摘要 —本文提出了一种在承载大量随机分布式可再生能源的主动配电网 (ADN) 中对储能系统 (ESS) 进行优化选址和定型的程序。优化目标是尽量减少 ADN 的日前计算调度误差。在确定 ESS 的分配时,要利用其关于 ADN 可调度性的运行特点。所提出的 ESS 规划是通过制定和求解基于场景的非线性非凸最优功率流 (OPF) 来定义的。OPF 问题转换为分段线性化 OPF (PWL-OPF)。ESS 控制策略旨在充分利用 ESS 的能量容量。它集成在 PWL-OPF 中,以实现 ADN 在所有操作场景下的可调度性。采用 Benders 分解技术来解决所提出的规划问题的计算复杂性。问题分解为两个子问题:一个主问题决定 ESS 的分配,以及几个子问题,其中通过基于场景的 OPF 评估在分配的 ESS 的支持下 ADN 的可调度性。为了验证所提出的方法,对嵌入大量光伏发电容量的真实瑞士电网进行了广泛的模拟。
• 十个农村交通规划区域 (TPR) • 五个大都市规划组织 (MPO) • 一个全州交通咨询委员会 (STAC),由代表规划合作伙伴就关键交通规划问题进行的民选或任命官员组成 • 来自科罗拉多州所有 64 个县的当地民选官员和社区领导人 • 部落政府,包括南尤特印第安部落和尤特山尤特部落 • 联邦公路管理局和联邦运输管理局 • 科罗拉多州公共卫生和环境部 • 其他州机构 • 其他利益相关者和倡导团体,包括:• Pro15 • 货运咨询委员会 • 科罗拉多州汽车运输协会 • 科罗拉多州退伍军人事务委员会 • 科罗拉多州公共利益研究小组 • LiveWell Colorado • 退伍军人和军人圆桌会议 • Club 20 • 公共卫生、公平和交通工作组 • 公共卫生和落基山脉 • 老龄化战略行动规划小组 • 科罗拉多自行车 • 环境利益相关者 • I-70 联盟 • 科罗拉多市政联盟 • 美国退休人员宜居社区协会 • 参与各种外展活动的感兴趣的公众成员
摘要:招聘、解雇和晋升的劳动力规划问题一直是人力资源管理的难题。为了应对不确定的人员流失,我们提出了一种新方法来寻找一种行动方案,以防止违反组织目标实现约束,例如生产力、预算、员工人数、解雇门槛和管理控制范围。因此,这种方法导致了一个可追踪的圆锥优化模型,该模型最小化了受 Aumann 和 Serrano 风险指数启发的决策标准,其值可以与在不确定的情况下满足约束的概率和稳健性保证相关联。此外,我们的模型与文献不同,将员工的在职时间(已知会影响辞职)视为决策变量。在我们的公式中,决策和不确定性是相关的。为了解决该模型,我们引入了管道不变性技术,从而产生了可以轻松解决的精确重构。通过对新加坡公务员队伍中执行相同工作职能的员工的真实数据集进行模拟,研究了该模型的计算性能。使用我们的模型,我们能够以数字方式说明人力资源方面的见解,例如缺乏组织更新的后果。我们的模型也可能是第一个为官僚机构中常见的基于时间的进步政策提供依据的数字说明。
向碳中和能源系统的过渡需要大量安装可再生能源和经济上可行的能源储存解决方案。本研究通过优化满足社区热电需求的能源系统的设计和控制策略来解决这些挑战。所提出的系统将太阳能和风能与能源储存相结合,包括季节性热能储存 (STES) 和电池,并通过热泵耦合。这种方法提高了自给自足能力并有效缓解季节性不匹配。为了模拟 STES 系统中储存器和地面之间的热传递,我们采用了多节点集中参数方法。优化问题被表述为周期最优控制问题,然后将其转录为非线性规划问题。为了降低计算复杂性,我们应用平均法,这大大降低了解决问题所需的工作量。我们将这种方法应用于一个案例研究,其中经济优化的配置预计 30 年内每个家庭的供热和电力总能源成本约为 75 欧元/月。这项研究证明了在现实场景中设计经济可行的自主能源社区的可行性,并为设计系统组件和控制策略提供了一个全面的优化框架。
摘要 地球观测卫星的卫星任务规划是一个组合优化问题,包括在卫星轨道通过期间选择受约束的最佳成像请求子集以完成该子集。轨道上卫星数量的不断增长凸显了高效运行卫星的必要性,这需要在短时间内解决许多问题实例。然而,当前的经典算法通常无法找到全局最优值或执行时间过长。在这里,我们从量子计算的角度来解决这个问题,这提供了一种有前途的替代方案,可以在未来显著提高解决方案的质量或执行速度。为此,我们研究了一个具有各种复杂约束的规划问题,并讨论了为量子计算机编码它们的方法。此外,我们通过实验评估了量子退火和量子近似优化算法在现实和多样化数据集上的性能。我们的结果确定了影响方法性能的关键方面,例如图连通性和约束结构。我们探索当今量子算法和硬件的极限,为目前可以成功解决的问题提供界限,并展示解决方案如何随着复杂性的增加而退化。这项工作旨在为该领域的进一步研究奠定基础,并对当前的量子优化能力建立现实的期望。
