renewable energy sources | BriefGPT

关键词renewable energy sources

搜索结果 - 23

基于近端策略优化的深度强化学习在奶牛养殖中的电池管理方法
通过最大化利用可再生能源并应用深度强化学习算法（DRL）的近端政策优化（PPO）方法，研究提高电力效率、减少环境影响，从而提高奶牛养殖中的能源管理和可持续性。实证结果表明，相较于 Q 学习算法，PPO 方法可以减少 1.62% 的电力从电网
PDF5 days ago
数据驱动的功率流线性化理论
数据驱动的功率流线性化（DPFL）方法在管理可再生能源的波动、提高经济效率和降低能量损失方面具有潜在优势，本教程全面研究了 DPFL 方法、数值比较和未来发展方向。
PDFa month ago
增强顺序市场清算通过面向价值的可再生能源预测
通过价值导向的预测方法，我们提出了一种解决大量可再生能源进入电力市场带来的不确定性的方法，以降低日前和实时总体运行成本。
PDF2 months ago
基于聚类的多任务深度神经网络用于太阳能光伏发电预测
本文提出了一种基于聚类的多任务深度神经网络（CM-DNN）框架，用于预测光伏发电量。通过应用 K-means 算法将数据聚类为不同的客户类型，并为每个类型采用深度神经网络进行训练，然后进行模型知识传输以提高目标任务的训练准确性。通过对真实世
PDF2 months ago
基于强化学习的能量套利策略的控制策略纠正框架
通过模型无关的强化学习方法，在失衡结算机制中提出了一种新的用于电池的安全能源套利策略的控制框架。
PDF2 months ago
基于多地天气数据指导的高效确定性可再生能源预测
利用多地天气预报的 U 型时间卷积自编码器（UTCAE）方法和多尺度核卷积空时注意力（MKST-Attention）机制，该研究提出了一种新的方法来确定多个发电站的确定性风能和太阳能发电预测，试验评估表明该方法在五个数据集上的日前太阳能和风
PDF2 months ago
太阳辐照传感器阵列的高级基于模拟的预测建模
CAIDE 是一个基于云技术的新框架，用于实时监测、管理和预测太阳辐照度传感器农场，通过模型和仿真方法，同时管理多个传感器农场并实时改进预测模型。该框架利用模型化系统工程和物联网基础设施，在动态环境中支持太阳能电站的部署和分析。实验结果表明
PDF3 months ago
基于近端策略优化的智能家庭太阳能管理
通过基于 Proximal Policy Optimization (PPO) 的框架，使用循环奖励模型来最大化利润，相比其他简单算法在累积总利润方面取得了 30％以上的改进，该方法在复杂领域如金融市场中进行增强学习算法以规划行动方面表现出
PDF3 months ago
EnergAIze: 多智能体深度确定性策略梯度用于车辆到网格能量管理
本文研究了可再生能源和电动汽车的不断增长的作用，并介绍了一个名为 EnergAIze 的多智能体强化学习能源管理框架，它能够提供用户中心和多目标能源管理，通过让每个用户选择个人能源管理目标来鼓励参与，并通过分散式计算实现数据保护和拥有权，从
PDF3 months ago
借助实用数据驱动工具赋能汇聚者：利用聚合和分解的灵活性进行需求响应
通过数据驱动技术和工业及住宅建筑的案例研究，本文不仅揭示了在平衡和新兴灵活性市场中机构的关键机遇，还成功开发了机构的端到端实用工具，验证了其操作能力，并为弹性和高效能源系统的演进作出了贡献。
PDF6 months ago
基于深度学习和 LORA 技术的微电网的网络物理架构
本研究提出了一种用于安全社交运行的隔离混合微电网（HMGs）的网络物理结构。在物理层面上，提出了考虑各种可再生能源（RESs）和基于化石燃料的分布式发电装置（DGs）的最优调度方案。关于 MG 的网络层，引入了基于低功率广域 (LORA)
PDF7 months ago
利用深度强化学习推进具备需求响应的攻击弹性集成能源系统的调度
基于深度强化学习的状态对抗方式，提出了一种创新的无模型韧性调度方法，用于具备集成需求响应功能的集成能源系统，该方法能够充分应对可再生能源和负载所带来的不确定性，并减轻网络攻击对调度策略的影响，确保各种能源的稳定供求，并具备抵御网络攻击的韧性
PDF7 months ago
基于注意力神经网络的高可再生功率系统中的最优功率流
借助物理启示的机器学习方法，使用模仿学习和历史欧洲天气数据集，直接将电力需求和天气模式与电力调度和发电相互关联，从而实现实时最优功率流解决方案，并验证效果优于现有数据驱动技术，有助于可再生能源时代构建更具韧性的电力系统。
PDF7 months ago
基于天空成像的太阳辐照度预测与机器学习
本文提出了一种新的方法，通过从天空图像中提取特征并使用基于学习的技术来估计短期太阳辐照度，实现了对可再生能源的预测，该方法在计算复杂性方面比现有的算法具有更高的竞争力。
PDF8 months ago
基于区块链技术的电力能源管理的联邦学习模型
电力短缺和负荷限制是发展中国家面临的主要问题，主要原因是能源部门管理不善和使用非可再生能源。改善能源管理并增加可再生能源的使用对解决能源危机具有重要意义。本文提出了基于区块链的安全分布式账本技术，用于保证生产者和消费者之间数据交易的透明性、
PDFa year ago
基于图神经网络的潮流模型
本论文研究了使用图神经网络方法对历史电力系统数据进行训练，以预测电量流计算结果。通过在测试系统上的结果表明，使用所提出的图神经网络电量流模型可以比传统的直流（DC）功量流方法和深度神经网络（DNN）模型以及卷积神经网络（CNN）模型得到更准
PDFa year ago
MATNet：基于多级融合和自注意力变换器模型的多变量多步日前光伏发电预测
该研究提出了一种新的基于自注意力转换器的混合方法，称为 MATNet，用于预测多元多步骤日前光伏发电量。MATNet 模型有效地结合了 AI 模型的优势与基于物理知识的模型，以提高光伏预测的准确性。
PDFa year ago
智能能源系统中的 AI 可解释性和治理：一项综述
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
PDF2 years ago
基于深度强化学习的大规模 V2G 连续充电协调及可再生能源应用
本文提出了一种使用深度强化学习方法的车辆 - 电网技术中，对转移学习方面具有显著表现的连续充放电协调策略。该方法可以高效地优化电动汽车聚合器在实际操作条件下的实时充电 / 放电功率，与无控制充电相比，负荷变化减少了 97.37$％$，充电成
PDF2 years ago
带安全强化学习的应急情况受限经济调度
在未来的电力系统中，将大量依赖于具有高比例的分散式可再生能源和能量存储系统的微电网。出于复杂性和不确定性的原因，在这种情境下的传统能源调度策略可能不可行，利用基于强化学习的控制器可以解决这一挑战，但不能提供安全保障，于是我们提出了一种经过正
PDF2 years ago