XiaoMi-AI文件搜索系统
World File Search SystemPreprint
可再生的热能系统设计用于多个行业的工业过程解决方案：预印本
工业脱碳可以而且必须通过从提供过程热量中去除化石燃料来加速。在小于250°C的温度下，这是工业过程热量约2/3的，但没有受到钢铁和水泥等区域的关注，这是一个特别有希望的机会。本文研究了两个案例研究的结果，以了解混合配置中可再生热能系统（RTE）的经济学和潜力以提供IPH。第一个案例研究着眼于使用区热作为热泵的输入 - 三个病例是从环境水（5°C），污水（20°C）和太阳能收集器（35°C）中收集能量的。第二个案例研究着眼于使用线性菲涅尔收集器（LFC）以及相变材料（PCM）热储能（TES）进行直接蒸汽生成（DSG）。考虑到每个热源的基础设施成本上升，第一个案例研究的热量成本（LOCH）范围从每百万英国英国热量单位（MMBTU）$ 4至10美元不等。对于用PCM和TE的第二个案例研究对LFC进行了建模，结果表明，根据直接的正常辐照度，每种MMBTU的LoCH是可能的9-15美元。
OPF-Learn：用于创建代表性交流最优潮流数据集的开源框架：预印本
摘要 — 可再生能源发电水平的提高激发了人们对数据驱动的交流最优功率流 (AC OPF) 方法的兴趣，以管理不确定性；然而，缺乏规范的数据集创建和基准测试，阻碍了对文献中的方法进行有用的比较。为了树立信心，模型必须能够可靠地预测各种运行条件下的解决方案。本文为 Julia 和 Python 开发了 OPF-Learn 包，它使用一种计算效率高的方法创建代表性数据集，涵盖交流 OPF 可行域的广泛范围。负载曲线是从包含交流 OPF 可行集的凸集中均匀采样的。对于找到的每个不可行的点，使用不可行性证书来减少凸集，这些证书是通过使用宽松公式的性质找到的。与文献中看到的传统技术相比，该框架可以生成更能代表整个可行空间的数据集，从而提高机器学习模型的性能。
使用最佳计划停机管理电力系统引起的野火风险：预印本
摘要 — 电力需求的不断增长和极端天气条件的增加给我们的电网带来了前所未有的压力。这种压力通常会导致电气元件故障，从而引发野火。这项工作开发了一种新模型，通过优化输电网络的运行计划来平衡电网运行的可靠性和野火引发的风险，同时考虑包括外生因素和运行因素在内的时变风险指标。储能系统被认为可以在高峰野火时段提供电力并实现时间负载转移。该问题被表述为一个混合整数线性规划，该规划最大化服务电力需求和电网引起的野火风险降低的加权和。结果表明，该模型能够在不大幅削减负荷的情况下显着降低野火风险。索引词 — 野火风险管理、电力系统运行、野火弹性电力系统、主动调度
通过天空图像进行遮挡扰动深度学习概率太阳预报：预印本
摘要 — 由于太阳能资源本身的不确定性，太阳预报正在转向概率范式。输入不确定性量化是建模太阳不确定性的广泛使用和最佳方法之一。然而，与其他输入源（例如数值天气预报模型）相比，纯基于天空图像的概率太阳预报落后了。在这项研究中，开发了一种遮挡扰动卷积神经网络，称为 PSolarNet。PSolarNet 提供来自天空图像序列的全球水平辐照度的非常短期的确定性预报、预报场景和概率预报。基于 6 年开源数据的案例研究表明，开发的 PSolarNet 能够生成准确的 10 分钟确定性预报，标准均方根误差为 5.62%，预测场景逼真多样，与实际时间序列的平均相关性为 0.966，概率预报可靠而敏锐，标准连续排序概率得分为 2.77%。索引术语 — 深度学习、太阳预报、天空图像处理、贝叶斯模型平均
大规模分布式能源电网整合的可扩展预测控制与优化：预印本
摘要 — 将大量分布式能源 (DER) 整合到电网中需要一种可扩展的电力平衡方法。我们将电力平衡问题表述为一个前瞻优化问题，由基于模型预测控制 (MPC) 框架的配电系统聚合器按顺序解决。解决大规模前瞻控制问题需要正确配置控制步骤。在本文中，为了解决大规模控制问题，我们提出了一种可变的时间粒度，其中靠近当前控制步骤的控制时间步骤具有更精细的分辨率。聚合器目标包括最大化电力生产收入并最小化电力购买费用、可再生能源削减以及能源存储和电动汽车 (EV) 充电站的里程成本，同时满足系统容量和运营约束。控制问题被表述为混合整数线性规划 (MILP)，并使用 XpressMP 求解器进行求解。我们进行了模拟，考虑了由 2507 个设备（可控 DER）组成的大型配电网络的铜板表示，包括可削减的光伏 (PV)、储能电池、电动汽车充电站以及带有供暖、通风和空调装置 (HVAC) 的建筑物。我们展示了所提出的方法在交互式管理 DER 以实现最大能源交易利润和本地供需电力平衡方面的有效性。最后，我们证明了所提出的方法在计算时间方面优于其他基准控制器，同时不影响运行性能。索引术语 — 配电系统、DER、电网整合、电力市场、模型预测控制、电力平衡。
预印本正在审查主动推断，贝叶斯最佳设计和预期的实用程序Noor Sajid 1*，Lancelot da Costa 1,2，Thomas Parr 1和Karl
