XiaoMi-AI文件搜索系统
World File Search System网中
热网中的电转热和热能储存
能源转型正在顺利进行，能源供应和能源使用在各种应用中变得更加可持续。能源转型的下一步是使供需更加可持续。实现这一目标主要有两种方式：在可再生能源发电量大时使用电力和利用能源储存。在热能领域，这可以通过将电能转化为热能（电转热，P2H）并储存热量以便以后充分利用来实现。在本研究中，我们重点关注使用 P2H 和热能储存使热能网络更加可持续的机会。对于 P2H，我们考虑了两种技术：热泵和电热水器。对于热能储存，我们研究了储罐储存（TTES）、地下孤立孔储存（PTES）和地下蓄水层高温储存（HT-ATES）。图 1 说明了这一概念。这项研究的目的是通过深入了解 P2H 和储存（P2H+S）的潜力和发展，将电力和热能的世界联系起来。在这项研究中，我们定义了商业案例并确定了 P2H+S 的技术潜力。此外，我们通过以综合方式对热网中的发电和来源进行建模，绘制了对电力系统的影响。最后，我们分析了障碍，并根据这一分析制定了政策建议，以使 P2H 和热存储正常运行。
深度学习网络 - 物理微电网中的基于预测的应用：最新进展和未来方向
摘要：可再生能源可以使用微电网的概念在本地和有效地部署。由于可再生能源资源的产出能力的自然不确定性，对微电网进行适当运行的计划可能是一项艰巨的任务。此外，有关负载及其功耗的信息可能会创造出利益，以提高微电网的效率。但是，由于原因，例如消费者的行为不可预测，电力负载可能会有不确定性。要利用微电网，在运营和控制层的上层需要能量管理，以降低成本。能源管理系统最重要的任务之一是满足负载，换句话说，制定了一项计划，以保持发电和电力消耗之间的平衡。要获得有关可再生能源资源和功耗的输出功率的信息，可以将深度学习作为强大的工具实现，能够预测所需的值。此外，天气条件可能会影响可再生能源资源和消费者的行为的产出能力，从而影响功耗。因此，可以为预期天气条件而部署深度学习。本文将研究与深度学习相关的最新作品，该作品已实施，以预测可再生能源资源（即PVS和风力涡轮机），电气负载以及天气条件（即太阳辐照度和风速）。此外，对于可能的未来方向，建议一些策略，其中最重要的是在网络物理微电网中实施量子计算。
决定客户意愿的因素分析智能物联网中的供应链管理
摘要 本文讨论了客户希望使用探索性因子分析来分析“Chokhi Dhani 村”度假村的供应链管理，以使用智能物联网模型进行受众行为智能识别。这种创新的物联网模型极大地影响了印度对供应链管理的文化观点。本研究使用智能物联网模型对“Chokhi Dhani 村”度假村进行探索性因子分析，以了解维持游客对度假村文化认同或尊重所需的不同服务。该分析将反映使用智能物联网模型进行智能识别的游客行为，涉及创建“态度分析”物联网模型以确定实用的探索性因子分析。根据其他用户的态度分析，创建了五种模式，即（青少年、有影响力人士、儿童、老年人和残疾人）态度分析模型。此外，物联网总体思路还强化了每个人的态度分析，以调查不同受众之间的联系状态。独立变量的综合探索性因子分析方差为 52%；最显著的方差出现在寻找意义（24.78%）、联系想法（42.3%）、使用证据（55.67%）、对想法感兴趣（68.3%）和评估有效性（70.5%）。结果产生了一些收视率和百分比。观众人数和用来衡量集中趋势的百分比是观众行为识别的基础。观众的年龄从 5 岁到 21 岁不等，提高的准确率为 41%。通过应用对数似然检验，这个逻辑回归模型对任何创作（46%）、喜剧（22%）、历史（10%）、消息导向（18%）、音乐（36%）、传记（24%）和社会（64%）进行了评估。
医疗互联网中的异常检测...
