XiaoMi-AI文件搜索系统
World File Search System能源需求
浪费热利用邮政的能源需求
随着世界朝着更多的工业领域脱碳，CCS将在减少没有可再生替代方案的各种行业的碳足迹方面发挥至关重要的作用。水泥制造是这样的行业，因为CO 2排放量的三分之一是由石灰石的化学转化造成的，这是水泥制造过程中无法改变的关键步骤。目前在水泥厂上没有商业规模的CCS设施。这项研究中考虑的水泥设施每年发射600,000-750,000吨的CO 2，同时产生800,000 - 1,000,000吨的熟料。本文所述的热量恢复调查是国际CCS知识中心的前可行性研究工作的一部分，旨在改造具有完整规模的水泥生产设施，后燃烧后，基于胺的CO 2捕获系统。
利用能源需求预测和本地存储减少电网扭曲
摘要 能源存储系统将在未来智能电网的建立中发挥关键作用。具体而言，将存储系统集成到电网架构中可以实现多种目的，包括通过增加可再生能源的使用来处理能源供应的统计变化，以及通过负荷调度来优化日常能源使用。本文重点介绍如何使用非线性凸优化来减少电网失真。具体来说，分析存储模型与基于家庭社区社会经济信息的负荷预测技术相结合使用。结果表明，所提出的负荷预测技术可显著减少预测误差（相对减少高达 14.2%），而基于非线性凸优化的所提出的存储优化可使理想存储的峰值与平均值之比降低 12.9%，考虑损耗的存储的峰值与平均值之比降低 9.9%。此外，结果表明，当家庭社区使用储能时，每个家庭的储能规模为 4.6-8.2 kWh，可以实现最大的改进，这显示了共享储能的有效性以及家庭社区的负荷预测。
考虑位置，方向，立面设计和内部热量增长的办公楼中对能源需求的影响 - 参数研究
摘要：欧盟的12.9％的能源使用起源于商业和公共部门。因此，优化这些建筑物的能源效率已成为优先事项。这项研究的目的是探索新的官方建筑中的能源需求如何受到不同内部热量，位置，方向和立面设计的影响，同时也可以看到不同的指标如何改变能源效率的观点。该研究是通过IDA-ICE中的模拟进行的，具有不同的立面设计，内部热增加（IHG），方向和位置的变化。然后将能源需求与两个不同指标进行比较。使用旨在降低太阳热量增益的立面对瑞典北部的能源需求几乎没有影响，但更南方的影响略有影响。内部热量收益的量对能源需求有显着影响。因此，在新的建筑项目开始时，应优先考虑对设计和内部热收益进行更深入的研究，以便可以选择最有效的设计。使用指示器kWh / m 2时，内部热量较低的病例被视为最有效的能量，而当kWh /（m 2 < / div>）
通过可再生电力脱碳化其他能源部门的能源基础设施 - 有用的能源需求的时空分析，到基于德国案例>的可再生能源供应途径的可再生能源供应
摘要在减少温室气体排放方面的进展是在电力部门值得注意的，但其他部门（例如运输和供暖）却落后了。一种从电力部门传播温室气体排放到其他部门的策略是所谓的“部门耦合”。在此背景下，我们提出以下两个问题：（1）（有用和最终）能源在多大程度上与时间和空间的可再生能源的供应相匹配？（2）可以通过应用时空分析得出扇形耦合途径对未来基础设施要求的哪些影响？进行分析，我们假设一个场景，德国的温室气体排放减少了95％，作为政府针对2050年的案例研究。我们选择一种消费者驱动的方法，分析从消耗到不同部门耦合技术供应的能量价值链。从有用的能源消耗中，我们得出了高时空和区域分辨率中的最终能源需求模式，并评估对可再生能源扩张策略的影响。我们的研究的主要贡献是双重的：首先，我们在高度和区域分辨率中引入了可转移和可转移的消费者驱动的分析，该分析具有高度扇区耦合的能源系统，并对能源基础架构产生了影响。第二，我们从结果中提供了有关将可再生能源整合到当前能源系统中的有效和有效策略的结果。关键字：扇区耦合，可再生能源，电力，供暖，运输，基础设施，能源政策jel分类：C23，C5，C63，Q4，Q4
数字化和能耗。 ICT会减少能源需求吗？
本文调查了数字化对能源消耗的影响。使用分析模型，我们对四个效果进行了影响：（1）信息和通用技术的生产，使用和处置（ICT），（ICT），（2）能源效率提高了数字化，（3）劳动力和能源产物中的经济增长，以及（4）部门变化/（4）ICT服务的部门变化/tertiariarization。该分析结合了关于将能源消耗与经济增长与绿色IT和ICT的辩论与可持续性的辩论相结合的经验和理论发现。我们的主要结果：效果1和3倾向于增加能耗。效果2和4倾向于减少它。此外，我们的分析表明，这两个增加的影响盛行，因此总体而言，数字化增加了能源消耗。这些结果可以通过生态经济学的四个见解来解释：（a）物理资本和能源是ICT行业的补充，（b）能源效率的提高会导致反弹效应，（c）ICT无法解决将经济增长从exergy中脱成经济增长的困难，（d）ICT服务是相对能源强度的，并且是以前的生产的最佳产品。将来，数字化只能在促进2和4的效果2和4的效果1和3时提高可持续性。