抽象的主动推理是自由能原理的推论，是描述某些类型的随机动态系统的行为的形式方法 - 具有感知的外观。在本章中，我们描述了主动推断如何在单个命令下结合贝叶斯决策理论和最佳的贝叶斯设计原理，以最大程度地减少预期自由能。正是主动推理的这一方面允许自然而然地出现寻求信息行为。从预期的自由能中删除先前的结果偏好时，主动推断将减少为最佳贝叶斯设计，即信息增益最大化。相反，在没有歧义和相对风险的情况下，即预期的效用最大化，主动推论会减少贝叶斯决策理论。使用这些限制案例，我们说明了当代理选择优化预期效用，预期信息增益和预期自由能的动作时，行为如何不同。我们的T迷宫模拟显示了优化的预期自由能产生目标指导的信息寻求行为，同时优化预期的实用程序会诱导纯粹的利用行为，并最大程度地提高信息增益产生本质上动机的行为。
电网和技术变化背景下的太阳能光伏发电削减：预印本
太阳能光伏 (PV) 系统发电时没有边际成本或排放。因此，光伏发电几乎总是优先于其他燃料来源并输送到电网。随着光伏渗透率的提高，会出现光伏发电被削减的情况，要么是因为当地供需失衡，要么是为了保持系统灵活性。在本文中，我们对四个主要国家（智利、中国、德国和美国）近期的削减情况进行了新颖的综合分析。我们发现，2018 年这些国家削减了约 650 万兆瓦时的光伏发电量。我们发现，光伏削减在春季和秋季达到峰值，此时光伏发电量相对较高，但电力需求相对较低。与风电的情况类似，部分光伏削减归因于连接人口稀少的太阳能密集地区和负荷中心的输电能力有限。
先进槽式集热器的制造成本分析：预印本
摘要。研究团队对先进槽式太阳能设计 — Solar Dynamics Sunbeam-MT（Sunbeam Mid-Term）进行了详细的自下而上的制造成本估算。这包括在制造工厂中制造和组装的所有组件（例如空间框架和臂）以及购买的零件（例如镜子和接收器管）。已经对施工和装配活动进行了估算，然后确定了估计的安装成本。先前的分析已经对 schlaich bergermann partner (sbp) 的 Ultimate Trough 进行了详细的自下而上的制造、装配和施工分析，这项工作根据与 SunBeam-MT 类似的孔径面积更新了太阳能场成本估算。对于此分析，Ultimate Trough 被视为商用槽式太阳能系统，Sunbeam-MT 被视为先进槽式太阳能系统。为便于比较，Sunbeam-MT 和 Ultimate Trough 都采用了一个孔径面积约为 800,000 平方米（m 2 ）的太阳能场建模，相当于一个大型 CSP 工厂。分析发现，Sunbeam-MT 的潜在安装成本估计可能为 120 美元/平方米，但必须按规模建造才能证实这一估计。与之前的分析相比，采用美国条件的商用 Ultimate Trough 的安装成本已从 178 美元/平方米降至 152 美元/平方米。如果使用中国钢材，这两种设计的成本甚至可能更低。
使用固体颗粒进行电网电源存储的新型热量储能系统的经济分析：预印本
随着可再生能源发电成为主流新建的能源，能源存储将成为必不可少的需求，以补充可再生资源的不确定性以巩固电源。逐步淘汰化石燃料发电厂以满足世界各地中叶的碳中性公用事业目标时，将需要大量的能源存储以提供可靠的网格功率。与存储的可再生能源集成可以支持未来的无碳公用事业，并产生了一些重大影响，包括增加可再生生成的价值对电网的价值，改善峰值载荷响应，并平衡电力供应和需求。长期储能（持续时间为10–100小时）可能会补充化石燃料基准产生的减少，否则，当大部分网格功率来自可变的可再生能源时，否则将风险网格安全性。基于泵存储水电或电池的电流存储方法具有许多限制。热量存储（TES）在规模上具有独特的优势，并提出了灵活性，可以提供网格尺度的存储容量。一个基于粒子的TES系统具有未来不断增长的储能需求的成本和性能。本文介绍了粒子在技术和经济上具有竞争力所需的系统和组件。基于初步组件设计和性能的技术经济分析表明，与有效的空气 - 布雷顿组合循环电源系统集成的粒子TES可以通过低成本，高性能的存储周期为几天提供动力。它通过实现间歇性可再生能源（如风和太阳能）的大规模网格整合来满足网格存储需求，从而增加了其网格值。本文介绍了商业规模系统中主要组成部分的设计规格和成本估算。成本模型为与竞争技术的进一步发展和成本比较提供了见解。
3D点云中的结构感知：预印本
这项工作是由美国能源公司联盟（Alliance for of Contery No.DE-AC36-08GO28308。由美国能源部能源效率和可再生能源办公室提供的资金。这项工作得到了美国能源部科学办公室，教师和科学家劳动力发展办公室（WDTS）的部分支持，科学本科实验室实习计划（SULI）计划。这项工作得到了NREL实验室定向研发（LDRD）计划的部分支持。此处表达的观点不一定代表美国能源部或美国政府的观点。美国政府保留和出版商，通过接受该文章的出版物，承认美国政府保留了不可限制的，有偿的，不可撤销的，全球范围内的许可，以出版或复制这项工作的已发表形式，或允许其他人这样做，以实现美国政府的目的。