XiaoMi-AI文件搜索系统
World File Search System线性函数
考虑电池退化因素的可再生能源微电网电池储能系统建模综述
摘要：电池储能系统 (BESS) 的建模研究仍然很少，特别是在考虑电力系统运行过程中因可再生能源发电和电动汽车 (EV) 随机负载而发生的退化造成的功率损失的情况下。同时，由于不同的操作条件，电池寿命与制造商的声明相差很大，还取决于可再生能源 (RES) 的渗透水平、循环操作、温度、放电/充电率和放电深度。选择一种简单的退化模型方法可能会导致在选择最佳管理策略时得出不可靠的结论，并增加大量的投资和运营成本。大多数现有的固定应用中的 BESS 模型要么假设存储的退化成本为零，要么将电池寿命简化为放电深度 (DOD) 的线性函数，这可能导致在估算 BESS 退化成本时产生额外的误差。构建 BESS 寿命模型的复杂性在于，BESS 在寿命开始和结束时都存在非线性退化，而且大多数模型的构建都难以获得大量接近实际运行条件的实验数据。本文从主要应力因素对 BESS 退化程度的影响角度分析了 BESS 在微电网中运行的特定特征。本研究还对现有的电池退化评估模型进行了回顾。
求解线性区间分数运输问题的一种有效方法
线性分式规划 (LFP) 是一种强大的数学工具，用于解决以线性函数比率为目标函数的优化问题。在实际应用中，目标函数的系数可能不确定或不精确，因此需要区间系数。本文全面研究了具有区间目标函数 (ILFTP) 的线性区间分式运输问题，这意味着目标函数中的变量系数不确定且位于给定区间内。我们提出了一种结合区间分析和优化技术来处理系数不确定性的新方法，确保解决方案稳健可靠。本研究中使用的变量变换方法是解决此类问题的一种新方法。通过将问题简化为非线性规划问题，然后将其转换为线性规划问题，所提出的方法简化了解决过程并提高了结果的准确性。通过各种数值示例和与现有方法的比较证明了所提出方法的有效性。结果表明，所提出的方法能够精确解决 ILFTP。总体而言，所提出的方法为线性分式运输问题领域做出了宝贵贡献。它为具有挑战性的问题提供了实用而有效的解决方案，并有可能应用于各种现实场景。
量子时间动力学采用Yang-baxter ...
量子时间动力学（QTD）被认为是近期量子计算机上量子至高无上的有前途的问题。然而，随着时间的模拟，QTD量子电路会生长。本研究的重点是模拟与最近的邻居相互作用的一维整合旋转链的时间动力学。我们已经证明了用于模拟某些类别的1D海森贝格模型汉密尔顿型汉密尔顿的时间演变的量子电路中存在反射对称性，并通过量子Yang-baxter方程，以及如何利用这种对称性来压缩和产生浅量子量子回路。使用此压缩方案，量子电路的深度独立于步长，仅取决于旋转的数量。我们表明，在当前工作中，所研究的海森堡模型汉密尔顿人的压缩电路的深度严格是系统大小的线性函数。因此，压缩电路中的cnot门数仅与系统大小二次缩放，这是为了模拟非常大的1D旋转链的时间动力学的模拟。我们得出了汉密尔顿汉密尔顿的不同特殊案例的压缩电路表示。我们通过在量子计算机上进行仿真来比较和证明这种方法的效果。
风险和冲动的独特发展轨迹
Actor-Critic方法在许多领域中实现了最新的性能，包括机器人技术，游戏和控制系统（[1]，[2]，[3]）。时间差异（TD）学习可能被认为是演员评论家的组成部分，而TD学习的更好界限通常是参与者 - 批评分析的成分。我们考虑强化学习中的政策评估问题：鉴于马尔可夫决策过程（MDP）和政策，我们需要估算本政策下每个州（预期的所有未来奖励总和）的价值。政策评估很重要，因为它实际上是许多其他算法（例如策略迭代和参与者批评）的子例程。政策评估的主要挑战是，我们通常不知道基本的MDP，并且只能与之互动，并且状态数量通常太大，迫使我们维持对状态值的真实向量的低维近似。我们将重点放在克服这组挑战的最简单类别的方法上，即具有线性函数近似的TD方法。这些方法试图维持低维参数，该参数会根据观察到的奖励和过渡不断更新，以维持跨州估计值的一致性。这些方法的收敛证明首先在[4]中给出。在本文中，我们重点介绍了策略评估的多代理版本：我们考虑具有同一MDP和相同政策副本的n个代理，但是MDP
