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。
逆变器控制策略对 100% 可再生能源渗透微电网稳定性影响的研究：预印本
摘要 —本文研究了混合发电（同步发电机 (SG)、电网形成 (GFM) 和电网跟踪 (GFL) 逆变器）的微电网暂态稳定性，随着渗透水平的提高，朝着 100% 可再生能源发电微电网迈进。具体来说，通过电磁暂态研究评估了具有 SG 和 GFL 逆变器的微电网、具有 GFM 逆变器的 SG 以及具有 GFM 和 GFL 逆变器的 SG 在每种渗透情况下的动态，其中有两个关键动态事件：计划外孤岛和泵送感应电机负载中的切换。分析和仿真结果表明，与 SG 并联运行的 GFL 逆变器的微电网可以提供比 GFM 逆变器更快的功率响应，以补偿频率和电压的偏差。混合 SG、GFM 和 GFL 逆变器的方案具有最佳的暂态和稳态稳定性，以实现 100% 基于逆变器的资源 (IBR) 渗透。这项综合研究为微电网工程师在面临安装 IBR（GFL、GFM 或混合）的各种选择时了解微电网的稳定性提供了有用的参考。
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。
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。
实现它：商业建筑的现场可再生能源和存储挑战和解决方案：预印本
一个工作组的重点是使用现场可再生能源和存储，这是一种在能源效率之后的关键脱碳策略。更好的气候挑战在现场可再生能源和存储工作组的成员首先确定实施这些技术的障碍。然后将解决方案集思广益，以支持投资组合建筑所有者从单个系统转变为广泛实现。示例见解包括提高对安装过程和位置决策的理解，使业务案例向相关的利益相关者提供，讨论整个过程中意外的挑战，并在投资组合中复制这些技术。本文详细介绍了有价值的市场反馈，并突出了迈向广泛部署可再生能源和存储解决方案的途径。
使用修剪的物理感知神经网络增强配电系统状态估计：预印本
数据或通过插值观察到的测量数据来计算。在配电系统中，伪测量可以从智能电表数据、基于光伏 (PV) 辐照度或风速预测模型的分布式能源发电中获得。在 [4] 中，研究了一种基于博弈论的数据驱动技术，目的是在配电系统状态估计 (DSSE) 中生成伪测量。开发了并行机器学习模型来学习负载模式，然后生成准确的有功功率伪测量。出于同一目的，在 [5] 中，实现了一种基于频率的聚类算法，该算法确定负载模式并估算每日能耗。另一方面，使用概率数据驱动方法为未测量的 PV 系统生成时间序列伪测量 [6]。除了利用来自丰富数据的伪测量来改进电网监控之外，配电系统运营商 (DSO) 还将受益于能够以有限的传感预测系统状态的方法。[7]–[10] 提出了一种结合预测和状态估计模型的估计方法。这些方法提出了数据驱动模型，这些模型依赖于最小均方估计和贝叶斯估计。优点是这些方法不需要可观测性或冗余测量。最近，[10] 中的作者提出了一种基于深度学习的贝叶斯状态估计方法，用于不可观测的配电网。数据驱动技术为提高配电系统中的电网可观测性提供了一种非常有前途的解决方案。受这些方法的启发，我们提出了一种具有有限感知的数据驱动状态估计来解决 DSO 面临的问题。在 [11] 中，提出了一种称为物理感知神经网络 (PAWNN) 模型的方法。其思想是将配电系统的物理连接嵌入神经网络模型中；然而，模型中连续层之间的连接保持不变，这可能导致不必要的连接。为此，本文提出了修剪的物理感知神经网络 (P2N2)。图 1 显示了所提出方法的图形摘要。首先，使用设置 Monte Carlo 模拟
使用GIS和网格分析的快速电动汽车的快速充电站的位置选择：预印本
摘要 - 这项工作提出了一种基于地理空间和电网分析的重型电动汽车（EV）的快速充电站的位置选择的系统方法。地理空间分析基于道路网络和现有支持基础架构的现实世界地理信息系统（GIS）数据。基于节点级别对分配系统电压和功率损耗的潜在影响的分析实施网格分析。使用来自加利福尼亚州的现实，三相，不平衡的分配馈线和提取现实世界中的GIS数据的案例研究，用于证明提议的方法论在考虑电动和现有运输基础设施的重型电动汽车的快速充电站的位置选择中，提出的方法的透度和有效性。
使用基于 MPC 的关键服务恢复实现配电系统的弹性运行：预印本
摘要 -- 配电系统更容易发生中断，并导致大多数电力系统停电。我们提出了一种服务恢复技术，用于在极端事件触发的变电站停电后恢复系统服务（电力输送）。所提出的技术考虑了控制配电系统分布式能源 (DER) 的问题，目标是在满足网络流量和电压约束的同时实现最大负载恢复。该问题被表述为模型预测控制 (MPC)，其中采用线性化最优功率流 (OPF) 模型来描述网络。该公式通过增加 DER 的储备产品来增强，以确保随着时间的推移单调地恢复负载。我们考虑了集成了风能、太阳能、微型涡轮机和储能设备的 IEEE 13 总线测试馈线进行模拟。我们证明了所设计的技术在单调恢复系统负载方面的有效性，而不会切断先前恢复的负载。我们还展示了 DER 的功率和储备产品的共同优化对服务恢复的好处。此外，还展示了该技术在调节节点电压和减少可再生能源削减方面的能力。
考虑辅助服务的生产成本建模研究混合系统模型：预印本
本论文由美国国家可再生能源实验室 (National Renewable Energy Laboratory) 撰写，该实验室由可持续能源联盟有限责任公司 (Alliance for Sustainable Energy, LLC) 运营，受美国能源部 (DOE) 委托，合同编号为 DE-AC36-08GO28308。本研究由美国能源部电力办公室的 GMLC 项目 (合同编号为 AC36- 08GO28308 (FlexPower)) 和电力办公室的高级电网建模项目 (R2D2 项目) 资助。本文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；出版商在接受发表本文时，即承认美国政府保留非独占、已付费、不可撤销的全球许可，可以出于美国政府目的出版或复制本论文的已出版形式，或允许他人这样做。
根据赔偿计划的最佳电动汽车充电和排放策略：预印本
摘要 - 由于环境问题，模型的更多可用性以及对汽油汽车的成本竞争力提高，电动汽车（EV）的采用越来越流行。由于电动汽车具有充电和排放能力，因此它们为帮助电网操作的电力公司提供了巨大的潜力。当网格需求较高时，电动汽车可以排放到网格以减少峰值负载，反之亦然；因此，电力公司设计了不同的政策，以鼓励电动汽车充电站运营商在特定时间段内充电或排放。纽约州公共服务委员会建立了分布式能源资源（VDE）或价值堆栈的价值，以补偿包括EVS在内的分布式能源创造的能源。本文提出了一种基于优化的方法，以识别“黄金小时”和“黄金点”，即，在VDER计划下，EV充电站运营商的有效时间段和地理位置可以为他们提供最高的收益。所提出的方法也可以应用于其他补偿机制和分配系统。通过与行业合作伙伴Ninedot Energy合作，在本研究中使用了现实的充电站信息，并在配电馈线上测试了拟议的方法。这项研究的结果可以帮助电力公司和电动汽车充电站运营商确定理想的充电/放电时间以及在其分配系统中充电站的理想位置，以实现最大化的收益。