人工智能和机器学习方法对能源需求侧响应的系统评价
近年来，人们对需求响应 (DR) 的兴趣日益浓厚，它是一种提供灵活性的手段，从而以经济高效的方式提高能源系统的可靠性。然而，与需求响应相关的任务非常复杂，再加上它们使用大量数据，并且经常需要近乎实时的决策，这意味着人工智能 (AI) 和机器学习 (ML)（AI 的一个分支）最近已成为实现需求侧响应的关键技术。人工智能方法可用于应对各种挑战，包括选择最佳的消费者响应组、了解他们的属性和偏好、动态定价、设备调度和控制、学习如何激励需求响应计划的参与者以及如何以公平和经济高效的方式奖励他们。本文基于对 160 多篇论文、40 家公司和商业计划以及 21 个大型项目的系统回顾，概述了用于需求响应应用的人工智能方法。论文根据所使用的 AI/ML 算法和能源需求响应的应用领域进行分类。接下来，介绍了商业计划（包括初创公司和成熟公司）和大型创新项目，其中 AI 方法已用于能源需求响应。本文最后讨论了所审查的 AI 技术在不同需求响应任务中的优势和潜在局限性，并概述了这一快速发展领域未来研究的方向。
有关瑞士一年期间（2016 年和 2017 年）累计能源需求及其不可再生能源部分的每小时转换因子以及每小时温室气体排放因子的数据集
所提供的数据是瑞士一年内（2016 年和 2017 年）电力结构每小时的 CO2 当量排放因子和累计能源需求及其不可再生能源部分的每小时转换因子。这些数据是根据 Vuarnoz 和 Jusselme (2018) 中提出的方法，在发电技术清单和归因生命周期方法的基础上评估的。与 Vuarnoz 和 Jusselme [2] 相比，意大利到瑞士的电力进口不再被忽视，并可获得更准确的输出数据。所提出数据的实用性在于多种可能的应用。所提供的数据对于对瑞士所有使用电力的过程和产品进行生命周期评估是必不可少的。此外，在实施可再生能源系统和能源存储时，所提供的数据可以作为电力的可持续基准 [7] 。由于其时间准确性，每小时转换系数使得能源管理策略的制定能够考虑到时间相关的生命周期影响。最后，它们可以用于定量跟踪
排序、网络分析和能源需求建模……
在第二种情况下，我们将实际活动数据与能源需求建模领域常用算法（一阶马尔可夫链技术）生成的合成活动数据进行比较。先前的研究已经验证了这项技术，证明该技术生成的合成数据足以与真实数据进行比较，可用于此类能源需求模型 [8,14]。与先前的研究相反，我们的结果表明，合成数据与真实数据存在很大差异，表明该技术无法捕捉真实数据中存在的活动序列的特征。这项工作为自下而上的基于活动的能源需求建模领域增加了价值，因为它对常用的建模算法提出了新颖的建设性批评，并展示了一种新技术的使用，可用于未来验证此类模型的输出。
可再生能源在单户住宅社区能源需求中的使用潜力，构成能源集群——案例研究
摘要 . 全球变暖和空气污染方面的全球政策都提出了几项主要指导方针，其中主要目标似乎是同时使用可再生能源 (RES) 和限制化石燃料的能源生产。如今，可再生能源在最终能源消费中的使用量持续增长已成为许多国家发展的明显组成部分。再加上对提高建筑能源效率的不懈追求，我们预测，在不久的将来，人们应该会期待发展出构成能源集群的先进城市规模区域。能源集群 (EC) 范式使我们能够定义能源灵活性社区。本文介绍了对可能使用 RES 的单户住宅模型社区的能源分析结果。构成 EC 的社区是根据波兰家庭部门的统计研究来定义的。分析区域包括波兰的代表性单户住宅，其特点是不同的建造时期、建筑形状和几何形状以及建筑围护结构参数。在分析过程中，作者使用 TEAC（由作者开发的计算机工具）对定义的 EC 进行了详细检查。 TEAC 基于通过 Energy Plus 软件和人工神经网络 (ANN) 的使用获得的能源模拟结果。人工智能 (AI) 用于预测建筑物的能源需求。在可能的可再生能源中，对太阳能和风能的使用进行了详细分析。结果，我们获得了每小时能源需求的空间和时间分布、可再生能源产出、有关温室气体排放的生态分析以及社区拟议现代化的盈利能力分析。