XiaoMi-AI文件搜索系统
World File Search System优化模型
非线性优化模型评估
本研究工作介绍了基于非常规可再生能源的孤立微电网的最佳能源管理。为此，提出了一个经济调度问题，旨在以最低的运营成本满足电力需求，该问题基于混合整数非线性优化问题。算法的非线性通过在优化模型中包含描述发电机组实际运行的特征方程来表示。经济调度的输入数据（例如太阳辐射和风速）是从位于厄瓜多尔加拉帕戈斯省圣克鲁斯岛的 NASA 平台获得的。此外，电力需求数据是从该地区的实际测量中获得的。对12、24、168小时的经济调度问题进行了求解，得到各情况下的能量分配比例为光伏发电机供电50.40%、柴油发电机供电23.92%、蓄电池组供电17.14%、风力发电机供电5.53%，完全满足了需求，满足了发电机组不出现间歇性的特点，获得了系统最低的运行成本。
强大的优化模型以改善供应链...
为了保持在竞争环境中，必须使用自动材料处理系统设计灵活的响应制造系统[1]。在21世纪的前二十年中，组织和人们一直在经历新事件和现象，其根源可能从很多年前就已经成长。在任何领域引入信息技术要素，响应客户以及消费者的市场和需求的逐步变化的必要性，以及在组织和生产中具有灵活性和生产的需求，所有这些都需要朝着组织的生产力概念发展[2]。这个概念源于组织的需求确实是在物理和虚拟领域创建网络，并消除了组织中的损失，包括管理中最重要的转变和新颖的方法[3]。
有限的深度增量优化模型 -
摘要工业计算机断层扫描（CT）广泛用于各种行业的非破坏性测试和质量控制。然而，工业CT中的一个共同挑战是由有限的角度层析成像引起的伪影的存在，由于几何约束或时间限制，该物体无法完全旋转。为了消除工件，我们提出了一个基于扩散模型的新框架：深度增量角度改进模型（DI-ARM）。我们的方法通过使用不同有限角度的重建数据作为训练过程中的中间步骤来利用CT投影的特性，取代了添加随机高斯噪声的传统扩散模型。这种方法确保了训练过程中的数据一致性，从而减轻了通过扩散模型的随机性引起的不稳定性。此外，与常规扩散模型相比，我们的方法需要更少的步骤，从而大大降低了计算资源消耗。
商业建筑能源优化模型
在本研究中，我们开发了一种新颖的非线性模型预测控制 (NMPC) 框架，用于控制具有可再生能源系统的建筑物的气候，以最大限度地降低电力成本。首先基于质量和能量平衡方程构建建筑物气候和可再生能源系统的非线性动态模型，包括温度、湿度、热舒适度、地热热泵和太阳能电池板。然后将非线性动态模型集成到所提出的 NMPC 框架中，该框架迭代解决非线性规划问题以生成最佳控制输入，从而最大限度地减少能源消耗和碳足迹，实现可持续发展。对位于康奈尔大学校园内的建筑物进行模拟案例研究，以展示可再生能源使用所提出的 NMPC 框架降低建筑物能耗的能力。结果表明，NMPC 框架可以有效地将总电力成本和热舒适度约束违规降至 12.9%，而不同季节的预测平均值指数违规不超过 0.2。实施电力存储组件可以将电力成本降低 19%。结果表明，使用可持续能源和 NMPC 框架的智能建筑具有更好的可持续性。
将全局优化模型应用于EEG脑信号
过去十年，人们做出了巨大努力，使社交机器人的形态和功能更加人性化，以提高它们在人类中的接受度。为此，社交机器人最近与脑机接口 (BCI) 系统相结合，试图让它们了解人类的心理状态，尤其是情绪。然而，使用 BCI 进行情绪识别带来了一些挑战，例如情绪的主观性、情境依赖性以及缺乏可靠的神经测量来实时处理情绪。此外，使用 BCI 系统也带来了一系列局限性，例如输入数据空间中的偏差-方差权衡、维度和噪声。在本研究中，我们试图通过在人机交互 (HRI) 期间从 EEG 大脑活动中检测人类的情绪状态来解决其中的一些挑战。从 10 名与表现出积极或消极性格的 Pepper 机器人互动的参与者那里收集了 EEG 信号。使用从额叶大脑不对称 (FBA) 得出的情绪效价和唤醒测量，训练了几种机器学习模型，以根据机器人个性对人类的心理状态进行分类。 为了提高分类准确性，所有提出的分类器都经过基于特征选择和超参数优化技术的全局优化模型 (GOM)。 结果表明，可以从 EEG 信号中对用户对机器人行为的情绪反应进行分类，准确率高达 92%。 本研究的成果有助于人机交互中心智理论 (ToM) 的第一级，使机器人能够理解用户的情绪反应并将心理状态归因于他们。 我们的工作推动了社交和辅助机器人领域的发展，为未来开发更具同理心和反应更快的 HRI 铺平了道路。
基于条件的飞机机队维护计划优化模型比较研究
