XiaoMi-AI文件搜索系统
World File Search SystemModelica
整合生成机器学习模型和基于物理的构建能量模拟的模型 /作者= vanfretti，luigi; Laughman，Christopher R。； Chakrabarty，Ankush /creationDate = 2024年10月8日 /主题=机器学习，多物理建模，优化< /div < /div>
建筑模拟工具在设计阶段经常用于尺寸设备并进行基于模拟的研究，以帮助估计年度能源使用或销售。对此类仿真研究的需求，再加上新设计方案（例如建筑电气化）的出现，促使创建基于高级物理的建筑模型。Modelica建筑物库（Wetter，Wangda Zuo，T。S. Nouidui等人等2014）是此类模型中最著名的集合之一，它可以模拟建筑信封和供暖，通风和空调系统的动态行为（Chakrabarty，Maddalena，Qiao等）2021; Zhan，Wichern，Laughman等。2022）。基于Modelica的工具在分析建筑物的性能方面具有明显的好处，因为它们促进了系统控制器设计（Wetter，Ehrlich，Gautier等人。2022）和现实的闭环控制性能（Stoffel，Maier，Kümpel等）2023）。尽管这种基于物理的模型模型可以有效地模拟建筑包膜的能量和传质过程，以及HVAC系统的热流体物理学，但还有其他一些过程会影响HVAC Sys-TEM会影响HVAC Sys-TEM的加热和冷却负载，而这些过程并非由人类而受到人为动作。建筑物乘员会产生并吸收潜在的，明智的和辐射的热量，其Ac-
基于仿真的废热回收系统设计和优化
项目描述 该项目将综合模拟方法融入城市可再生建筑和社区优化 (URBANopt) 平台，以便对相连建筑区域内的废热源进行详细分析。这些进步将通过将 URBANopt 软件开发工具包 (SDK) 与开源 Modelica 编程语言和下一代 EnergyPlus Spawn（美国能源部 (DOE) 支持的建筑能量模拟程序）相结合来实现。更新后的 URBANopt 平台将能够评估与商业和住宅建筑相关的工业流程和废热机会。
评估可再生能源系统与储能系统的容量贡献
摘要 可再生能源技术的发展因其间歇性而给系统的稳定性带来了重大挑战。尽管如此，我们可以通过存储系统来评估这些技术。我们使用漏桶机制将可再生能源技术（风能）的供应建模为存储设施。桶与存储同义，而泄漏相当于满足负载。Modelica 用于捕获：（i）基于存储物理模型的桶状态的时间依赖性；（ii）使用输入到风能技术物理模型中的风速数据的风能随机表示；（iii）负载，建模为电阻电感电路。Modelica 的优势在于使用非因果方程来描述相互连接的基本子系统，这一点通过其库得到利用。我们发现存储的收益递减。超过一定水平的存储，需要集成可靠的基本负载电源来降低可靠性降低带来的风险。作为对冲间歇性的手段，储能系统的需求取决于供应波动和随机负荷之间的相互作用，以保证可接受的服务质量和可靠性水平。 关键词 可再生能源、间歇性、风能、Modelica、可靠性、漏桶 1. 简介 美国能源信息署 (EIA) 最近发布了 2020 年版短期能源展望，指出可再生能源发电份额将从 2019 年的 17% 增加到今年的 19%，到 2021 年将增加到 22% [1]。例如，据估计，全球风能发电量今年将达到 8% 的峰值 [2]。可再生电力装机容量的不断增加可能带来一系列影响。一方面，经济激励措施可以减轻负荷跟踪的需要，以及可再生能源的大量渗透可能通过储能给基载发电厂带来的连续成本增加 [3]。另一方面，可再生能源发电能力的不断增长和重要性对电网的可靠性和波动性有着至关重要的影响 [4]–[6]。在解决风电间歇性问题的解决方案中，包括需求响应、存储和常规供电的增加，存储因其与传统技术在调度方面的共同特点而受到广泛关注。