XiaoMi-AI文件搜索系统
World File Search SystemCaverns
洞穴中的氢存储2024“填充差距
2024年Caverns的氢存储（“ HSIC 2024”）于4月12日举行，作为诺丁汉大学举办的三天英国储能2024（UKES 2024）的一部分。这是第四个事件，在2020年，2022年和2023年成功的事件之后。[插入到HSIC事件 + UKES的链接]本报告总结了所做的演示和小组观察，目的是为政策制定者和潜在参与者提供对活动的简洁参考来源。我们感谢所有的赞助商和发言人使活动实现。全球盐层资源 - 图形的礼貌和版权。
利用既有盐穴建设储能的检测与评价技术
摘要：地下盐穴被广泛应用于天然气、压缩空气、石油、氢气等大型储能设施。为了快速建设大型天然气储量，建立了一种独特的建设方法，即利用盐穴水采后遗留的既有盐穴建设储能设施。2007年，该方法首次应用于中国金坛天然气储能设施。在此成功的基础上，我国又筛选出多个既有盐穴用于建设储能设施。工程经验表明，如何从众多的可用盐穴中筛选出最合适的盐穴并进行验证是盐穴再利用成功的关键。本文总结和评述了相关理论与测试方法，包括：（1）利用既有盐穴建设储能设施的初步选择原则，（2）既有盐穴密封性的测试方法与评价理论，（3）我国利用既有盐穴建设储能设施的典型工程案例。从实际应用结果来看，本文提出的优选原则可以快速筛选出具有储能潜力的现有盐穴，且注卤法可以有效评价其密封性，为后续大规模实施现有盐穴利用项目提供了技术路线。
利用可再生能源从水中生产氢气及其在盐穴中储存的技术回顾
摘要：氢气正成为燃料电池运输、热能和电力领域整合中越来越重要的能源载体。地下盐穴是储存利用可再生能源 (RES) 发电从水电解中获得的氢气的最有前途的方法之一。同时，氢气的生产可用于避免电力需求低或价格低时的能源削减。储存的氢气还可用于发电能源需求高的时候，例如燃料电池，以弥补可再生能源发电量低造成的波动和短缺。本文概述了为实现上述目的而使用和提出的利用可再生能源过剩能量从水中生产氢气的技术及其储存技术，特别是在地下盐穴中的储存技术，以及其可行性。本文根据目前的最新技术比较和总结了竞争技术，确定了氢气生产和储存的一些困难，并讨论了哪种技术最有前途。相关分析比较了氢气生产和储存系统的成本和技术经济可行性。本文还指出了氢气融入电网的潜力、技术挑战和局限性。
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞（本项目）的环境影响评估中，位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前，香港对鸟类生态栖息地的监测主要以人为观察为主，而人为观察的时间间隔有限。由于繁殖季节环境变化微妙，人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作，通过在项目下对彭福公园鹭鸟林进行先导观察，探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计，可实现模块化，并可成功部署在各种结构中，确保在所有环境中可靠运行。ADCS 具有多种优势，可满足户外环境长期监测的需求：(i) 自动连续录制；(ii) 高分辨率视频；(iii) 高帧率视频；(iv) 巨大的本地数据存储；(v) 保护恶劣环境（例如极端天气条件）。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频，同时保持视频质量。在户外环境中实现数据采集自动化之后，实施了 AI 算法，以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭，即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题，我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中，我们应用了姿势和身体大小等显著特征的大量变化，这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征，例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种，平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势，能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段，以尽量减少对彭福公园鹭鸟林的潜在环境影响。
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞（本项目）的环境影响评估中，位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前，香港对鸟类生态栖息地的监测主要以人为观察为主，而人为观察的时间间隔有限。由于繁殖季节环境变化微妙，人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作，通过在项目下对彭福公园鹭鸟林进行先导观察，探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计，可实现模块化，并可成功部署在各种结构中，确保在所有环境中可靠运行。ADCS 具有多种优势，可满足户外环境长期监测的需求：(i) 自动连续录制；(ii) 高分辨率视频；(iii) 高帧率视频；(iv) 巨大的本地数据存储；(v) 保护恶劣环境（例如极端天气条件）。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频，同时保持视频质量。在户外环境中实现数据采集自动化之后，实施了 AI 算法，以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭，即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题，我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中，我们应用了姿势和身体大小等显著特征的大量变化，这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征，例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种，平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势，能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段，以尽量减少对彭福公园鹭鸟林的潜在环境影响。