XiaoMi-AI文件搜索系统
World File Search System耗能
生命的每一刻都消耗能量。
目录虽然您可能认为在Aldi的目录中浏览Aldi的特价可能会使您损失您的可持续性街道信誉，但声称数字化更为可持续的说法并非总是如此。住在超市，每个花费60秒浏览数字目录的Coles客户都会发出12克Co 2 e。这与观看一天的印刷目录相比，这是很高的，并且仅排放0.5克Co 2 E，16，这相当于再次打开和关闭平均标准汽车。更不用说所有目录都是使用生物多样性和种植林业原则的可再生资源制成的，纸张制作过程由塔斯马尼亚州的水力发电提供动力。使用化石燃料的打印过程确实会发出并生产目录的平均每页0.12千克，但是如果打印机使用可再生能源，则可以减少。
提高热带净零能耗办公楼的能源灵活性和光伏自耗能力
建筑能源灵活性对于改善当地可再生能源消费和提高建筑自给自足能力至关重要。热带地区丰富的太阳能资源为减少碳排放和实现净零排放提供了绝佳机会，但该地区的建筑能源灵活性研究仍不足。因此，本研究提出并实施了一种基于模型预测控制 (MPC) 的实用控制框架，揭示了采用混合冷却系统的热带办公楼的能源灵活性潜力。考虑到数据可用性对实际控制性能的影响，还在实际和虚拟的端到端实验中研究了具有替代数据使用配置的 MPC。首次证明所提出的框架可以有效调节建筑负荷。与基线控制相比，光伏自耗和建筑自给自足分别提高了 19.5% 和 10.6%。在测试的三个数据类别（内部干扰、外部干扰和系统条件）中，准确的当地天气条件被证明对理想的控制结果最为关键。此外，模拟量化了不同建筑特征下更高数据粒度带来的好处。基于系统实验，建立了数据可用性与控制性能之间的关系。据此，提出了一个以数据为中心的框架，以提高最优控制研究的可重复性和可扩展性。可以指导未来的研究，以促进大规模的实际实施。
b'我们考虑由小型、自主设备组成的网络，这些设备通过无线通信相互通信。在为此类网络设计算法时，最小化能耗是一个重要的考虑因素，因为电池寿命是一种至关重要的有限资源。在发送和侦听消息都会消耗能量的模型中，我们考虑在任意未知拓扑的无线电网络中寻找节点最大匹配的问题。我们提出了一种分布式随机算法，该算法以高概率产生最大匹配。每个节点的最大能量成本为 O (log n )(log \xe2\x88\x86) ，时间复杂度为 O (\xe2\x88\x86log n )。这里 n 是节点数量的任意上限，\xe2\x88\x86是最大度数的任意上限； n 和 \xe2\x88\x86 是我们算法的参数，我们假设它们对所有处理器都是先验已知的。我们注意到，存在一些图族，对于这些图族，我们对能量成本和时间复杂度的界限同时达到多项对数因子的最优，因此任何显著的\xef\xac\x81 改进都需要对网络拓扑做出额外的假设。我们还考虑了相关问题，即为网络中的每个节点分配一个邻居，以便在最终节点发生故障时备份其数据。在这里，一个关键目标是最小化最大负载，定义为分配给单个节点的节点数。我们提出了一种有效的分散式低能耗算法，该算法确定一个邻居分配，其最大负载最多比最优值大一个多项对数 (n) 因子。'
b'我们考虑由小型、自主设备组成的网络，这些设备通过无线通信相互通信。在为此类网络设计算法时，最小化能耗是一个重要的考虑因素，因为电池寿命是一种至关重要的有限资源。在发送和侦听消息都会消耗能量的模型中，我们考虑在任意未知拓扑的无线电网络中寻找节点最大匹配的问题。我们提出了一种分布式随机算法，该算法以高概率产生最大匹配。每个节点的最大能量成本为 O (log n )(log \xe2\x88\x86) ，时间复杂度为 O (\xe2\x88\x86log n )。这里 n 是节点数量的任意上限，\xe2\x88\x86是最大度数的任意上限； n 和 \xe2\x88\x86 是我们算法的参数，我们假设它们对所有处理器都是先验已知的。我们注意到，存在一些图族，对于这些图族，我们对能量成本和时间复杂度的界限同时达到多项对数因子的最优，因此任何显著的\xef\xac\x81 改进都需要对网络拓扑做出额外的假设。我们还考虑了相关问题，即为网络中的每个节点分配一个邻居，以便在最终节点发生故障时备份其数据。在这里，一个关键目标是最小化最大负载，定义为分配给单个节点的节点数。我们提出了一种有效的分散式低能耗算法，该算法确定一个邻居分配，其最大负载最多比最优值大一个多项对数 (n) 因子。'
个人贴现率与耗能耐用品的购买和使用
* 家庭层面的大多数能源需求是其他活动的派生需求：交通、家用电器服务以及供暖和制冷就是例子。因此，能源需求可以被视为“家庭”生产过程的一部分，在这个过程中，长寿命耐用消费品的服务与能源投入相结合，产生家庭服务。从这个角度来看，能源需求出现了两个重要组成部分。首先，耐用消费品的技术设计决定了每单位家庭服务产出所需的能源投入。汽车、家用空调和家庭供暖系统提供了三个例子，不同模型在所需的能源投入方面存在重要差异。能源需求的第二个方面是家庭资本存量的利用。汽车出行次数、夏季和冬季房屋温度以及其他家用电器的使用决定了对最终服务的需求，从而决定了家庭总能源需求。能源需求的两个组成部分，即资本存量决策和最终服务或利用决策，都决定了家庭能源消耗。此外，每个组成部分都存在不同的替代和节约可能性。