XiaoMi-AI文件搜索系统
World File Search SystemMoghaddam
引用：Kheirkhah A H，Forouzani-Moghaddam M J，Afkhami-Ardekani M.益生菌与2型糖尿病的关系之间的关系：评论。 IJDO 202
抽象目的：糖尿病是一种慢性病，可能是由遗传或获得的胰岛素分泌不足引起的，或者人体无法有效利用其产生的胰岛素。糖尿病有三种主要分类：类型1，类型2和妊娠糖尿病。2型糖尿病（T2DM）的特征是空腹血糖（FBG）和糖基化血红蛋白（HBA1C）的水平升高，表明葡萄糖代谢紊乱。“益生菌”一词是指对宿主健康产生有益影响的活生生生物。益生菌对人类T2DM的影响显示出矛盾的结果。一些研究表明，益生菌治疗大大降低了T2DM患者的HBA1C，FBG或胰岛素抵抗（IR）。然而，其他研究发现，经益生菌治疗的患者和接受安慰剂的患者之间没有显着差异。发现益生菌的使用可增强T2DM个体中的葡萄糖代谢和HBA1C水平。这些发现符合先前对此主题的评论。关键字：糖尿病，益生菌，胰岛素
已发表版本的引用（APA）：Zhang, Y., Anvari-Moghaddam, A., Peyghami, S. , Dragičević, T. , Li, Y., & Blaabjerg, F. (2022)。最佳尺寸
摘要 — 用户侧 (BTM) 电池储能系统 (BESS) 主要用于提供负荷管理。但节省的电费几乎无法抵消高昂的前期投资成本。通过合理设计 BESS 的规模和运营策略，某些可堆叠服务所创造的多种收入流可以抵消初始成本。因此，为了最大化 BESS 投资的回报率，本文提出了一种优化 BTM BESS 功率和能量容量的两阶段优化模型。BESS 提供的可堆叠服务包括能量套利和频率调节。采用遗传算法和混合整数线性规划模型相结合的混合算法来共同优化 BESS 的规模和运行策略。以塑料制造业的实际负荷数据和 PJM 市场的频率调节信息为数据库，验证所提出的模型和混合算法的可用性和有效性。
已发布版本的引用（APA）：Alilou，M.，Gharehpetian，GB，Ahmadiahangar，R.，Rosin，A.，＆Anvari-Moghaddam，A.（2022）。日前计划
摘要：智能家居中电力和信息的双向通信有利于对具有充电和放电能力的设备（如电动汽车和电力存储系统）进行优化管理。这些设备的调度可以考虑家用可再生能源装置、家庭能源消耗、电网电价和其他预定参数，以提高其效率以及智能家居的技术和经济指标。本文研究了一种基于决策向量和层次分析法的新型框架，以找到这些设备的最佳运行时间表，从而实现智能家居的日前性能。电动汽车和电力存储系统的初始数据是随机建模的。这项工作的目的是通过电动汽车和电力存储系统的优化运行来最大限度地降低智能家居的电力成本和峰值需求。首先，根据市场价格、家用光伏板的发电功率和智能家居的电力需求，引入这些设备充电和放电的不同决策向量。其次，利用层次分析法实现各类决策准则的优先级别，并计算最终决策向量。最后，考虑电动汽车与储能设备的运行约束以及充放电优先级约束，基于最终决策向量选择电动汽车与储能系统的运行计划。将所提方法应用于考虑不同决策准则优先级别的样本智能家居。数值结果表明，虽然电力需求排序较高的决策准则组合对智能家居的技术经济指标改善效果最好，分别约为12%和26%，但所提方法在所有场景下均具有合适的性能，可用于选择电动汽车与储能系统的最优运行计划。
引用发布版本（APA）：Mirzaei，M。A.，Zare，K.，Mohammadi-ivatloo，B.，Marzband，M。，＆Anvari-Moghaddam，A。（2021）。强大的网络con
- 用户可以从公共门户网站下载并打印一份出版物的副本，以进行私人研究或研究。- 您可能不会进一步分发材料或将其用于任何盈利活动或商业收益 - 您可以自由分发URL，以确定公共门户网站中的出版物 - 如果您认为此文件违反版权，请通过vbn@aub.aau.dk与我们联系，我们将立即删除工作的详细信息，并立即删除访问详细信息并调查您的索赔。
已发表版本的引用 (APA)：Hemmati，M.，Abapour，M.，Mohammadi-Ivatloo，B.，& Anvari-Moghaddam，A. (2020)。集成系统的最佳运行
摘要：天然气和电力能源协调的多载体能源系统为提高能源效率和能源供应灵活性提供了特殊的机会。电力和天然气网络的相互依赖性面临着多重挑战，从相应的馈线和管道中的电力和天然气流动以及两个基础设施之间的连接点来看。然而，能源枢纽概念作为具有多个转换、存储和发电设施的多载体能源系统的基本概念，可以被视为电力和天然气电网之间的连接点。因此，本文提出了一种考虑互联能源枢纽的协调天然气和电力分配网络的优化运行方法。拟议的能源枢纽配备了热电联产装置、锅炉、电池储能、热泵和燃气机组，以满足供热和电力负荷需求。所提出的模型是一个两阶段的基于场景的随机模型，旨在考虑风能、电力负荷和实时电价不确定性，从而最大限度地降低总运营成本。所提出的综合能源系统可以参与实时和日前电力市场以及天然气市场，以购买其所需的能源。交流电力流和韦茅斯方程被扩展以分别描述馈线和天然气管道中的电力和天然气流动。因此，考虑到耦合约束，综合电力和天然气电网的现实模型是可以满足的。所提出的模型在综合能源系统中进行了测试，该系统由一个 33 节点的电网和一个具有多个互连能源枢纽的 6 节点天然气电网组成，其中的数值结果揭示了所提出模型的有效性。
