XiaoMi-AI文件搜索系统
World File Search System线性规划
分析 COVID-19 对储能系统的影响
摘要 — 在 COVID-19 大流行期间，美国电力部门在许多地理区域目睹了显著的电力需求变化。这些变化在人口密集的城市中尤为明显。本文结合了储能系统 (ESS) 的技术经济分析，以研究大流行对 ESS 发展的影响。具体来说，我们采用基于线性规划的收入最大化模型来获取 ESS 参与电力市场的收入，通过在能源交易中进行套利，以及通过提供监管服务来稳定电网频率。我们考虑了美国五种主要的储能技术，即锂离子、高级铅酸、飞轮、钒氧化还原液流和磷酸铁锂储能技术。对纽约市 (NYC) 案例进行的大量数值结果使我们能够强调 COVID-19 对纽约市电力部门的负面影响。索引词 — 储能、套利和监管服务、线性规划、COVID-19 影响。
风电场电池储能系统的有效容量
摘要 — 风能在全球电网中的作用将显著扩大。仅纽约州就预计到 2035 年海上风电场 (WF) 的发电量将达到 9GW。储能集成对于这一进步至关重要。在本研究中，我们重点研究了与自备电池储能系统 (BESS) 配对的 WF。我们的目标是确定具有指定能量和功率等级的 BESS 的容量信用。与之前基于可靠性理论的方法不同，我们定义了一个功率对齐函数，从而可以直接定义 BESS 的容量和增量容量。我们开发了一种基于线性规划公式的求解方法。我们的分析利用了 NYSERDA 在长岛海岸收集的风能数据和来自 NYISO 的负载需求数据。此外，我们还介绍了 BESS 规模的理论见解以及影响 BESS 容量的关键时间序列属性，有助于模拟风能和需求以估计 BESS 能源需求。索引术语 — 容量信用、风能、电池储能、线性规划。
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
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
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。
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
基于阶段的神经网络进行回流焊曲线预测和回流焊配方优化，以实现质量和节能
在回流过程中，放置元件的电路板上会形成焊点，因此回流炉腔内的温度设置对 PCB 的质量至关重要。不适当的温度曲线会导致各种缺陷，如裂纹、桥接、分层等。焊膏制造商通常会提供理想的温度曲线（即目标温度曲线），而 PCB 制造商则会尝试通过微调炉的配方来满足给定的温度曲线。传统方法是调整配方，使用热测量设备收集热数据。它调整温度曲线依赖于反复试验的方法，这需要花费大量时间和精力。本文提出了 (1) 配方初始化方法，用于确定用于收集训练数据的初始配方；(2) 基于阶段（升温、浸泡和回流）的输入数据分割方法，用于数据预处理；(3) 反向传播神经网络 (BPNN) 模型，用于预测所需的区域温度以减少实际处理曲线与目标曲线之间的差距；(4) 混合整数线性规划 (MILP) 算法，用于生成最佳配方以最小化温度设置。本文旨在通过一次实验实现所需空气温度的非接触式预测。MILP 优化模型利用了从预测结果中获得的上限和下限约束。该模型已通过不同的初始配方和不同的目标曲线进行了交叉验证。结果，在开始实验的 10 分钟内，生成的最佳配方将与目标曲线的匹配度提高了 4.2%，达到 99%，同时降低了 23% 的能源成本。关键词：回流热配方优化、机器学习、基于阶段的分割、反向传播神经网络（BPNN）、混合整数线性规划（MILP）。
使用人工智能和机器学习进行人脸检测
在这个现代时代，先进的技术无处不在，涵盖了我们的生活。通过不超过手掌大小的紧凑设备，人工智能应用程序使我们能够访问来自全球各个角落的大量信息。通过人工智能软件，人类生活已在许多方面得到简化和简化。此外，自学习算法的存在和丰富的在线数据，再加上可负担得起的计算，将机器学习推向了前所未有的高度。人工智能的普及度迅速增长，成为日常生活中的必需品，并为人类的未来带来了希望。计算能力和数据处理的进步证明了人工智能的成功。机器智能超越了线性规划，使计算机能够从输入中学习。人工智能，