XiaoMi-AI文件搜索系统
World File Search System混合整数
联网社区内冰蓄冷系统的设计与调度优化
BEM 建筑能量建模 COP 性能系数 CTES 冷热能存储 GEB 电网互动式高效建筑 MILP 混合整数线性规划 PSZAC 单区组合式空调 PVAV 组合式变风量 RTU 屋顶单元 SOC 充电状态 TOU 使用时间 UTSS 单元式热存储系统
Jite（信息学和电信工程杂志）
北亚齐（North Aceh）是亚齐省的一个地区之一，在海事和渔业领域具有巨大潜力。许多捕获的渔业资源是领先的商品，因为北亚齐的一部分是捕获渔业产品的供应商。至于本研究中的问题，由于该地区远离海岸线的位置，北亚齐的摄政区有几个子区域，渔业供应不足，因此导致渔业产品供应链的物流成本很高。因此，我们需要优化供应链规划渔业产品的模型。这项研究的目的是使用混合整数线性编程方法的捕获供应链优化模型。本研究中进行的阶段汇编了研究工具和文献研究，数据收集和分析，确定参数和决策变量，制定目标函数和模型约束，设计优化模型，测试和仿真模型。该模型可以最大程度地减少从供应商到消费者的渔业产品供应链的运营成本。测试和仿真使用Lindo软件，目的地功能的最大值为15次迭代关键字：优化，供应链，渔业产品，线性混合整数编程。
定价电池储能系统在能源、储备和按绩效付费调节市场中的最佳参与
摘要 — 出于评估不同市场中电池储能服务的最佳分配及其对市场运营的影响的需要，本文提出了一个优化框架，以协调独立公用事业规模定价电池储能系统 (BESS) 在能源、旋转备用和基于性能的监管市场中的运行。整个问题被表述为一个双层优化过程，其中所有市场的结构都考虑到联合运行限制进行建模。研究了按绩效付费监管市场中定价者 BESS 的战略竞价行为。此外，还介绍了一种在优化中建模自动发电控制 (AGC) 信号的特定方法。虽然公式化的问题是非线性的，但它被转换为混合整数线性规划 (MILP) 以找到最优解。使用从真实市场数据创建的测试用例场景对所提出的框架进行评估。案例研究结果显示了 BESS 的定价行为对能源、备用和监管市场联合运营的影响。索引术语 — 电池储能系统 (BESS)、竞价策略、定价者、基于绩效的监管市场、双层优化、混合整数线性规划
区域能源系统的最新进展：综述
术语 缩写 AC 吸收式制冷机 ATES 蓄水层热能储存 BDHC 双向区域供热制冷 BTES 钻孔热能储存 CC 压缩式制冷机 CCCP 传统中央循环泵 CCHP 冷热电联产 CHP 热电联产 COP 性能系数 DC 区域制冷 DH 区域供热 DHC 区域供热制冷 DHW 生活热水 DS 区域系统 DVSP 分布式变速泵 EA 电力调节 EAC 电力调节能力 EC 电动制冷机 EES 工程方程求解器 ESS 储能系统 GSHP 地源热泵 GT 燃气轮机 HEX 热交换器 HP 热泵 HRSG 热回收蒸汽发生器 ICE 内燃机 LTDHC 低温区域供热制冷 MILP 混合整数线性规划 MINLP 混合整数非线性规划 NG 天然气 PGU 发电机组 PHE 板式换热器 PSO 粒子群优化 PV 光伏 RES 可再生能源 SNG 合成天然气 TES 热能储存 TEST 热能储存罐
投资者介绍 – 文字记录 第 1 页，共 13 页 Emil Michael
除了提供比我们之前的混合求解器更好的性能之外，该求解器还首次提高了开发人员在我们的量子计算机上构建应用程序的抽象级别。具体来说，如果你是一名数据科学家或数据分析师，并且习惯于使用线性规划、二次规划或混合整数规划来构建应用程序，那么我们的新混合求解器现在可以采用这些应用程序模型，并自动将它们映射到量子计算机。
基于随机多目标优化模型的多能源微电网日前调度
