XiaoMi-AI文件搜索系统
World File Search SystemOpenStudio
迈向可持续的人工智能 - OpenStudio
人工智能 (AI) 用于创建更可持续的生产方法和模拟气候变化，使其成为对抗环境恶化的宝贵工具。本文描述了一种耗能技术服务于未来生态挑战的悖论。该研究概述了使用基于人工智能的解决方案进行环境保护的行业。它借鉴了来自绿色人工智能参与者的大量示例来展示用例和具体示例。在研究的第二部分，研究了人工智能对环境的负面影响以及支持绿色人工智能的新兴技术解决方案。研究还表明，对低能耗人工智能的研究更多地是出于成本和能源自主性约束，而不是出于环境考虑。这导致了反弹效应，有利于增加模型的复杂性。最后，讨论了将环境指标集成到算法中的必要性。环境维度是人工智能更广泛的伦理问题的一部分，解决它对于确保人工智能的长期可持续性至关重要。
通过能源建模探索实验室电网互动高效建筑策略
1.1 方法实验室建筑是功能复杂的工作环境，拥有许多安全和操作协议，这使得 GEB 策略难以概念化，更不用说实现。本案例研究旨在通过使用美国能源部开发的 OpenStudio 实验室建筑原型模型模拟 GEB 策略来纠正这种不平衡。OpenStudio ® 是一款模拟软件，它为用户提供各种不同的建模工具，以创建和分析不同建筑的能源消耗。5 作者的 OpenStudio 模型产生的能源负荷随后被输入 REopt，以计算与实验室建筑运营相关的近似电力成本和排放量。可再生能源集成和优化工具 ® (REopt) 是由 NREL 开发的技术经济决策支持平台，可根据电力成本优化能源系统。6
建模冰储能的负载灵活性
随着对网格相互作用有效建筑物的兴趣日益增加，正在对其在未来网格中的作用进行评估。ICE热能存储（ITS）具有为可变生成资产支配的网格提供负载灵活性的巨大潜力，但是它需要仔细的设计，分析和控制才能有效。可以使用建筑能量模拟进行评估，但由于在建筑模拟模型中包括冰储存所需的复杂性和额外的努力，因此不经常进行评估。这项研究的目标是两个方面：（1）通过OpenStudio测量脚本自动将冰量存储添加到建筑模型中，并（2）评估其设计和控制策略的示例负载灵活性潜力。本文提出了一种新的OpenStudio措施，该措施具有轻松，准确地对各种潜在的设计选项和常见控制方案进行建模的能力。采用此措施后，我们将建筑物在每个模拟时段使用冷却器和冰的存储性能限制来限制建筑物增加或减少30分钟以上预测的未来电力载荷到6小时的窗户。最后，我们评估了其针对仿真需求响应事件的性能。
Resstock 2024.2版本：技术文档
1。resstock及其更新。Resstock工具描述Resstock™是一种模拟美国住房库存能源消耗的工具。它是由国家可再生能源实验室（NREL）开发和维护的。它的两个主要功能是（1）创建统计代表性的建筑模型，这些模型由可用数据和（2）使用EnergyPlus™和OpenStudio™对这些模型进行基于物理的模拟。由此产生的Resstock数据集包括每个建模的住宅单元及其各自的住宅单元特征（例如，绝缘水平，基础类型，墙壁构造）和家庭特征（例如设定点属性，居住者信息，家庭收入，家庭收入）。一个住宅单位是一个单一的住房住所，例如一个联排别墅，公寓楼内的一个公寓或单户独立的房屋。