《一个优化的能源系统规划和运行在分配网格层面——分散的市场代理作为一种新颖的方法。》

  • 来源专题:可再生能源
  • 编译者: pengh
  • 发布时间:2018-03-05
  • 本文提出了一种利用德国分布式热、冷、电力系统中未使用的柔性潜力的概念,改进了分散系统的部门耦合和战略利用。作者提出了一种机制,确保利用分布式的热电技术从耦合潜力中获益,并使中央市场能够实现分散的灵活性,同时针对分布式电网的成本效益运行和扩展规划。它被分配到一个新的市场角色,分散的市场代理(DMA)。本文讨论了实现这一角色的必要条件,如充分的信息和通信基础设施。此外,讨论了其在能源市场的法律形式和实施方法,表明所有权结构对拟议概念的潜在业务领域产生了显著的影响。本文对所有可能的方法进行了评估,并指出了哪些政治焦点可以在概念上得到最好的体现。

相关报告
  • 《人工智能素养:一种提议的层面分类法》

    • 来源专题:数智化图书情报
    • 编译者:程冰
    • 发布时间:2025-01-16
    • 摘要: [目的]提出一种人工智能(AI)素养的分类法,以支持AI素养教育和研究。 [设计/方法论/方法]本研究采用了层面分析技术,并面回顾,检查知名的AI分类方案和分类法,回顾以往关于数据/信息/数字素养研究的文献,以及对1,031条关于AI素养出版物的元数据记录进行定性和定量分析,使用KH Coder 3软件应用程序分析来自Scopus多学科数据库的元数据记录。[发现]提出了一个新的AI素养分类法,包含13个高级层面以及每个层面的具体主题列表。 关键词:人工智能素养,AI素养,分类法,AI素养分类法,AI素养概念化,人工智能  Shiri, A. (2024), "Artificial intelligence literacy: a proposed faceted taxonomy", Digital Library Perspectives, Vol. 40 No. 4, pp. 681-699. https://doi.org/10.1108/DLP-04-2024-0067
  • 《一个31年的全球海面温度日变化数据集》

    • 来源专题:物理海洋学知识资源中心
    • 编译者:cancan
    • 发布时间:2018-11-19
    • 基于二阶湍流混合层模型,中国国家海洋环境预报中心(NMEFC)高级科学家Tiejun Ling博士及其研究团队发展了一种新的海洋混合层模型。 该模型能够再现比现有模型更真实的海面温度(SST)日循环。同时,通过一系列算法和并行优化,新混合层模型的计算效率得到极大提高,因此有可能成为研究SST长期日变化的有用工具。这项研究结果最近发表在大气科学进展(Advances in Atmospheric Sciences)杂志上。 海气相互作用是影响气候变化的一个非常重要的过程,而SST是控制这种相互作用最重要的参数之一。作为SST变化的主要尺度之一,全球的昼夜温差在大概2度左右,这一温差对天气和气候系统的演变产生了非常重要的影响。 通常,我们通过观测或模拟数据来研究SST的日变化。就前者(即观测数据)而言,漂流浮标和卫星数据的空间覆盖是不均匀和不连续的,因此很难研究SST的长期变化。然而,模式方法可以帮助解决这个问题。获取高频的SST数据有助于研究变暖的阈值、峰值和时间。 与经验模型相比,海洋混合层模型可以在上层海洋中再现更逼真的动力和热力过程,且计算成本低于气候系统模型。 SST日变化的准确性很大程度上取决于模型数据的可靠性。在本研究中,对比模型数据与现场观测数据可以看出,新模型表现良好,平均偏差为0.07°C,均方根误差和相关系数分别为0.37°C和0.98。同样与卫星数据的对比中也获得了类似的结果。 Ling博士和他的研究小组研究了新的数据集,并揭示了与SST昼夜周期变化相关的一些气候特征。这些特征与采用卫星数据获得的特征一致。 31年的气候态数据显示,大多数地区的SST日变化很小,赤道东太平洋和西太平洋、印度洋北部、中美洲西部、澳大利亚西北部和几个沿海地区的海水变化值较高。 在所有盆地中都发现了昼夜SST的显着季节性变化。在大西洋和太平洋盆地,随着太阳辐射的变化,季节性模式以南北为导向;根据LING博士的说法,在印度盆地,它受季风变化的支配。 “在年际尺度上,结果突出了SST的日变化和年际变化之间的关系,并揭示赤道中太平洋温度日变化的变暖趋势可能是ENSO预测的潜在气候指标,” Ling博士解释说。 “此外,该数据集具有良好的研究和应用前景。这些长期、高分辨率的每小时SST数据可用于研究区域和全球SST日变化的长期趋势,还有SST日变化以及区域和全球气候事件之间的关系,”他补充道。 研究小组将继续运行海洋混合层模型并不断更新数据,从而利用它们研究SST日变化的长期趋势,以及SST日变化对全球和区域气候的影响。 (侯颖琳编译;於维樱审校)