基于人工智能的优化能耗方法综述
利用人工智能算法,研究了人工智能在可再生能源领域的应用,包括可再生能源发电、能源预测和能源系统优化等方面,分析了其性能和结果,并总结了人工智能在能源行业发展中的重要性和未来方向。
Jun, 2024
本文提出了一种方法学习如何在能源领域中开发,部署和评估 AI 系统,以提高其可靠性、可控性和解释性,使用电力系统事件预测(PEF)作为示例应用,通过对同步相量测量单元(PMUs)测量的相量数据进行物理理解和采用基于机器学习的算法来预测所需需求,将物理维度与机器学习模型融合,实现降维和提高预测精度的目标。
Nov, 2021
人工智能在技术和研究方面取得了显著的进展,并广泛应用于计算视觉、自然语言处理、时间序列分析、语音合成等多个领域。然而,随着大型语言模型的出现,研究人员的注意力主要集中在追求最新的技术成果,导致模型规模和计算复杂性不断增加,需要更高的计算能力,进而产生更高的碳排放量,阻碍了资金有限的中小型研究机构和公司参与研究,并引发研究公平性的问题。为应对计算资源和人工智能的环境影响,绿色计算已成为一个热门的研究课题。在本调研中,我们对绿色计算中使用的技术进行了系统概述,并提出绿色计算的框架,将其分为四个关键组成部分:(1) 绿色度量指标,(2) 能效人工智能,(3) 能效计算系统和 (4) 可持续发展的人工智能应用案例。针对每个组成部分,我们讨论了研究进展及常用的优化技术,结论表明这个新的研究方向有潜力解决资源限制与人工智能发展之间的冲突。我们鼓励更多的研究人员关注这个方向,使人工智能更加环保友好。
Nov, 2023
本文分析了大规模数字化电网中数据可用性、计算能力和人工智能算法开发这三个关键因素对电网的影响,并以实际案例说明其对电力系统运行和规划实践的影响和应用,同时提出了数据、计算和人工智能算法方面存在的挑战和研究机会,并突出了电力行业在碳减排方面所面临的巨大压力。
May, 2022
通过收集 Scopus 数据库中的 3,568 篇相关论文,自动发现了 AI 治理能源的 15 个参数或主题,这篇论文深化了我们对能源中 AI 治理的知识,并有望帮助政府、工业、学术界、能源生产者和其他利益相关者了解 AI 在能源部门的应用,从而实现更好的设计、运营、利用和风险管理。
Oct, 2022
人工智能在移动设备领域带来了越来越多的新功能,但其操作也消耗了大量能源。本文回顾了过去十年在绿色移动计算领域中使用人工智能的文献,并总结了 13 个主要课题。研究结果表明,该领域近年来有所增长,但对于基于人工智能的移动系统能源消耗的研究相对较少,需要进一步探索。同时,研究还发现绝大多数文献只是学术贡献,需要促进移动软件行业的参与。
Jul, 2023
电动出行解决方案的关键是能源管理,本文通过分析现有文献探讨了人工智能在解决电动出行领域的各种挑战中的潜力,并提出了未来研究的有效途径,以推动可持续和高效的电动出行解决方案的发展。
Sep, 2023
在本文中,我们提出了一种能够平衡应用目标与能耗的采用能量感知方法的自适应 AI 应用程序的设计和部署方法,通过元启发式搜索过程确定可用于自适应系统的配置集合,并使用加权灰色关联分析将最终的配置映射到自适应应用程序的操作模式,验证结果表明,我们的自适应应用程序在节省高达 81% 的能源的同时,仅在准确率上损失了 2% 至 6%。
Aug, 2023
医院能耗预测的机器学习和人工智能技术涉及多种数据输入,如入住情况和气象数据,部分研究对数据选择不够深入,时间动态、操作状态和预处理方法等方面仍有待研究,深度学习模型如人工神经网络显示出潜力但也带来了可解释性和计算需求方面的挑战,结果凸显了人工智能在优化医院能耗方面的巨大潜力,同时也强调了需要更全面细致的研究。未来研究的关键领域包括优化人工神经网络方法、新的优化和数据整合技术、将实时数据纳入智能能源管理系统以及增加对长期能源预测的关注。
Nov, 2023
通过最大化神经进化框架下人工神经网络模型的准确性和最小化功耗,本研究提出了一种新的变异策略,引入了模块层的随机重新引入,通过训练过程中同时训练两个模型以推动其中一个模型的功耗更低且准确性相似,结果表明功耗降低了 29.2%,但预测性能基本不受影响。
Jan, 2024