Price-Guided Cooperation of Combined Offshore Wind and Hydrogen Plant, Hydrogen Pipeline Network, Power Network, and Transportation Network
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nowadays, the combined offshore wind farm and hydrogen production plant (COWHP) has been installed all around the world and will play an important role in reducing the carbon dioxide emissions. However, the cooperation of the COWHP, the hydrogen pipeline transportation, the power network transmission, and the hydrogen fuel cell electric vehicles (HFCEVs) scheduling is still an essential problem. This problem falls into the category of mixed-integer nonlinear optimization, which involves a significant number of decision variables and constraints. Existing methods have often struggled to effectively solve this problem due to its inherent complexity and non-linear nature. In this paper, a price-guided method is proposed to cooperate with this complex system. First, the COWHP model, the hydrogen pipeline network scheduling model, the power network flow model, the HFCEVs refuelling microgrid model, and the HFCEV traffic flow model in real-world transportation networks are presented. Second, the price-based cooperation model is proposed. Third, price strategies are deployed to cooperate with the complex system. The decision making trial and evaluation laboratory-the technique for order preference by similarity to ideal solution (Dematel-TOPSIS) method is deployed to evaluate the real-time performance of different strategies. The simulation results reveal that in the small vehicle flow transportation network cases, deep deterministic policy gradient (DDPG) has the best real-time evaluation performance; whereas for the large vehicle flow transportation network cases, long short term memory (LSTM) has the best real-time performance. From the posterior evaluation view, LSTM has the best performance for all cases to reduce total operation cost, and also reduce the total waiting time.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle