摘要:在当今的电力系统格局中,可再生能源 (RE) 资源发挥着关键作用,尤其是在住宅领域。尽管这些资源非常重要,但可再生能源资源的间歇性受多变天气条件的影响,对其作为能源的可靠性构成了挑战。为应对这一挑战,集成储能系统 (ESS) 成为一种可行的解决方案,能够在高峰发电期间储存剩余能源,并在短缺期间释放。ESS 面临的一大挑战是如何高效地设计 ESS。本文重点介绍智能家居环境中的分布式电力流系统,包括不可控的发电机、不可控的负载和多个储能单元。为了应对最小化 ESS 中能量损失的挑战,本文提出了一种新方法,称为节能存储容量与损耗减少 (SCALE) 方案,该方法将多负载功率流分配与负载转移算法相结合,以最小化能量损失并确定最佳能量存储容量。使用线性规划技术形式化了最佳能量存储容量的优化问题。为了验证所提出的方案,采用了冬季和夏季智能家居环境中的真实实验数据。结果表明,所提出的算法在显着减少能量损失(特别是在冬季条件下)和确定最佳能量存储容量方面非常有效,能量损失减少了 11.4%,最佳能量存储容量减少了 62.1%。
性能。本文提出了一种基于物联网的最佳能源管理方法,该方法依赖于 Harmony Search 优化技术,以节省智能家居的能源使用。光伏和风能可再生能源系统用于为家庭供电。这些现场能源有助于智能家居减少对电网电力的依赖。由于太阳辐射和风速固有的随机性和间歇性,能量存储系统用于维持能源系统的可靠性。所提出的算法依赖于对电能价格随时间变化的按需响应,并应用分时定价原则来控制家用电器。物联网技术用于家用电器和控制中心之间的数据交换,此外,还用于将能源管理系统和安全系统与控制中心进行通信。在本文中,物联网系统基于 ZigBee 无线技术,该技术被描述为功耗最低的无线技术。该算法应用于一栋由五层楼组成的拟建建筑,每层楼包含两套公寓,一套公寓的总面积为 200 平方米。得到的结果证明了所提出的基于和谐搜索的优化方法在满足所需约束条件的同时,在智能家居中节约能源和减少电费方面的有效性。此外,所提出的算法的性能通过四种人工智能算法进行了验证,包括遗传算法、人工免疫系统、蚁狮优化和蝙蝠算法。除了编程和公式简单之外,进行的比较还表明结果相似,所提出的算法在节省电力成本和缩短运行时间方面具有优势
人类对卓越生活品质的不断追求是智能化和多功能智能家居系统不断发展的驱动力。随着人工智能 (AI) 和物联网 (IoT) 的快速发展,智能家居取得了长足的进步。然而,智能家居中应用的各种传感器的进一步发展受到大功耗的限制。基于纺织品的摩擦纳米发电机 (TENG) 因其多功能性和广泛的潜在应用范围而成为下一代可穿戴电子产品和智能家居的有希望的候选者。在此,我们提出了具有良好耐磨性和性能的基于纺织品的微结构 TENG。此外,我们将基于纺织品的微结构 TENG 与其他功能元素相结合,开发出智能袜子,用于传递用户身份、健康状况和活动的信息,并展示了一种人工智能厕所,以低成本和易于部署的软件提供更私密的方法。这种多功能可穿戴纺织系统推动了运动监测、医疗保健、身份识别和未来智能家居应用的实现。
这项技术正在推动智能城市的发展。智能城市由智能组件组成,例如智能家居。在智能家居中,人们使用各种传感器来使环境变得智能,而智能家居中的智能设备可用于检测其中人员的活动。检测智能家居用户的活动可能包括检测做饭或看电视等活动。检测智能家居居民的活动可以极大地帮助老年人或照顾孩子,甚至促进安全问题。传感器收集的信息可用于检测活动类型;然而,主要的挑战是大多数活动检测方法的精度较差。在所提出的方法中,为了减少数据挖掘技术的聚类误差,提出了一种使用水黾算法的混合学习方法。在所提出的方法中,该算法可用于特征提取阶段,并专门提取机器学习的主要特征。对所提出方法的分析表明,其精度为 97.63%,准确率为 97.12%,F1 指数为 97.45%。与类似算法(例如蝴蝶优化算法、哈里斯鹰优化算法、黑寡妇优化算法)相比,它在检测用户活动时具有更高的精度。
© 2024. 欲了解更多信息,请联系 Deloitte Anjin LLC 和 Deloitte Consulting LLC 82024202120222023疫情加速技术发展 以“技术”为中心解决全球问题 可持续性和移动性 疫情过后,技术的新角色 5G智慧城市机器人人工智能无人机可穿戴设备XR下一代交通8K电视智能家居ESG食品技术5G智慧城市机器人人工智能无人机可穿戴设备XR下一代交通8K电视智能家居可持续性食品技术NF太空技术5G智慧城市机器人人工智能无人机可穿戴设备XR下一代交通8K电视智能家居可持续性人类安全Web 35G智慧城市机器人人工智能无人机可穿戴设备XR下一代交通8K电视智能家居可持续性人类安全Web 3太空技术2025Dive解决社会课题、创造美好未来的技术
在本文中,为在智能家庭中优化电动需求而开发了实时实施的负载协调策略。该策略最大程度地减少了对房主的电力成本,同时限制了与延期额外电力负载相关的中断。多目标非线性混合整数编程被配制为一个顺序模型预测控制,然后使用遗传算法解决。通过部署高级协调策略获得的负载转移益处与用于各种家庭特征(例如位置,大小和设备)的基线控制器进行了比较。模拟研究表明,与基线策略相比,智能家居能源管理策略的部署降低了5%。这是通过推迟大约50%的纤性载荷来实现的,这是由于使用固定能量存储而可能导致的。
论文摘要:现在,社会比以往任何时候都更努力地保持心理健康,随着人工智能的新进展和新兴医疗实践(如音乐疗法),我们可以用独特和个性化的方式对抗精神疾病。本研究的目的是了解音乐、人工智能和精神疾病之间的关系。本研究重点关注人们目前与音乐(疗法)和人工智能的互动,以及如何将它们整合到智能家居系统中以改善用户的日常生活。130 名参与者完成了一项调查,调查中询问了他们与音乐、人工智能和精神疾病/健康的关系。根据他们的回答,我们创建了一组访谈问题,并进行了两次半结构化访谈。所有结果都经过分析并按重要性排序。调查和访谈的结果表明,音乐以不同的方式融入每个人的生活,这促使人们需要个性化的智能家居系统。所有参与者都发现智能家居助手会有所帮助,并会对他们的心理健康产生积极影响。这种智能家居系统/助手将带来个性化、适应性强的音乐和引人入胜的体验。
摘要 - 物联网最深远的用例之一是智能电网和智能家庭操作。智能家庭概念使居民可以通过最小的损失和自我参与来控制,监视和管理其能耗。由于每个房屋的生活方式和能源消耗都是独一无二的,因此管理系统需要有关居住的能源消耗行为模式的背景知识,以进行更准确的计划。要获得此信息,必须处理与居民消费记录有关的数据。这项研究试图提供一个最佳分散管理系统,该系统由可互操作的部分组成,用于预测,优化,调度和在智能家庭上实施负载管理。使用光伏生成(PV)和电动汽车(EV)的4年间隔1分钟的间隔4年间隔的实际数据比较不同的预测模型,预测了不可控制的载荷以及在不同场景中采用确定性方法,该系统使用混合的插座线性计划(MILP)与最初的能量成本相比,将混合的直线线性编程(MILP)与最佳的成本相比,将其与最佳的成本进行了比较。结果表明,由于预测的高精度,提出的系统具有可靠的性能,并导致能源效率提高,能源成本降低(高达62。05%),降低峰与平均比率(PAR)(最多44。19%)和减少标准偏差(SD)(最多19。70%)的净消耗。索引术语 - 智能家庭,时间序列预测,MILP优化,深度学习,负载调度,能量管理。