根据通用航空飞行员总飞行小时数预测事故率
保罗·克雷格 (Paul Craig) 在其 2001 年出版的书《杀戮地带》中提出了通用航空 (GA) 飞行员死亡与相对飞行经验（总飞行小时数，或 TFH）有关的证据。因此，我们要问，是否存在一个 TFH 范围，在该范围内 GA 飞行员面临的风险最大？更广泛地说，给定 TFH，我们能否预测飞行员事故率？许多研究人员暗中假设 GA 事故率是 TFH 的线性函数，而事实上，这种关系似乎是非线性的。这项工作探讨了基于非线性伽马的建模函数从嘈杂的 TFH 数据（随机抽样误差）预测 GA 事故率的能力。两组美国国家运输安全委员会/联邦航空管理局 (FAA) 数据，按飞行员仪表等级解析，对非仪表等级和仪表等级飞行员分别产生了 0.654 和 0.775 的加权拟合优度估计值。该模型类别可用于直接预测 GA 事故率，并可作为统计协变量在其他类型的建模中考虑飞行风险。这些模型应用于 FAA 数据后显示，相对较高风险的范围可能比最初想象的要广得多，并且可能远远超过 2,000 小时大关，然后才会稳定到基线率。
太阳能烟囱的三维 CFD 研究
由于需要利用最大、最清洁的能源，即太阳能，太阳能在当今时代显得尤为重要。产生太阳能最具创新性和最简单的技术之一是使用太阳能烟囱。然而，太阳能烟囱发电厂的投资成本高，而且传统上效率很低。数学和 CFD 模型提供了一种优化此类烟囱性能的好方法。若干因素会影响太阳能烟囱的发电量，包括几何因素（如集热器直径、烟囱高度）和昼夜温差。然而，挑战在于昼夜温差，因此发电量不稳定。在目前的研究中，建立了一个太阳能烟囱的中试规模 CFD 模型（原型为西班牙曼萨纳雷斯烟囱，哈夫，1984 年），并用实验数据和文献中的分析模型（与实验数据的偏差 ∼ < 10%）进行了验证。随后，研究了流动模式，并对烟囱的关键参数（即烟囱高度和集热器直径）进行了参数研究。首次研究了昼夜变化对发电量的影响。考虑到昼夜变化，发现夜间发电量是烟囱高度和集热器直径的线性函数；而在白天，发电量随着集热器直径和烟囱高度的变化而呈指数增加。
通过光学等离子体发射的贝叶斯优化控制成分的氮化物薄膜的自主溅射合成
自主实验已成为加速材料发现速度的有效方法。尽管自主合成仪器在分子和聚合物科学、混合材料溶液处理和纳米颗粒领域已变得流行，但用于物理气相沉积的自主工具的例子却很少，但对半导体行业却很重要。在这里，我们报告了一种自主工作流程的设计和实施，用于溅射沉积具有受控成分的薄膜，利用由 Python、光发射光谱 (OES) 和贝叶斯优化算法定制控制的高度自动化溅射反应器。我们将通过 X 射线荧光测量的薄膜成分建模为在 N 2 和 Ar 气氛中从元素 Zn 和 Ti 靶共溅射期间监测的等离子体发射线的线性函数。由 OES 提供信息的贝叶斯控制算法通过最小化所需和测量的光发射信号之间的绝对误差来导航溅射功率空间以制造具有用户定义成分的薄膜。我们通过自主制造 Zn x Ti 1 − x N y 薄膜验证了我们的方法，这些薄膜与目标阳离子成分的偏差相对为 ± 3.5%，即使对于 15 纳米的薄膜也是如此，这表明所提出的方法可以可靠地合成具有特定成分的薄膜，并且人为干扰最小。此外，所提出的方法可以扩展到更困难的合成实验，其中等离子体强度线与压力呈非线性关系，或者元素粘附系数与基板温度密切相关。
