XiaoMi-AI文件搜索系统
World File Search System系统建模
使用CMG和COMSOL的闭环地热系统建模
iD（in）3管od（in）3.5壳体ID（in）11壳od（in）13.8孔直径（in）13.8（in）13.8（无水泥）在2000 m（kpa）20,000 t时0 m（°C）15 t在2000 m（°c）60 m（°C）60 ）60iD（in）3管od（in）3.5壳体ID（in）11壳od（in）13.8孔直径（in）13.8（in）13.8（无水泥）在2000 m（kpa）20,000 t时0 m（°C）15 t在2000 m（°c）60 m（°C）60
埃及能源部门清洁能源转型的长期能源系统建模
如果无法在国家层面获取具体输入数据，则假设发电厂的容量系数等参数与其他北非国家相似，并从国际能源署 (IEA) 和 IRENA 等国际组织获取。当前能源系统数据、燃料成本以及输配电数据来自气候兼容增长 (CCG) 入门数据集 (SDK) (Allington 等人，2021 年)。CCG 是一项由英国援助资助的研究计划，旨在帮助发展中国家实现低碳发展 (CCG，2022 年)。SDK 中包含了发电技术的估计安装容量，2018 年的值来自 Brinkerink & Deane (2020)、Brinkerink 等人 (2021)、Byers 等人 (2018) 和 IRENA (2020a)。埃及电力输送和分配的值来源于 Pappis 等人，2019 年。燃料价格
加强氢部门：能源系统建模框架
摘要。统一的肩模是一种自然对称性，在物理和数学的许多情况下发生。使用此类符号的优化问题通常可以作为D p + q-维矩阵变量的半限定程序进行配制，该程序用u⊗p⊗u⊗p的us（d）上的u p⊗u q q c⊗u（d）上下班。即使P + Q很小，解决此类问题也可以过高地昂贵，但局部尺寸D很大。我们表明，在其他对称性假设下，此问题还原为可以在不扩展D中扩展的线性程序，我们提供了一个通用框架，以使这种减少在不同类型的对称性下的降低。我们方法的关键成分是通过围墙Brauer代数图的线性组合对解决方案空间的紧凑参数化。此参数化需要Gelfand – Tsetlin的基础，我们通过适应一个受Okounkov – Vershik方法启发的通用方法[DLS18]来获得。为框架的潜在应用，我们使用了量子信息中的几个示例：确定量子状态的主要特征值，量子多数投票，不对称的克隆和黑盒单一的转换。我们还概述了将我们的方法扩展到一般统一的半决赛计划的可能途径。
利用人工智能进行发动机燃烧系统建模和燃烧控制
收集了净扭矩和NOx排放量等性能数据。使用基于 APRBS 和 Chirp 信号的输入信号，我们获得了大约 68.9 小时的训练数据和大约 8.3 小时的模型验证数据。此外，为了验证目的，我们还获取了日本目前用于乘用车认证测试的WLTC全球统一测试循环下的30分钟模拟驾驶数据。请注意，用于获取验证数据的 APRBS 和 Chirp 信号不包含在用于获取训练数据的输入信号中。 VDE模型中数据采样周期为0.01秒，数值实验获取的数据点数如表2所示。 2.2 AI引擎模型构建及性能评估 本研究在构建重现VDE特征的AI引擎模型时，采用了神经网络这种机器学习算法，也是一种模仿人类神经系统的数学模型。 AI发动机模型被设想用作第3章中描述的燃烧控制器的状态预测模型。在这里，我们构建了一个模型来预测燃烧控制器控制的三个目标：燃烧重心位置、燃烧周期和净扭矩。表3给出了AI引擎模型的输入和输出参数列表。对于输入参数，事先使用XGBoost（eXtreme Gradient Boosting）9）构建预测模型，并利用SHAP（SHapley Additive exPla-nations）10）进行重要性分析，选取对预测目标影响力较大的参数。此外，对于输入参数，进气压力和进气氧浓度是使用过去四秒的时间序列数据来测量的，同时考虑到瞬态运行期间的响应延迟。 在建立模型时，神经网络中超参数的设置对准确率有很大的影响。因此，在本研究中，我们使用树结构 Parzen 估计器 (TPE)11) 来优化隐藏层的数量和神经元的数量。在 TPE 中，我们设置了最小化评估函数的超参数。
市政能源系统建模