存储的价值不仅限于调度，还可用于最大限度地降低电网波动性。事实上，一些研究表明，存储的可用性可以将能源供应成本降低 30% [7]。本文采用系统建模方法，在存储系统的帮助下评估可再生能源技术的容量贡献。可再生能源技术的供应能力和负荷的交汇处是存储。我们使用可再生技术与漏桶机制的同义属性对存储设施的供应进行建模，如下图 1 所示。漏桶与存储同义，而漏水则相当于存储资源的供应。先前的方法 [8] 采用漏桶机制来评估电力供需的变化，使用了一种基于包络的建模方法，该方法改编自排队系统网络微积分理论 (NetCal) [9]。该方法捕捉了零和博弈
驱动系统的初步设计和尺寸 - HAL
Jonathan Liscouet 的博士论文（2007-2010）由欧洲项目 DRESS 和法国 ANR 项目 SIMPA2 C6E2 资助并围绕这两个项目展开，为降低设计环路的复杂性和尺寸奠定了基础，例如逆向模拟、缩放定律和等效尺寸变量。适用于初步设计的模拟模型（例如，考虑电动机的尺寸热效应）已在 Modelica（图 2a）语言中开发和实施。为了便于设计探索，模拟所需的参数基于缩放定律模型。因此，设计师处理的参数集较少：技术现实参考工业组件进行考虑，这两者都有助于从较少的设计参数（例如等效热扭矩）中得出参数（例如质量、惯性、热时间常数）。这些研究活动是与 LAPLACE 实验室（C6E2）和
TwinOps – DevOps 与基于模型的工程和数字孪生相结合，用于 CPS 工程
网络物理系统 (CPS) 的工程需要大量专业知识来捕获系统需求并得出正确的解决方案。基于模型的工程和 DevOps 旨在高效地交付质量更高的软件。基于模型的工程依靠模型作为一流的工件来分析、模拟并最终生成系统的各个部分。DevOps 专注于软件工程活动，从早期开发到集成，然后通过在运行时监控系统进行改进。我们声称这些可以有效地结合起来，以改进 CPS 的工程流程。在本文中，我们介绍了 TwinOps，这是一种将基于模型的工程、数字孪生和 DevOps 实践统一在统一工作流程中的流程。TwinOps 说明了如何利用 MBE 和 DevOps 中的几种最佳实践来设计网络物理系统。我们使用数字孪生案例研究来说明我们的贡献，以说明 TwinOps 的优势，结合 AADL 和 Modelica 模型以及物联网平台。
基于模拟的集成热能储存的混合地源热泵系统性能研究
混合地源热泵 (HGSHP) 系统利用较便宜的散热器（例如干式冷却器）或热源（例如太阳能集热器）来减小较昂贵的 GHE 的尺寸。因此，它比传统的地源热泵系统更具成本竞争力。与热能存储 (TES) 系统集成后，HGSHP 系统即使在 GSHP 未运行时也可以充分利用较便宜的散热器或热源提供的加热和冷却输出。HGSHP 与季节性 TES 的组合也是克服建筑物年度冷却和加热负荷不平衡的有效解决方案。本文介绍了使用 Modelica 程序开发的集成 HGSHP 和 TES 系统模型。使用该模型进行了初步的基于模拟的研究，以调查集成 HGSHP 和 TES 系统对伊利诺伊州芝加哥以供暖为主的住宅建筑的有效性。模拟结果表明:集成式HGSHP与TES能够显著提高地源热泵供暖运行时的进水温度,从而提高其运行效率,或者可以减小GHE的尺寸,达到与传统地源热泵系统相同的能效。
真正的净零能源社区的开源虚拟测试平台
摘要：净零能耗社区 (NZEC) 对于确保现代化电力系统的可持续性和弹性至关重要。系统建模有助于克服设计和运行 NZEC 的技术挑战。在本文中，我们基于美国佛罗里达州的真实 NZEC，在 Modelica 中介绍了一个开源 NZEC 虚拟测试平台。该测试平台由两组模型组成：(1) 高保真度的基于物理的模型，这些模型考虑了所研究的 NZEC 子系统之间的相互作用并捕捉快速动态；(2) 低保真度的数据驱动模型，这些模型需要较少的资源来建立和/或运行。所有模型都根据来自这个真实 NZEC 的测量结果进行了验证。此外，该测试平台包括一个模拟框架，该框架简化了模拟过程，从而允许使用开发的模型来形成虚拟测试平台。为了展示虚拟测试平台的使用，进行了一个案例研究，其中通过模拟评估了建筑物到电网的集成控制。评估结果表明，测试控制显著平滑了研究社区的电力消耗，并且不会在很大程度上牺牲热舒适度。
