XiaoMi-AI文件搜索系统
World File Search System解器
电解器建模和实时控制以优化氢气生产
我们提出了一种方法，通过解决基于模型的最优控制问题，以经济高效的方式运行电解器以满足加氢站的需求。为了阐明潜在问题，我们首先对额定功率为 100 kW 的西门子 SILYZER 100 聚合物电解质膜电解器进行实验表征。我们进行实验以确定电解器的转换效率和热动力学以及电解器中使用的过载限制算法。得到的详细非线性模型用于设计实时最优控制器，然后在实际系统上实施。每分钟，控制器都会解决一个确定性的滚动时域问题，该问题旨在最大限度地降低满足给定氢气需求的成本，同时使用储罐来利用随时间变化的电价和光伏流入。我们在模拟中说明了我们的方法与文献中的其他方法相比显著降低了成本，然后通过在实际系统上实时运行演示来验证我们的方法。
基于市场的可再生能源：灵活的氢电解器如何稳定风和太阳能市场价值
摘要。风能和太阳能通常会成为自己成功的受害者：他们在电力生产中的份额越高，电力市场的收入就越多（其“市场价值”）下降。尽管在常规电力系统中，市场价值可能会融合到零，但这项研究表明，通过在低价小时内增加电力需求，“绿色”氢的产量可以有效，永久地停止下降。具有分析推导，蒙特卡洛模拟和数值电力市场模型，我发现 - 由于柔性氢的产量 - 2050年的市场价值可能会在太阳能中收敛于19±9 MWH -1，而风能的27±8 mWH -1超过27±8 mWh -1。这是可再生能源预计的级别成本范围的，并且具有深远的影响。基于市场的可再生能源可能会触及。
苛性生产能源效率和电解器 - ...
图2。氯 - 阿尔卡利膜，氯 - 碱性隔膜，双极膜电透析和直接电气合成过程的理论和实用能量需求。理论数来自Thiel等人。4或基于理论电压（用于直接电共汇）进行估计。实际数字取自Thiel等人。4和Reig等。 5尚未报告直接电气合成的实际能量需求。4和Reig等。5尚未报告直接电气合成的实际能量需求。
solax：带有神经网络支持的费米子量子系统的Python求解器
费米子多体量子系统的数值建模介绍了各个研究领域的类似challenges，需要使用通用工具，包括现状的机器学习技术。在这里，我们介绍了Solax，这是一个python库，旨在使用第二个量化的形式主义来计算和分析费米子量子系统。Solax提供了一个模块化框架，用于构建和操纵基础集，量子状态和操作员，促进电子结构的模拟并确定有限尺寸的Hilbert空间中的多体量子状态。库集成了机器学习能力，以减轻大量子群中希尔伯特空间尺寸的指数增长。使用最近开发的Python库Jax实现了核心低级功能。通过将其应用于单个杂质Anderson模型的应用，为研究人员提供了一种灵活而强大的工具，可用于应对各种领域的多体量子系统的挑战，包括原子物理学，量子化学和凝结物理学。
带有电解器和氢燃料燃气轮机的集成电源系统的尺寸
摘要 — 本研究旨在确定由风力发电厂、电解厂、压缩机、储罐和氢燃料燃气轮机发电厂组成的供电系统的规模，以提供低碳电力。该系统具有可调度供电系统的优势，是实现电网灵活性所必需的。对于这种电对电系统，规模确定的目标是找到系统所有组件的最小功能尺寸。规模确定是针对 2021 年德国的情况进行的。考虑了两种系统规划：一种是需求仅由燃气轮机满足，风力发电厂专用于绿色氢气生产；另一种是风力发电厂生产氢气并满足需求，而燃气轮机完成平衡。我们还评估了系统的资本和运营成本，以及其用水量和土地足迹。计算得出的规模结果表明，使用综合方法进行规划以利用风力发电厂和燃气轮机之间的协同作用不仅可以降低成本、节省空间和节约用水，还可以避免系统规模过大。
灵活的电力需求如何稳定风能和太阳能市场价值：以氢电解器为例
摘要。人们通常认为风能和太阳能会成为自身成功的牺牲品：它们在电力生产中的份额越高，它们在电力市场上的收入（其“市场价值”）下降得越多。虽然在传统电力系统中，市场价值可能会趋近于零，但这项研究表明，“绿色”氢气生产通过在低价时段增加电力需求，可以有效且永久地阻止这种下降。通过分析推导、蒙特卡罗模拟和数值电力市场模型，我发现——仅由于灵活的氢气生产——到 2050 年，整个欧洲的市场价值可能趋近于太阳能的 19 欧元±9 MWh -1 以上，风能的 27 欧元±8 MWh -1 以上（年平均估计值±标准差）。这个下限在可再生能源预计的平准化成本范围内，具有深远的影响。因此，基于市场的可再生能源可能触手可及。
已发布版本的引用 (APA)：Apers, S., & de Wolf, R. (2020)。图稀疏化、切割近似和拉普拉斯算子求解器的量子加速
