛电网的光伏系统 (PV) 普及率。本文研究了由柴油和天然气发电机、光伏和电池储能系统 (BESS) 供电的孤立电网的能源和备用发电联合随机调度。所提出的随机调度模型考虑了广泛的概率预测情景，而不是假设单点预测的确定性模型。因此，它为广泛的光伏电力预测情景提供了技术上可行的最佳解决方案。本研究开发的模型的显著特点是纳入了随机约束，这些约束代表 (i) 光伏和 BESS 之间的协调、(ii) 备用约束、(iii) 电池充电/放电限制约束，以及 (iv) 确保调度决策技术可行性的非预期约束。所提出的模型在南安达曼岛的数据集上得到验证。结果揭示了所提出的随机调度模型对不同发电组合场景的适用性和可行性。
人工智能（AI）对消费者购买的影响
在“过去”，我们去商店，看看要买的东西，可能还会和销售助理交谈，然后做出决定。这意味着，我们总是很容易理解这种购买模式的原理。然而，现在，我们也会做这些事情，我们还会浏览产品网站，访问比较网站，参加讨论，在 Facebook 上询问我们的朋友，并与一系列竞争对手比较产品。我们还可以听一些相关的在线视频，甚至可以参加有关我们想买的东西的在线课程。对于任何零售商来说，这都是一个主要问题。消费者尝试的大部分购物活动现在都是在商店之外进行的。这意味着销售代表可以用来确保购买的典型数据类型不再可用。此外，即使消费者在网上做任何事情，他们也可能受到现实生活中看到不同产品或访问实体店的影响。预计到 2026 年，印度电子商务市场规模将从 2017 年的 385 亿美元增长至 2000 亿美元。互联网和智能手机普及率的提高推动了该行业的快速增长。如今，人们可以在任何地方、任何时间购物，无论是在工作场所还是家中，尤其是在一天中的任何时候休闲时。印度的在线市场空间正在蓬勃发展，提供从旅游、电影、酒店预订和书籍等各种服务
交通电气化对电网的影响——综述
摘要：交通电气化是加速向可持续能源转型的关键因素。电动汽车 (EV) 可以在车辆到电网 (V2G) 或车辆到车辆 (V2V) 连接中作为负载或分布式电源运行。本文回顾了交通电气化的现状及其对环境效益、消费者方面的影响、电池技术、电池可持续性、技术趋势、公用事业方面的影响、自动驾驶技术和社会经济效益的影响。这些是相关文献中尚未得到适当研究关注的关键主题，本综述旨在探索它们。我们的研究结果表明，在交通电气化的同时，还应考虑向更清洁的发电来源过渡。此外，电动汽车拥有成本的降低与电动汽车采用率的提高和社会公平性的提高相关。研究还发现，电动汽车的每小时英里充电率高于传统汽车，这是一个开放的技术挑战。文献表明，电动汽车的普及不会在短期内影响电网，但长期来看，需要充电管理来提高电动汽车的普及率。V2G 连接中的双向电力流提高了电网的效率、安全性、可靠性、可扩展性和可持续性。车对车 (V2V) 充电/放电
需求响应和高级计量
与过去的报告相比，今年的报告使用不同的区域定义来呈现某些数据。在过去的报告中，委员会工作人员报告了北美电力可靠性公司 (NERC) 地区的先进电表普及率、潜在峰值需求节省、零售需求响应注册和零售动态定价注册总数，如能源信息署 (EIA) 表格 861 数据所示。然而，近年来，一些 NERC 地区发生了变化。2018 年 5 月，委员会批准了一项联合请愿书，要求解散西南电力池 (SPP) 区域实体，并从 2018 年 7 月 1 日起，将 SPP 区域实体范围内的 NERC 注册实体转移到中西部可靠性组织和 SERC 可靠性公司。2同样，在 2019 年，委员会批准了一项单独的联合请愿书，要求解散佛罗里达可靠性协调委员会作为区域实体，并将佛罗里达可靠性协调委员会范围内的 NERC 注册实体转移到 SERC 可靠性公司。 3 由于这些变化，今年的报告按照美国九个人口普查部门提供数据，4 在附录中按州细分，以有意义地满足 EPAct 2005 的区域报告要求。5
人工智能（AI）对互联网消费者购买行为的影响
1. 介绍：在“过去”，我们去商店，看看要买的东西，可能与商务助理交谈，然后做出决定。这意味着，思考这种购买模式的科学原理总是很容易的。然而，现在，我们做这些事情，我们浏览产品网站，访问比较网站，我们可能会参加讨论，我们会在 Facebook 上询问我们的朋友，我们可能会与一系列竞争对手比较产品。我们还可以听一些相关的在线视频，我们甚至可以参加有关我们想买的东西的在线课程。对于任何零售商来说，这都是一个主要问题。消费者尝试的大部分探索活动现在都是在商店之外进行的。这意味着销售代表可以用来确保购买的典型知识类型不再可用。此外，即使消费者在网上做所有事情，他们也可能受到现实中看到的不同产品或他们访问实体店的影响。预计到 2026 年，印度电子商务市场规模将从 2017 年的 385 亿美元增长至 2000 亿美元。互联网和智能手机普及率的提高推动了该行业的快速增长。如今，人们可以在任何地方、任何时间购物，无论是在工作场所还是家中，尤其是在一天中的任何时候休闲时。印度的在线市场空间正在蓬勃发展，提供从旅游、电影、酒店预订和书籍到
工程设计中的深度生成模型 - arXiv
自动化设计综合有可能彻底改变现代工程设计流程，并提高无数行业对高度优化和定制产品的访问。成功地将生成式机器学习应用于设计工程可以实现这种自动化设计综合，是一个非常重要的研究课题。我们回顾并分析了工程设计中的深度生成机器学习模型。深度生成模型 (DGM) 通常利用深度网络从输入数据集中学习并合成新设计。最近，前馈神经网络 (NN)、生成对抗网络 (GAN)、变分自动编码器 (VAE) 和某些深度强化学习 (DRL) 框架等 DGM 在结构优化、材料设计和形状合成等设计应用中显示出良好的效果。自 2016 年以来，DGM 在工程设计中的普及率飙升。为了预测其持续增长，我们对最近的进展进行了回顾，以造福对设计 DGM 感兴趣的研究人员。我们将回顾的结构化为对当前文献中常用的算法、数据集、表示方法和应用的阐述。特别是，我们讨论了在 DGM 中引入新技术和方法、成功将 DGM 应用于设计相关领域或通过数据集或辅助方法直接支持 DGM 开发的关键工作。我们进一步