应用能源 - -ORCA - 卡迪夫大学
向分时电价 (ToU) 过渡已成为解决可再生能源系统安装增加所带来的电力系统挑战的一种有希望的解决方案。ToU 电价鼓励住宅采用电池储能系统 (BESS)，通过在低价区间（例如中午）最大限度地利用能源存储来降低客户账单。但是，同时对 BESS 充电会影响负载的多样性，这可能导致违反配电网络约束。传统的网络管理采用保守的固定和静态功率限制，导致网络容量使用效率低下，因为它们没有考虑网络运行条件和 BESS 设施状态的变化。特别是，当部分 BESS 设施处于闲置状态时，这些方法不允许更高的进口限制。为了更好地将配电网容量分配给活跃的 BESS 设施（充电/放电），本研究引入了一个独立的存储运营商，通过采用时变和自适应功率限制来协调 BESS 控制操作。为此，提出了一种混合整数线性规划 (MILP) 算法，供存储运营商管理 BESS 设施，同时尊重网络约束和客户的期望账单。在每个时间步骤中，该算法根据预定义的线性函数决定活跃 BESS 设施的功率限制。这些函数是通过使用最佳功率流 (OPF) 离线生成的，以建立功率限制和活跃 BESS 数量之间的关系。在真实的约旦配电网中应用该算法证明了其有效性，与使用固定功率限制相比，它可以让更多的客户实现他们期望的账单。
层次结构聚类，具有离散潜在变量模型和集成分类的可能性
查找数据集的一组嵌套分区对于在不同尺度上发现相关结构很有用，并且经常处理与数据有关的方法。在本文中，我们引入了一种基于模型的分层聚类的一般两步方法。将集成的分类可能性标准视为目标函数，此工作适用于该数量可以处理的每个离散潜在变量模型（DLVM）。该方法的第一步涉及最大程度地提高相对于分区的标准。解决了通过贪婪的山坡攀岩启发式方法发现的已知局部最大最大最大最大值问题时，我们基于遗传算法引入了一种新的混合算法，该算法允许有效地探索解决方案的空间。所得算法小心地结合并合并了不同的解决方案，并允许簇数K的共同推断以及簇本身。从这个自然分区开始，该方法的第二步是基于自下而上的贪婪程序来提取簇的层次结构。在贝叶斯语境中，这是通过考虑dirichlet群集比例的先验参数α作为控制聚类粒度的正规化项来实现的。标准的新近似值被推导为α的对数线性函数，从而实现了合并决策标准的简单函数形式。第二步允许在更粗的尺度上探索聚类。将所提出的方法与现有的模拟和实际设置的策略进行了比较，结果表明其结果特别相关。本工作的参考实现可在论文1随附的r软件包贪婪中获得。
高 - ...
本文提供了有条件平均治疗效果（CATE）的估计和推理方法，其特征在均质横截面和单位异质动态面板数据设置中均具有高维参数。在我们的主要示例中，我们通过将基本处理变量与解释变量相互作用来对CATE进行建模。我们手术的第一个步骤是正交的，我们从结果和基础处理中分散了对照和单位效应，并采取了交叉填充的残差。此步骤使用一种新颖的通用交叉拟合方法，我们为弱依赖的时间序列和面板数据设计。这种方法在拟合滋扰时“忽略了邻居”，并且我们通过使用Strassen的耦合来理论上为其提供动力。因此，我们可以在第一个步骤中依靠任何现代的机器学习方法，只要它足够好学习残差。第二，我们构建了CATE的正交（或残留）学习者（套件），该学习者会在残留处理与解释变量的残留处理相互作用的载体上回归结果残留。如果CATE函数的复杂性比第一阶段重新调查的复杂性更简单，则正交学习者收敛速度比基于单阶段回归的学习者快。第三，我们使用demiasing对CATE函数的参数进行同时推断。当Cate低维时，我们还可以在最后两个步骤中使用普通最小二乘。在异质面板数据设置中，我们将未观察到的单位异质性建模为与Mundlak（1978）相关单位效应模型的稀疏偏差，作为时间不变的协变量的线性函数，并利用L1-元素化来估算这些模型。