Virtual energy flow-based carbon emission optimization and hybrid game model for multi-park integrated energy systems
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
To advance sustainable energy management in Park Integrated Energy Systems (PIESs), this paper proposes a hybrid game model among multiple PIESs to reduce carbon emissions under carbon emission quota (CEQ) policies. We introduce a virtual energy flow-based carbon emission optimization (VEF-CEO) method, where the virtual energy flow refers to an energy allocation determined by trading contracts rather than physical transmission paths. This approach linearizes emission calculations and resolves locational carbon price disparities. Within PIES, a Stackelberg game model transfers CEQ assessment costs to the load side, clarifying carbon reduction responsibilities and enhancing collaborative effects. Among PIESs, a cooperative game model improves CEQ satisfaction and economic benefits through coordination. The Karush-Kuhn-Tucker (KKT) conditions transform the Stackelberg model into a single-level model, and the Augmented Lagrange based Alternating Direction Inexact Newton (ALADIN) method is employed for non-convex model distributed solving. Case study demonstrates that cooperative strategies increase revenues by 21.4% and 51.3% for two PIESs respectively, and achieve complete wind power accommodation. The Stackelberg game successfully steers user consumption via price signals, and the VEF-CEO method outperforms traditional methods in fairness and computational efficiency. These findings validate the effectiveness of hybrid game approach, VEF-CEO method, and ALADIN algorithm for PIES optimization.
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 | 0,001 | 0,000 |
| 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