XiaoMi-AI文件搜索系统
World File Search System优化模型
使用深度学习处理器的 FPGA 和 SoC 人工智能工作流程
在 FPGA 上高效部署月球陨石坑探测深度神经网络 ▪ 将深度学习模型部署到 FPGA/SoC 平台上 ▪ 通过目标分析和量化工作流程优化模型性能 ▪ 为深度学习应用预处理传感器数据
利用跨省月度交易市场增强可再生能源消纳协调
电网调节能力有限，加之市场机制不完善，挤压了我国可再生能源消纳空间。本文提出通过月度跨省交易市场来平衡各市场参与者收益，提高可再生能源消纳效率的可再生能源消纳机制。引入省际交易商作为可再生能源发电、用户和电网公司之间的中间人，主要作用是协调匹配用户负荷和可再生能源出力。在这样的市场机制中，从消费者心理的角度，在用户响应模型中考虑了每个交易周期收益对社会因素的影响。最后，提出了促进可再生能源消纳与月度跨省市场协调的两阶段优化模型。在某省级电网实例中对优化模型进行了仿真。结果表明，该模型可以有效提高可再生能源消纳效率，同时提高电网公司和用户的收益。
基于多链区块链的水果和蔬菜供应链的优质可追溯性系统
为了提高水果和蔬菜行业的可追溯性效率和安全性，本文提出了一种基于多链区块链技术的优化模型。首先，对水果和蔬菜行业的供应链信息进行了分析，该信息的可追溯性代码和产品信息来自供应链的各个阶段。接下来，基于区块链技术建立了可信赖的可追溯性优化模型。最后，使用HyperLeDger Fabric实现了VFSC的信息可追溯性系统，并提出了改进的Kafka负载平衡算法来提高消息传输效率。仿真结果表明，当数据记录数量超过1000时，多链可追溯性模型就查询效率而言优于传统的单链区块链模型。在区块链上部署了10000个数据记录后，与传统的单链模型相比，多链模型的效率提高了90％以上。
预测-解释谬误：机器学习科学应用中的普遍问题
我强调了一个在机器学习的科学应用中普遍存在的问题，它可能导致严重扭曲的推论。我称之为预测-解释谬误。当研究人员使用预测优化模型进行解释而不考虑相关权衡时，就会出现这种谬误。这是一个问题，至少有两个原因。首先，预测优化模型通常会故意产生偏差和不切实际，以防止过度拟合。在其他情况下，它们的结构非常复杂，很难或不可能解释。其次，在相同或相似数据上训练的不同预测模型可能会以不同的方式产生偏差，因此它们可能预测得同样好，但给出的解释却相互矛盾。在这里，我以非技术性的方式介绍了预测和解释之间的权衡，并提供了来自神经科学的说明性示例，最后讨论了一些可用于限制问题的缓解因素和方法。
储能杂志
本文提出了一个框架，用于在容量扩展和综合能源系统优化模型中表示与可再生能源容量因素和最终服务需求分布相关的短期运行现象。目的是研究储能技术与可再生能源相结合对整个能源系统脱碳的潜在作用。所提出的方法在名为能源模型优化和分析工具 (TEMOA) 的能源系统优化模型中实施，然后在针对意大利能源系统的案例研究中进行了测试。我们研究了一系列场景，包括参考时间尺度场景、时间尺度敏感性场景和技术替代场景。本文的研究结果表明，在没有低碳基载的情况下，储能对于到 2050 年实现意大利电力部门的完全脱碳至关重要。此外，它还建议到 2050 年，意大利大约 10% 的发电量应该通过短期储能设备传输。
诺瓦东南大学利用人工智能在 15 天内将大学新生的保留率提高 17%
“在一个小时的会议中，我们从原始数据集开始，探索 Aible 自动突出显示的数据中的见解，再到创建甚至部署预测模型。与学术和财务援助顾问的合作帮助我们进一步优化模型，使其更加有用 - 但我们从原始数据集开始，
考虑阶梯式碳交易机制及弹性负荷的园区级综合能源系统优化调度 孙红斌 a , 张新梅 S
为提高园区级综合能源系统（PIES）多能耦合利用效率，促进风电消纳，减少碳排放，构建融合灵活负荷和碳交易机制的园区级综合能源系统低碳经济运行优化模型。首先，根据负荷响应特点，将需求响应分为可转移、可转移、可减量和可替代四种类型。其次，考虑园区热电耦合设备、新能源和灵活负荷，给出PIES基本架构。最后，将阶梯式碳交易机制引入系统，以最小化运行总成本为目标，建立园区级综合能源系统低碳经济运行优化模型。利用YALMIP工具箱和CPLEX求解器对算例进行求解，仿真结果表明，电热耦合调度和灵活电或热负荷的参与可以明显降低系统运行成本，减小负荷峰谷差，缓解高峰用电压力。
脱碳业务优化器（DBOTM）用户手册
4.1 建筑类型列表 ................................................................................................ 31 4.2 分析目标 ...................................................................................................... 32 4.3 能源供应资产 ................................................................................................ 33 4.4 存储资产 ...................................................................................................... 35 4.5 其他脱碳选项 ...................................................................................... 36 4.6 优化模型和结果 ...................................................................................... 37 5 数据来源 ............................................................................................. 42 6 致谢 ............................................................................................. 44 7 缩写列表 ............................................................................................. 45 8 免责声明 ............................................................................................. 47
面向建筑、网络和区域的智能能源解决方案
项目的挑战 • 根据 L2 建筑法规的五种用途测量和分析能源消耗。 • 最大限度地提高光伏发电量，并实现智能建筑产生的可再生能源的自给自足。 • 根据电价波动优化与电网交换的电流。 • 定义易于复制的技术解决方案和经济优化模型。
利用自愿地理信息进行区域智能能源规划的框架
摘要。本研究提出了一个区域智能能源规划框架，用于小型混合系统的最佳位置和规模。通过使用优化模型（结合天气数据），使用 Calliope 和 PyPSA 能源系统模拟工具模拟各种本地能源系统。优化和模拟模型由来自不同志愿地理信息项目（包括 OpenStreetMap）的 GIS 数据提供。这些允许将特定需求配置文件自动分配给不同的 OpenStreetMap 建筑类别。此外，基于 OpenStreetMap 数据的特点，为每种建筑类别定义了一组可能的分布式能源资源，包括可再生能源和化石燃料发电机。优化模型可应用于基于不同电价和技术假设的一组情景。此外，为了评估这些情景对当前配电基础设施的影响，建立了低压和中压网络的模拟模型。最后，为了方便传播，模拟结果存储在 PostgreSQL 数据库中，然后由 RESTful Laravel 服务器传送并显示在 Angular Web 应用程序中。