摘要：在考虑一组系统的健康预测的同时，在破坏性环境中对飞机机队进行基于条件的维护 (CBM) 调度是一个非常复杂的组合问题，鉴于健康预测中包含的不确定性，该问题变得更具挑战性。此类问题属于不确定条件下资源受限调度问题的大类，通常使用混合整数线性规划 (MILP) 公式来解决。虽然 MILP 框架非常有前景，但问题规模可以随着考虑的飞机数量和考虑的任务数量呈指数级增长，从而导致计算成本显着增加。人工智能的最新进展已经证明了深度强化学习 (DRL) 算法能够缓解这种维数灾难，因为一旦 DRL 代理经过训练，它就可以实现维护计划的实时优化。但是，不能保证最优性。文献中尚未讨论 MILP 和 DRL 公式在飞机机队维护调度问题中的比较优点。本研究是对这一研究空白的回应。我们对 MILP 和 DRL 调度模型进行了比较，这两个模型用于在破坏性环境中为不同规模的飞机机队的各种维护场景得出最佳维护计划，同时考虑健康预测和执行每项任务的可用资源。根据根据实际航空公司实践定义的四个规划目标来评估解决方案的质量。结果表明，DRL 方法在预测驱动任务的调度方面取得了更好的结果，并且需要更少的计算时间，而 MILP 模型可以产生更稳定的维护计划并减少维护地面时间。总体而言，该比较为将健康预测整合到航空公司维护实践中提供了宝贵的见解。
利用优化模型实现梯级水电站收益最大化
本文重点研究短期梯级水力调度问题，特别是在竞争环境，即市场条件下。提出了一种非线性随机优化方法，将水力发电量作为每小时电力市场价格和水释放率的函数。为了解决基于土耳其梯级水力发电设施之一的案例研究，所提出的方法已成功应用于各种问题，计算时间可忽略不计，同时提供更高的利润。本文展示了应用基于拟牛顿法的模型可以实现的好处，该方法可以找到解决某种类型优化函数的零点或局部最大值和最小值，因为它可以更好地处理问题的不确定性、约束和复杂性。十年每小时水流入数据和电力市场价格被用作输入，并比较了级联和单一优化的结果。与每个水电站 (HPP) 的运行分别进行的比较研究表明，使用级联变体可获得 18% 的收入。
光伏风电场储能系统附加运行优化模型
摘要。本文讨论了用于综合利用太阳能和风能的光伏和风力发电厂的建模和优化方法。给出了太阳能电池和风力发电厂特性对输入参数依赖性的建模结果。考虑了输出电压安培和功率参数随环境条件的变化。介绍了发电厂数学建模的各种编程方法。介绍了通过连接分流二极管来优化太阳能电池输出特性的方法。基于过程的数学建模分析了太阳能电池板的运行。研究了天气条件、温度和光照对太阳能装置输出参数的影响。还考虑了太阳能和风能装置与储能系统综合使用的优势。我们考虑基于各种分布函数的风速预测。
能源转型：基于可再生能源的分布式社区热电联产优化模型
摘要：由于气候变化和能源需求的增加，新能源技术变得越来越重要，它们显示出缓解环境问题的巨大潜力。为了最大限度地利用可再生能源，热电联产系统被认为更有效、更经济、更环保。然而，基于可再生能源的热电联产系统仍处于发展阶段。因此，本研究提出了一种新方法，利用风能和太阳能光伏系统生产热电联产，以满足小型分布式社区的能源需求。为此，开发了一个优化模型，以合理利用可再生能源发电，满足两个选定社区的电力和供暖需求。太阳能和风能系统的削减能源被热负荷控制器与天然气锅炉结合使用，用于产生热量。开发的模型还与电网集成，用于能量交换。本研究还有助于评估热电联产系统的经济和环境可行性，并确定最佳最优运营策略，以扩大可再生能源利用并最大限度地降低能源成本。结果表明，可以生产大量清洁能源，满足选定社区 79% 的能源需求，最低平准化能源成本为 0.013 欧元/千瓦时；同时，所提出的系统每年可减少 4129 吨二氧化碳排放量。
能量优化模型，用于未来土耳其住宅电力客户的自给自足
摘要：本文利用了典型的土耳其自助生活空间的两阶段需求响应能源管理算法。提议的能源管理模型通过根据使用静态使用时间安排在家中的富裕负载和储能系统来提供额外的收益，以实现自我耐高率的目标。在自助力，经济增长和投资表现的范围内评估了负载调度和电池优化的影响。根据结果，提议的两阶段结构在单块场景中提供了9.5％的净储蓄增加，并且在设计中使用三个电池上升至14％。另一方面，当我们通过投资回报率（ROI）计算检查能源管理方案时，我们看到，由于电池成本的增加，单电池系统的ROI高于两个或三个电池系统。此外，在拟议的家庭能源管理系统（HEMS）模型中，ROI值无需优化而无需优化的13.9％。可以从此计算中可以看出，电池的智能管理和富裕载荷可增长10％的ROI值。