已发布版本的引用（APA）：Daneshvar, M.、Mohammadi-Ivatloo, B.、Zare, K.、Asadi, S. 和 Anvari-Moghaddam, A. (2021)。新颖的操作方式
摘要 — 近来，电力系统的脱碳已导致人们为设计一条通往 100% 可再生能源 (RER) 的道路而付出了巨大的努力。本文提出了一种新颖的运营模式，以使互联的 100% RER 微电网有效参与交易能源市场。所提模型的新颖性主要与使用交易能源技术为 100% RER 微电网开发免费能源交易环境作为本地能源交易市场以在系统中建立动态能源平衡有关。为了捕捉系统中的间歇性，在放松管制的环境中提出了一种具有风险规避和风险追求策略的随机规划和信息差距决策理论 (IGDT) 方法的混合版本。通过选择改进的 IEEE 14 总线测试系统来验证所提出的模型。结果表明，当微电网同时参与交易能源市场时，所提出的模型在为微电网提供相同百分比的成本节省方面是有效的。基于该模型的微电网在交易能源市场中的合作能源互动与基础模型相比可节省18.34%的成本。
已出版版本的引用（APA）：Naji Alhasnawi，B.，H. Jasim，B.，Anvari-Moghaddam，A.，和Blaabjerg，F.（2020）。一种新的鲁棒控制策略
摘要：本研究提出了一种适用于消费者住宅区的混合交流/直流微电网，该微电网采用可再生能源，以满足需求。目前，发电和消费经历了重大转变。其中一个趋势是将微电网整合到配电网中，其特点是可再生能源资源的高渗透率以及并联运行。可以采用传统的下垂控制，以便在混合交流/直流微电网的并联逆变器之间获得准确的稳态平均有功功率分配。假设具有相同下垂增益的相同逆变器会有相似的瞬态平均功率响应，并且单元之间不会有循环电流流动。然而，瞬时功率可能会受到不同线路阻抗的很大影响，从而导致逆变器之间流动的循环功率发生变化，尤其是在负载变化等意外干扰期间。如果逆变器吸收了这种功率，可能会导致直流链路电压突然升高并跳闸，进而导致整个混合微电网的性能下降。当混合发电机充当单向电源时，问题会进一步恶化。在本研究工作中，我们提出了一种适用于混合微电网的新型分布式协调控制，该控制可应用于包括可变负载和混合能源的并网和孤岛模式。此外，为了选择最有效的控制器方案，设计了参与因子分析来约束直流母线电压并降低循环功率。此外，对于光伏电站和风力涡轮机，当环境条件存在差异时，最大功率点跟踪 (MPPT) 技术已被用于从混合电力系统中提取最大功率。最后，通过仿真结果证实了引入的混合微电网策略在不同模式下的可行性和有效性。
引用出版版本（APA）：Mirzaei，M。A.，Nazari-Heris，M.，Zare，K.
- 用户可以从公共门户网站下载并打印一份出版物的副本，以进行私人研究或研究。- 您可能不会进一步分发材料或将其用于任何盈利活动或商业收益 - 您可以自由分发URL，以确定公共门户网站中的出版物 - 如果您认为此文件违反版权，请通过vbn@aub.aau.dk与我们联系，我们将立即删除工作的详细信息，并立即删除访问详细信息并调查您的索赔。
已发布版本的引用 (APA)：Yaprakdal, F.、Yılmaz, MB、Baysal, M. 和 Anvari-Moghaddam, A. (2020)。深度神经网络辅助方法
摘要：大规模可再生能源发电的固有可变性给微电网能源管理带来了巨大困难。同样，人类行为对电价变化和季节变化的影响也会导致电力消耗的变化。因此，电力系统运行的正确调度和规划需要准确的负荷需求和可再生能源发电估计研究，尤其是短期（小时前、日前）。本研究考虑了总电力负荷和大容量光伏发电的时间序列变化，通过整合预测结果来促进可重构微电网短期最优运行调度框架中的供需平衡。基于双向长短期记忆单元的深度循环神经网络模型 DRNN Bi-LSTM 旨在提供准确的总电力负荷需求和大容量光伏发电预测结果。利用真实世界数据集来测试所提出的预测模型，结果显示，与调查文献中的其他方法相比，DRNN Bi-LSTM 模型表现更好。同时，研究了最优运行调度框架，同时制定日前最优重构计划和可控分布式发电单元的最优调度，将其视为最优运行解决方案。采用基本粒子群优化方法和选择性粒子群优化方法（PSO&SPSO）的组合方法，进行组合、非线性、非确定性多项式时间难（NP-hard）复杂优化研究，旨在最小化微电网在各种等式和不等式约束条件下的总无功功率损耗。包括光伏电源和柴油分布式发电机的可重构微电网测试系统用于最优运行调度框架。总体而言，本研究通过开发的 DRNN Bi-LSTM 模型，为具有电力需求和可再生能源预测的可重构微电网的最优运行调度做出了贡献。结果表明，采用深度学习辅助方法的可重构微电网最优运行调度不仅可以减少无功功率损耗，还可以以经济的方式改善系统。