考虑电能和热能的微型燃气轮机微电网日前优化调度
摘要。微电网被视为建筑物中各种分布式能源整合的关键要素。它们能够在并网和孤岛模式下运行，并在吸收可再生能源方面表现出巨大的潜力。然而，间歇性可再生能源的广泛实施，再加上可变电价，大大增加了微电网运行的不确定性。本文分析了一个综合能源系统的运行策略，该系统包括微型燃气轮机、地源热泵、光伏板，旨在满足商业建筑的供暖和电力需求。为了促进这一努力，开发了一个微型燃气轮机的神经网络模型，重点是快速计算时间和高精度地捕捉非设计性能。此外，使用 Modelica 语言开发和验证了地源热泵、光伏板的数学模型。使用 Dymola 优化包来推导系统的日前调度和一小时间隔，目的是最大限度地降低与系统相关的电力和供暖成本。结果表明，在分析期间，总成本可以降低约 51%，这表明在系统运行中节省成本的途径很有希望。
数字工程有效性
国防部于 2018 年发布的数字工程 (DE) 战略以及 DE 方法在机械和电气工程领域的成功应用推动了 DE 方法在其他产品开发工作流程（如系统和/或软件工程）中的应用。预期的好处是改善沟通和可追溯性，减少返工和风险。组织已经多次展示了 DE 方法的优势，通过使用基于模型的设计和分析方法，如有限元分析 (FEA) 或 SPICE（以集成电路为重点的仿真程序），在流程早期进行详细评估（即左移）。然而，其他领域，如用于网络物理系统 (CPS) 的嵌入式计算资源，尚未有效地展示如何将相关的 DE 方法纳入其开发工作流程。尽管 SysML 得到了广泛支持，特定工具（例如 MathWorks ®、ANSYS ® 和 Dassault 工具产品）和 Modelica 和 AADL 等标准也取得了重大进展，但 DE 对 CPS 工程的好处尚未得到广泛实现。在本文中，我们将探讨 CPS 开发人员为何迟迟不愿接受 DE，应如何定制 DE 方法以实现利益相关者的目标，以及如何衡量支持 DE 的工作流程的有效性。
提取紧凑型瞬态热模型，用于基于SIC MOSFET开关的全局优化功率系统
anaïsCassou *1，Quang Chuc Nguyen 2，Patrick Tounsi 1，Jean-Pierre Fradin 3，Marc Budinger 4，Ion Hazyuk 4 1 CNR，Laas，Laas，7 Avenue du du Colonel Roche Roche，Univ。De Toulouse, INSA, LAAS, F-31400 Toulouse, France 2 IRT Saint-Exupéry, 3 Rue Tarfaya - CS34436, 31400 Toulouse cedex 4, France 3 ICAM, site de Toulouse, 75 avenue de Grande Bretagne, 31076 Toulouse Cedex 3, France 4 Université de Toulouse, ICA (INSA, UPS，地雷Albi，Isae），135 Av。de rangueil，31077法国图卢兹 *电子邮件：anais.cassou@laas.fr本文在优化电源转换系统时涉及紧凑型瞬态热模型的兴趣。这些模型必须考虑基于SIC MOSFET的功率模块的不同芯片之间的热耦合效应。在模拟工具（例如ModelICA）中很容易实现开发的模型。我们将表明，对于在低占空比工作周期或快速变化的功率需求的应用程序，瞬态模型可以通过减轻系统来改善全球最佳设计。这种方法还确保连接温度不超过其极限值。