两种常见的顺序决策方法是人工智能规划 (AIP) 和强化学习 (RL)。每种方法都有优点和缺点。AIP 具有可解释性,易于与符号知识集成,并且通常很高效,但需要预先指定逻辑域,并且对噪声敏感;RL 只需要指定奖励,并且对噪声具有鲁棒性,但样本效率低下,不易获得外部知识。我们提出了一种将高级规划与 RL 相结合的综合方法,保留了可解释性、迁移和效率,同时允许对低级规划操作进行鲁棒学习。我们的方法通过在 AI 规划问题的状态转换模型和马尔可夫决策过程 (MDP) 的抽象状态转换系统之间建立对应关系,从 AIP 运算符定义分层强化学习 (HRL) 中的选项。通过添加内在奖励来学习选项,以鼓励 MDP 和 AIP 转换模型之间的一致性。我们通过比较 MiniGrid 和 N 室环境中 RL 和 HRL 算法的性能来展示我们的集成方法的优势,展示了我们的方法相对于现有方法的优势。
摘要:我们提出了 RoboFlow,这是一个基于云的工作流管理系统,用于协调开发 AI 增强型机器人的流程。与大多数以流程为中心的传统机器人开发流程不同,RoboFlow 以数据为中心。这一显著特性使其特别适合开发以数据为核心的 AI 增强型机器人。更具体地说,RoboFlow 将整个机器人开发过程建模为 4 个构建模块(1. 数据处理、2. 算法开发、3. 回溯测试和 4. 应用程序适配),并与集中式数据引擎交互。所有这些构建模块都在统一的接口框架下进行容器化和编排。这样的架构设计大大提高了所有构建模块的可维护性和可重用性,并使我们能够以完全并行的方式开发它们。为了证明所开发系统的有效性,我们利用它来开发两个原型系统,分别名为“Egomobility”和“Egoplan”。 Egomobility 为各种移动机器人提供通用导航功能,而 Egoplan 则解决机器人手臂在高维连续状态和动作空间中的路径规划问题。我们的结果表明,RoboFlow 可以显著简化整个开发生命周期,并且相同的工作流程适用于众多智能机器人应用程序 2 。
电池储能系统的有效运行要求电池温度保持在特定范围内。当前的技术经济模型忽略了加热和冷却操作对这些设备的寄生负载,假设它们在恒定温度下运行。在这项工作中,考虑到在寒冷环境中部署电池储能系统的最佳尺寸,研究了这些影响。峰值调节应用作为线性规划问题呈现,然后用 PYOMO 优化编程语言将其表述出来。建筑能量模拟软件 EnergyPlus 用于模拟电池储能系统外壳的供暖、通风和空调负载。对美国八个地点进行了案例研究,考虑了镍锰钴氧化物锂离子电池类型以及电源转换系统是在外壳内部还是外部。结果显示,能量容量大小增加了 42% 至 300%,额定功率增加了 43% 至 217%,资本成本增加了 43% 至 296%,具体取决于位置。该分析表明,供暖、通风和空调负荷会对电池储能系统的最佳尺寸和成本产生很大影响,值得在技术经济研究中考虑。
简介:与其他事故类别相比,可控飞行撞地 (CFIT) 造成的死亡人数相当多。人为因素被认为是这些事故的重要促成原因。本文旨在确定与导致 CFIT 的航空事故有关的人为因素。方法:该研究使用人为因素分析和分类系统 (HFACS) 框架来确定 2007 年至 2017 年 10 年间来自 24 个县的 50 起 CFIT 事故所涉及的因素。通过采访五位高级航空安全专家,可以更好地了解影响飞行安全的人为因素。结果:该研究确定了 1289 个单独的因果和促成人为因素,其中不安全行为和不安全行为的先决条件是事故的主要子类别。研究发现,CFIT 发生在各种飞行员经验中,44% 的事故发生在巡航飞行中。分心、自满和疲劳都是机组人员在巡航过程中可能遇到的导致 CFIT 的因素。结论:人为因素是 CFIT 事故的主要组成部分。分析显示,在各种飞行类别中,人为因素的贡献和因果模式相似,但有一些值得注意的孤立变化。普遍的因素是决策和基于技能的错误以及沟通、协调和规划问题。实际应用:Provi
在新冠疫情迫使大多数公用事业公司停工 18 个月后,领导者面临着可能持续更长时间的新挑战。人们原本以为,一旦疫苗接种率上升,人们就会重返办公室,恢复正常。疫情将会过去,工人们将安全返回疫情前的工作场所。然而,如今的公司面临的环境是很少有人能想象到的。许多地区的新冠病例激增,德尔塔变种病毒占新增病例的 90% 以上。雇主正在就口罩和疫苗强制令做出决定。远程工作环境曾被认为是一种临时的“权宜之计”,现在可能被视为工作场所结构中更一致的一部分。在这些外部因素的影响下,领导者还面临着其他劳动力挑战。公司正在经历人员流失和退休的增加。一些公司迅速转型,提供灵活性和远程就业选择,对顶尖人才的竞争也随之加剧。工人对安全和保护的担忧理所当然地有所增加。在公用事业领导者采取行动解决当前和近期需求的同时,还需要关注长期劳动力战略。关键规划问题的示例包括:
