Публикации по теме 'energy'


1. Измерения спиновой поляризации при релятивистских столкновениях тяжелых ионов (arXiv)
1. Измерения спиновой поляризации в релятивистских столкновениях тяжелых ионов ( arXiv) Автор: Дебоджит Саркар Аннотация: Горячая и плотная материя, образующаяся в результате релятивистских столкновений тяжелых ионов на Релятивистском коллайдере тяжелых ионов (RHIC) и Большом адронном коллайдере (LHC), называется кварк-глюонной плазмой (КГП). Эволюция среды характеризуется нетривиальными полями скорости и завихренности, что приводит к поляризации рождающихся частиц. Спиновая..
Гибридное планирование спроса для поставщиков нефтехимической продукции
Гибридное планирование спроса для поставщиков нефтехимической продукции Авторы Мишту Шарма и Мудит Мишра Поскольку нефтехимическая промышленность играет жизненно важную роль в обеспечении сырьем для широкого спектра продуктов, таких как пластмассы, смолы, смазочные материалы, волокна и т. д., крайне важно, чтобы отрасль нашла способ улучшить свои прогнозы будущего спроса. Рыночный спрос на нефтехимические продукты в значительной степени обусловлен растущим спросом на..
Объяснение оптимизации энергетического рынка Fetch.ai
Документ, который мы собираемся обобщить в этой статье, называется Глубокое обучение с подкреплением для стратегических торгов на рынках электроэнергии . В статье исследователи, в том числе специалист по машинному обучению Fetch.ai Юйцзянь Е, предлагают новый способ решения проблемы стратегических торгов на нерегулируемых рынках электроэнергии. Чтобы лучше понять это, нам нужно знать, что такое «дерегулированные» и «регулируемые» энергетические рынки. Что такое регулируемый рынок..
Использование машинного обучения для решения проблем загрязнения в солнечной промышленности
TL;DR: – Загрязнение, вызванное скоплением пыли на солнечных модулях, может привести к значительным потерям доходов. – Исследователи сравнили физические модели и подходы машинного обучения для прогнозирования потерь от загрязнения. – Физические модели достигли более высокой точности с данными полевых наблюдений, в то время как подходы машинного обучения показали многообещающие результаты. – Модели машинного обучения, основанные на данных об окружающей среде, полученных со..
Наука о данных и аналитика в отрасли электроэнергетики: как данные датчиков революционизируют…
Наука о данных и аналитика в сфере энергетики: как данные датчиков революционизируют операции Введение Наука о данных и аналитика уже давно являются ключевыми инструментами для оптимизации операций и повышения эффективности в энергетической отрасли. Но что именно подпитывает эти улучшения? Ответ заключается в огромном количестве данных, которые коммунальные предприятия могут собирать с датчиков, размещенных в системах производства и распределения электроэнергии. Анализируя данные..
Прогнозирование потребности в энергии с помощью науки о данных
Во время нашего 9-месячного онлайн-курса для получения сертификата Data Scientist с DataScientest, Дэвид, Жан-Ив и я были зачислены в реальный проект. Тот факт, что нам разрешили выбрать тему, связанную с заботой об окружающей среде, еще больше повысил наш интерес и мотивацию. Цель состояла в том, чтобы спрогнозировать периоды времени, в течение которых производства энергии недостаточно для покрытия всех энергетических потребностей. Мы увидели эту возможность как весьма важную,..
Цифровая трансформация с использованием ИИ в возобновляемой промышленности (солнечная энергия) — Часть 6
Лучшие практики алгоритмов искусственного интеллекта для обнаружения аномалий Содержание таблицы: Подход 1 Глобальные и локальные выбросы при обнаружении аномалий Подход 2 Подход 3 Подход 4 Разница между пространственными и временными данными с точки зрения данных временных рядов? Несколько контрольных точек для многовариантных подходов часто используемые алгоритмы Почему бы и нет Различные способы объединения модели на основе физики с алгоритмами..