本文研究了在市政环境中应用优化和模拟方法对能源系统建模和场景设计的影响。在此过程中，对“优化”和“模拟”的先前理解进行了进一步的区分，并记录了现有文献中概述的建模方法的应用情况。在实际比较中，测试了建模方法的选择如何影响市政案例研究的未来能源系统场景的设计。将提出的逐步模拟方法获得的能源系统场景和结果与已建立的多目标优化方法进行了比较。结果表明，对于所研究的市政案例，可以使用基于模拟的方法获得与多目标优化结果相当的结果。最终，建模方法的选择是一个复杂的问题，建模者必须考虑必要的建模自由度、利益相关者的参与度和可用的系统知识。建模者不仅需要考虑使用什么工具，还需要考虑如何使用它；该工具可用于优化和模拟，并且两者都可以作为开发未来能源系统场景的有效方法。
混合可再生能源系统促进农村可持续发展：能源系统建模的前景与挑战
摘要：混合可再生能源系统 (HRES) 已被证明是农村电气化的可行解决方案。它们不仅可以为农村地区通电，而且如果经过优化，还可以提供环境可持续、安全且价格合理的能源。这些系统可以被描述为来自多种相互补充的能源的发电机。优化的 HRES 通常通过最小化平准化电力成本 (LCOE) 和碳排放来产生负担得起的电力。在离网能源系统建模研究中，对能源贫困中的社会效益因素的调查是一个相对较新的讨论。在这篇透视文章中，我们研究了计算工具对于农村和偏远社区能源转型的重要性。我们表明，经典和启发式模型具有优化混合可再生能源系统的能力，考虑到包括健康、教育和收入在内的社会参数。接下来讨论了这些计算工具需要经历的潜在变化，以整合跨学科因素并应对社会转型。本文的本质展示了有关这一主题的文献涌入；此外，我们超越了传统的优化方法，揭示了新的贡献正在根据社会当前和潜在的需求而发展。
风光储氢耦合发电系统建模与控制策略
摘要：风光互补发电制氢是解决风电和太阳能发电随机性强、波动性大的重要手段。本文将永磁直驱风力发电机组、光伏发电单元、电池组、电解槽组装在交流母线内，建立了风光储氢耦合发电系统数学模型及PSCAD/EMTDC中的仿真模型，设计了能量协调控制策略。经过仿真，提出的控制策略能有效降低风电和太阳能发电的弃风率，平抑风电和太阳能发电的波动，验证了建立的模型的正确性和控制策略的有效性和可行性。
网络物理系统建模和仿真
信息物理系统 (CPS) 是一种新兴的、实时的、复杂但可控的技术系统，它以复杂的方式结合了离散符号计算和连续物理过程 [1]。CPS 广泛采用网络（可理解为信息和通信环境）和嵌入自然元素的硬件基础设施的组合来感知、控制和驱动物理世界行为以及人类决策交互。网络部分的技术创新是整个系统智能可靠行为的基础。CPS 的进步使适应性、可扩展性和弹性等多项特性成为可能，此外还具备安全性、可用性和能力等关键基础设施所认可的其他传统特性，从而拓展了这些关键系统的视野。
了解大规模 COVID-19 疫苗接种诊所前线的人为因素挑战：人类系统建模研究
背景：在世界各地实施大规模 COVID-19 疫苗接种诊所是一项成功的公共卫生活动。然而，这种紧密耦合的系统存在许多后勤挑战，导致工作场所压力增加，这在整个疫情期间都得到了证实。大规模疫苗接种诊所结合了在非临床环境中工作的多学科团队，其复杂性尚未从人类系统的角度得到理解。目标：本研究旨在全面模拟加拿大安大略省滑铁卢地区的大规模 COVID-19 疫苗接种诊所，以了解围绕一线工人的挑战，并为诊所设计和技术建议提供参考，以最大限度地减少导致工作场所压力的系统性低效率。方法：以情境调查为指导，采用民族志方法收集这些临时免疫接种环境中的工作数据。通过与诊所工作人员交谈来澄清观察数据，研究团队在整个数据收集期间定期讨论观察数据。通过结合情境设计框架和认知工作分析的各个方面，并建立工作场所模型来分析数据，这些模型可以识别大规模疫苗接种诊所流程、开发的人工制品、文化、物理布局和决策中的压力点和相互联系。结果：2021 年在 6 家大规模 COVID-19 疫苗接种诊所进行了为期 4 周的观察。工作流程模型描述了决策者在保持对客户摄入和疫苗准备的态势感知方面所面临的挑战。人工制品模型可视化了为疫苗负责人和诊所负责人分别开发的工具如何通过数据合成支持认知任务。然而，它们的有效性取决于共享准确和及时的数据。文化模型表明，如何有效实现大规模免疫的观点可能会影响工作场所压力，并改变职责。这取决于在适应不断变化的政策、法规和疫苗稀缺的同时，采取积极或放松的方式来减少疫苗浪费。物理模型表明，工作站的共置可能会影响决策协调。最后，决策阶梯描述了管理一天结束时剂量的决策步骤，强调了数据不确定性带来的挑战以及支持专业知识的方法。结论：从人类系统的角度对大规模 COVID-19 疫苗接种诊所进行建模，发现了两个改善该医疗保健系统效率低下机会。首先，诊所可以使用标准化数据收集和综合的策略和工具来提高对客户摄入或疫苗准备的意外变化的适应能力，从而减少每日剂量决策的不确定性。其次，通过以下方式改善员工之间的数据共享：