摘要：处理多目标问题有几个有趣的好处，其中之一是它为决策者提供了有关帕累托前沿的完整信息，以及对问题所涉及的各种权衡的清晰概述。选择这样的代表性集合本身就是一个多目标问题，必须考虑选择的数量以显示表示的均匀性和/或表示的覆盖范围，以确保解决方案的质量。在本研究中，由于包含诸如多能源多微电网 (MMG) 的运营成本和配电公司 (DISCO) 的利润等目标，日前调度已转变为多目标优化问题。所提出的系统的目的是确定热电联产 (CHP) 装置、燃气锅炉、储能和需求响应计划以及电力和天然气 (NG) 交易的最佳日前运行。电力和天然气由 MG 与 DISCO 以动态和固定价格进行交易。通过场景生成和概率密度函数，考虑了风速、太阳辐射、电力和热量需求的不确定性。通过使用混合整数线性规划 (MILP) 进行场景缩减，生成的场景数量显著减少。使用 ε 约束方法并将其作为混合整数非线性规划 (MINLP) 进行求解，以获得满足这两个非线性目标函数需求的解决方案。
已发表版本的引用（APA）：Mohagheghi, E., Alramlawi, M., Gabash, A., Blaabjerg, F., & Li, P. (2020)。实时有功无功最优功率
摘要：本文开发了一种多相多时间尺度实时动态有功无功最优潮流 (RT-DAR-OPF) 框架，以最优方式处理带有电池存储系统 (BSS) 的配电网 (DN) 中风力发电的自发变化。这里最具挑战性的问题是必须实时解决大规模“动态”（即具有微分/差分方程而不是仅代数方程）混合整数非线性规划 (MINLP) 问题。此外，考虑具有灵活运行策略的 BSS 的有功无功功率能力以及最小化 BSS 的使用寿命成本进一步增加了问题的复杂性。为了解决这个问题，在第一阶段，我们同时优化了大量混合整数决策变量，以计算 BSS 的日常最佳运行。在第二阶段，基于短期预测范围内的风电功率预测值，生成风电功率场景来描述具有非高斯分布的不确定风电功率。然后，在每个预测范围之前，解决并协调与场景相对应的 MINLP AR-OPF 问题。在第三阶段，基于测量的风电功率实际值，选择其中一个解决方案，对其进行修改，并在很短的时间间隔内实现到网络。使用中压 DN 证明了所提出的 RT-DAR-OPF 的适用性。
高性能容量扩展模型的正则化 Benders 分解
摘要 — 我们考虑电力容量扩张模型，该模型通过最小化投资和运营成本来优化投资和退役决策。为了为规划和政策决策提供可靠的支持，这些模型需要包括详细的运营和时间耦合约束，考虑与天气相关的参数和需求数据的多种可能实现，并允许对离散投资和退役决策进行建模。这些要求导致大规模混合整数优化问题，而这些问题是现成的求解器无法解决的。因此，实际的解决方法通常依赖于精心设计的抽象技术，以在减少计算负担和模型准确性之间找到最佳折衷。Benders 分解提供了可扩展的方法来利用分布式计算资源并使模型具有高分辨率和计算性能。在本研究中，我们为具有多个规划期、随机运营场景、时间耦合策略约束以及多日储能和水库水力资源的大规模容量扩张模型实施了一种量身定制的 Benders 分解方法。使用多个案例研究，我们还评估了几种水平集正则化方案以加速收敛。我们发现，在可行集内部选择规划决策的正则化方案与以前发布的方法相比表现出更优异的性能，从而能够以前所未有的计算性能解决高分辨率混合整数规划问题。
BOOST：使用序数优化进行微电网规模确定
摘要 — 向可持续能源系统的过渡凸显了微电网中可再生能源高效定型的迫切需求。特别是，设计光伏 (PV) 和电池系统以满足住宅负荷是一项挑战，因为需要在成本、可靠性和环境影响之间进行权衡。虽然之前的研究已经采用了动态规划和启发式技术来确定微电网的大小，但这些方法往往无法平衡计算效率和准确性。在这项工作中，我们提出了 BOOST，即电池-太阳能序数优化定型技术，这是一种用于优化微电网中 PV 和电池组件定型的新颖框架。序数优化能够以计算效率评估潜在设计，同时通过对解决方案进行稳健的排序来保持准确性。为了确定系统在任何给定时间的最佳运行，我们引入了一种混合整数线性规划 (MILP) 方法，该方法比常用的动态规划方法成本更低。我们的数值实验表明，所提出的框架可确定最佳设计，实现低至 8.84 ¢/kWh 的平准化能源成本 (LCOE)，凸显了其在经济高效的微电网设计中的潜力。我们的工作意义重大：BOOST 提供了一种可扩展且准确的方法，可将可再生能源整合到住宅微电网中，同时实现经济和环境目标。索引术语 — 微电网、序数优化、混合整数线性规划、动态规划