物联网 (IoT) 成为医疗设备领域最新进展中最流行的术语。IoT 流程和结构中的医疗保健数据在健康和技术方面非常敏感和关键。异常值检测方法被视为任何 IoT 系统的主要工具或阶段，主要分为统计和概率、聚类和基于分类的异常值检测。最近，模糊逻辑 (FL) 系统与其他基于 ML 的工具一起用于集成和级联系统以增强异常值检测性能，但其局限性涉及异常值的错误检测。在本文中，我们提出了一个模糊逻辑系统，该系统使用局部异常值因子 (LOF)、基于连通性的异常值因子 (COF) 和广义 LOF 的每个点的异常分数来消除将点分类为异常值或正常值的混淆。关于人类活动识别 (HAR) 数据集，FL 实现了 98.2% 的值。与 LOF、COF 和 GLOF 各自的性能相比，准确率略有提高，但精确度和召回率的提高表明正确分类的数据有所增加，并且真实数据和异常数据均未被错误分类。结果表明，精确度和召回率的提高表明正确分类的数据有所增加。因此，可以确认，输入分数的模糊逻辑在减轻异常数据错误检测方面达到了预期目标。通过比较本研究中提出的模糊逻辑集合和不同类型的局部密度分数，模糊逻辑的结果提供了一种新方法来阐述或融合相同目的的不同工具以提高检测性能
微电网中能源管理系统方法的审查
摘要：为了维持不断增长的需求的复杂性，传统网格（CG）与通信技术（如带有传感器的高级计量，需求响应（DR），储能系统（ESS）以及电动汽车（EV）的包含）结合在一起。为了维持局部能源平衡和可靠性，提出了微电网（MG）。微电网是具有弹性操作的低压或中电压分配系统，可以控制主电网，本地分布式发电机（DGS）和使用智能能源管理技术之间的功率交换。本文简要介绍了微电网，其操作以及对不同能源管理方法的综述。在微电网控制策略中，能源管理系统（EMS）是维持能源资源（CG，DG，ESS和EVS）之间平衡和可用负载之间的平衡的关键组成部分，同时为实用程序提供了贡献。本文根据所使用的结构，控制和技术对EMS使用的方法进行了分类。还提到了具有调查范围的未开发区域。
评估微电网中净计量机制的使用情况，利用群体智能算法降低发电成本
微型发电是一种清洁高效的电力供应方式。然而，风能和太阳辐射的不可预测性对满足负载需求和维持微电网 (MG) 稳定运行提出了挑战。本文提出使用群体智能算法对具有净计量补偿策略的混合 MG 系统 (HMGS) 进行建模和优化。使用来自西班牙地区的真实工业和住宅数据，带有通用 ESS 的 HMGS 用于分析四种不同的净计量补偿水平对成本、可再生能源 (RES) 百分比和 LOLP 的影响。此外，还根据 MG 提供的最终 $/kWh 成本评估了两种 ESS，即钛酸锂尖晶石 (Li4Ti5O 12 (LTO)) 和钒氧化还原液流电池 (VRFB) 的性能。结果表明，净计量政策将盈余从 14% 以上减少到 0.5% 以下，并将可再生能源在 MG 中的参与度提高 10% 以上。结果还显示，在年度预测中，与使用不带净计量的 LTO 系统的 MG 相比，使用具有 25% 补偿政策的 VRFB 系统的 MG 可以节省超过 100,000 美元。
孤立电网中利用二次利用汽车电池的风电场能源剩余存储解决方案
能源储存、需求侧响应和电动汽车扩张是实现碳中和目标的能源转型中的重要问题。汽车电动化不仅意味着减少排放，还意味着提高能源效率。然而，电池在垃圾填埋场的堆积是中长期面临的巨大问题。这些挑战对岛屿来说更为重要。本文建议将不再用于运输的电池重新用作能源储存，以回收可再生能源盈余。介绍了一种对二次汽车电池作为风电场存储解决方案进行技术经济评估的方法。该方法已成功应用于特内里费岛的两个风电场。结果深入探讨了该解决方案的可行性、环境影响以及政府在补贴支持方面的政策。此外，延长电池寿命有助于循环经济，这符合联合国关于可负担和清洁能源的可持续发展目标。总之，二次电池可以在中长期内作为孤立系统的能源储存发挥重要作用。
先进储能系统在物联网中的应用及……
近年来，电力需求和成本迅速增加。由于这种额外负担，人们现在正在寻找替代能源，例如在巴基斯坦，电力成本对于普通人来说非常高，甚至对于收入丰厚的人来说也是如此，因为我们的机构将超过 80% 的预算主要来自电力、汽油和其他与电力相关的产品。多年来，公众面临着许多问题。所有这些问题都与工作有关，由于白领阶层制度，富人变得越来越富有，但这些是人们多年来承受的负担，政府方面没有解决方案，因为所有政府和民间组织都在机构的控制之下，他们永远不会救济穷人过上幸福的生活。
HealthEdge：基于机器学习的智能医疗框架，用于预测综合物联网中2型糖尿病的预测，
在智能医疗保健方面，基于风险因素数据[6-13]，机器学习的使用引起了人们对糖尿病预测的广泛关注[14,15]。但是，这些作品集中在独立糖尿病预测上。据我们所知，没有任何工作提出针对糖尿病预测的智能医疗保健框架。本文旨在通过提出HealthEdge来解决这一空白，这是一个基于机器学习的智能医疗保健框架，用于在集成的Iot-edge-Cloud计算系统中预测2型糖尿病。建议的系统使用医疗传感器/设备分析糖尿病风险因素，并预测一个人中糖尿病的发生率。机器学习模型是在云中训练的，然后Edge服务器使用开发的模型进行糖尿病预测。本文的主要贡献如下。
通过多目标瓶藻群算法在配电网中分配可再生能源资源，同时考虑风能和太阳能资源的不确定性
摘要：鉴于可再生能源在配电系统中的重要性，本文讨论了定位和确定这些能源（即风力涡轮机和太阳能电池板）容量的问题。为了解决这个优化问题，使用了一种基于salp行为的新算法。目标函数包括减少损耗、改善电压曲线和降低可再生能源成本。在该方法中，考虑了配电系统中不同负载模型和使用智能电表的不同负载水平的可再生资源分配。由于这些目标函数是多目标的，因此使用模糊决策方法从一组帕累托解中选择最优解。所考虑的目标函数可减少损耗、改善电压曲线和降低 RES 成本（A 在不受资源限制的情况下最佳地分配 RES 资源；B：在受资源限制的情况下最佳地分配 RES 资源）。此外，还考虑了每日风、太阳辐射和温度数据。所提出的方法应用于 IEEE 标准 33 总线系统。仿真结果表明，多目标群体算法（MSSA）在改善电压分布和降低配电系统损耗方面具有更好的性能。最后，将 MSSA 算法的优化结果与 PSO 和 GA 算法进行了比较。