图稀疏化是大量算法的基础，从切割问题的近似算法到图拉普拉斯算子的线性系统求解器。在其最强形式中，“谱稀疏化”将边数减少到节点数的近似线性，同时近似地保留图的切割和谱结构。在这项工作中，我们展示了谱稀疏化及其许多应用的多项式量子加速。具体而言，我们给出了一种量子算法，给定一个具有 n 个节点和 m 条边的加权图，在亚线性时间内输出 ϵ -谱稀疏器的经典描述 e O ( √ mn/ϵ )。这与最佳经典复杂度 e O ( m ) 形成对比。我们还证明我们的量子算法在多对数因子范围内是最优的。该算法建立在一系列关于稀疏化、图扩展器、最短路径量子算法和 k 向独立随机字符串的有效构造方面的现有成果之上。我们的算法意味着解决拉普拉斯系统和近似一系列切割问题（例如最小切割和最稀疏切割）的量子加速。
电力电子控制的质子交换膜电解器建模：简要回顾
氢是地球上数量最多、最简单的元素。它可以储存和释放可用能量。然而，氢并不单独存在于自然界中，必须由包含它的不同元素制成。例如，它可以与碳（如石油、天然气）和水中的氧（H 2 O）结合[1]。氢的每千克比能量是所有燃料中最高的（即 120-140 MJ/kg），但其能量密度不太适合储存（即 2.8-10 MJ/L），具体取决于物理储存方式（如压缩（350-700 bar）、液体）[2]。一方面，全球利用重整工艺从天然气、煤炭和石油中生产的氢气约占 96%。另一方面，利用水电解工艺将去离子水分解为氢气和氧气约占全球氢气产量的 4% [3]。尽管氢气本质上是一种清洁的能源，但它需要能量来生产；所采用的能源类型有所不同。由化石燃料生产的氢气由于间接污染而被称为灰氢。为了供应水电解过程，可再生能源 (RES)（例如风力涡轮机、光伏）是最适合的，因为它们可以限制对环境的影响。通过这种方式，可以获得所谓的绿色氢气。将这种氢气混合到现有的天然气管道网络中已被提议作为增加可再生能源系统产量的一种手段。通过管道输送氢气和甲烷混合物也有悠久的历史；最近，风电装机容量的快速增长以及对燃料电池电动汽车近期市场准备的关注，增加了利益相关者的兴趣 [ 4 ， 5 ]。
电解器系统的功率转换器：最新的...
Bikash Sah博士收到了B.Tech。2014年，印度印度阿鲁纳恰尔邦（Arunachal Pradesh）的美国国家理工学院电气和电子工程学士学位，以及印度印度古瓦哈蒂（Guwahati）印度印度科技研究所的电子和电气工程博士学位，2021年。他目前是德国Sankt Augustin的Bonn-Rhein-Sieg Applied Sciences of Bonn-Rhein-Sieg University，用于电子动力和电化学系统的集体负责电力电子产品。他还与德国卡塞尔的弗劳恩霍夫能源经济学和能源系统技术IEE IEE合作。他已经从事工业，学术界和研究实验室的项目已经工作了十多年，这些项目涉及电力电子和电化学系统，着重于电动性，电池，电解和燃料电池系统。他目前的研究兴趣包括
用于量子化学的量子学习机 (QLM) 的开源变分量子特征求解器扩展
试图在大型系统上达到完全精确度显然面临着所谓的“指数墙”，这限制了最精确方法对更复杂的化学系统的适用性。到目前为止，用经典超级计算机执行的最大计算量也只包括数百亿个行列式 4 ，有 20 个电子和 20 个轨道，随着大规模并行超级计算机架构的进步，希望在不久的将来解决接近一万亿个行列式（24 个电子、24 个轨道）的问题。5 鉴于这些限制，必须使用其他类别的方法来近似更大的多电子系统的基态波函数。它们包括：(i) 密度泛函理论 (DFT)，它依赖于单个斯莱特行列式的使用，并且已被证明非常成功，但无法描述强关联系统 6 – 8 ； (ii) 后 Hartree - Fock 方法，例如截断耦合团簇 (CC) 和组态相互作用 (CI) 方法，即使在单个 Slater 行列式之外仍然可以操作，但由于大尺寸分子在 Slater 行列式方面的计算要求极高，因此不能应用于大尺寸分子。9 – 16 一个很好的例子是“黄金标准”方法，表示为耦合团簇单、双和微扰三重激发 CCSD(T)。事实上，CCSD(T) 能够处理几千个基函数，但代价是巨大的运算次数，而这受到大量数据存储要求的限制。17 无论选择哪种化学基组（STO-3G、6-31G、cc-pVDZ、超越等），这些方法都不足以对大分子得出足够准确的结果。 Feynman 18,19 提出的一种范式转变是使用量子计算机来模拟量子系统。这促使社区使用量子计算机来解决量子化学波函数问题。直观地说，优势来自于量子计算机可以比传统计算机处理“指数级”更多的信息。20 最近的评论提供了有关开发专用于量子化学的量子算法的策略的背景材料。这些方法包括量子相位估计（QPE）、变分量子特征值求解器（VQE）或量子虚时间演化（QITE）等技术。21 – 24 所有方法通常包括三个关键步骤：（i）将费米子汉密尔顿量和波函数转换为量子位表示；（ii）构建具有一和两量子位量子门的电路；（iii）使用电路生成相关波函数并测量给定汉密尔顿量的期望值。重要的是，目前可用的量子计算机仍然处于嘈杂的中型量子（NISQ）时代，并且受到两个主要资源的限制：