دانلود و نمایش مقالات مرتبط با Electricity price::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - Electricity price

تعداد مقالات یافته شده: 10
ردیف عنوان نوع
1 اهمیت تاثیرات تقویم در بازار برق
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 28
چگونگی هماهنگی عرضه و تقاضا تبدیل به یک سوال طولانی مدت در بازار برق شده است، و ناهنجاری های مرتبط با اشکالات تقویم عوامل بحرانی برای تخصیص منابع هستند. این مقاله یک روش ارزیابی اهمیت تمام تاثیرات ممکن در فرکانس های زمانی متفاوت معرفی می‌کند. ما روش تست خودمان را در بزرگ ترین پلت فرم معاملات برق در ایالات متحده پیاده سازی می‌کنیم. با استفاده از اطاعات معاملات روزانه فرکانس بالا، تاثیرات تقویم در فرکانس های زمانی متفاوت (روز-از-هفته، ساعت-از-روز، ماه-از-سال، روز-از-ماه و فصل) را ارزیابی می‌کنیم. نتایج ما وجود تاثیرات تقویم در هر بعد از فرکانس زمانی، و مخصوصا آن تاثیرات تقویم با اهمیت آماری را تایید می کند. علاوه بر آن، این مطالعه وجوه اشتراک بین بازارهای برق و بازار های پولی که امکان درخواست مدیریت بازار های پولی به بازار های برق را کشف می‌کند. در کنار آن، تاثیرات شناسایی شده تقویم الگو های دوره ای تعادل بازار و تسهیل پیاده سازی راه حل های فنی صحیح در بازار های برق را شرح می‌دهد.
کلید واژه ها: تاثیرات تقویم | بازار برق PJM | قیمت برق | نوسان قیمت
مقاله ترجمه شده
2 Multi-Granular Electricity Consumer Load Profiling for Smart Homes using a Scalable Big Data Algorithm
تولید گرانول الکتریکی مصرف کننده بار برای ساخت خانه های هوشمند با استفاده از یک الگوریتم داده های بزرگ مقیاس پذیر-2018
With rising electricity prices, there is a need to give consumers greater control over their energy consumption. It is anticipated that such informed consumers in control of their consumption patterns will contribute to reduced energy usage and thus a sustainable environment. Smart meter technology in smart homes provides real-time information to customers through devices such as in-home displays and web portals, and provide half-hourly consumption data to electricity distributors and retailers. Such data enables the profiling of consumers making it possible to understand different life styles and electricity usage behaviours to provide customised electricity billing. To obtain the anticipated benefit from such highly granular and high frequency data, it is essential to have big data technologies which can process such volumes of data in near real time. The research described in this paper focus on addressing the key requirements of large volume data processing and making use of the highly granular nature of the data. Adapting a new scalable algorithm introduced by the authors for big data processing, this work demonstrates the practicality of processing large volumes of data at multiple levels of granularity. The faster processing capacity makes it possible to continuously analyse consumption data at frequent intervals as they are collected and at a highly granular level thus providing a practical solution as a smart home application. The advantages of the technique is demonstrated using electricity consumption data for 10,000 households for a year from an Australian electricity retailer.
مقاله انگلیسی
3 Copper mining productivity: Lessons from Chile
بهره وری معدن مس: درسهای از شیلی-2018
Chile represents almost one third of the world’s copper production. Mining is one of the main industries that contributes to our country’s development with resources and is globally recognized. Due to the end of the commodity cycle, improving productivity will be a key variable in mining performance in incoming years. This paper studies mining productivity in Chile by relying on two indicators: measure of the total factor productivity (TFP) using the traditional Solow methodology, and labor productivity. Since 2000, we found a decrease in TFP, explained mainly by the participation of capital as well as diverse factor adjustments to labor and capital inputs. Average labor productivity also decreases 42% from 1999 to 2010, a decrease explained by four determinants: real mining wages, electricity prices, copper prices and mineral grade. Since 2010, average labor productivity has increased 30%, and there is also an opportunity for additional improvement by reducing energy costs as well as by aligning productivity and labor performances.
Keywords: Labor productivity; TFP; Chile; Mining; Labor; Energy; Copper price
مقاله انگلیسی
4 Effects of firm characteristics and energy management for improving energy efficiency in the pulp and paper industry
اثرات ویژگی های شرکت و مدیریت انرژی برای بهبود بهره وری انرژی در صنعت کاغذ و کاغذ-2018
The Swedish pulp and paper industry (PPI) must increase energy efficiency to remain competitive on the global market, which has experienced entries from countries with cheaper energy and raw material supplies. Interactions among variables for energy use, production, energy management, electricity price and firm characteristics (FC), in different types of mills, i.e., pulp, paper and integrated mills, in Sweden from 2006 to 2015 indicate that correlations among the studied variables were different in different types of mills. This difference between types of mills seemed to originate partly from varying accessibility to production residue that could be used for energy. For all types of mills, variation of electricity prices did not correlate significantly with energy efficiency during the study period. The studied FC were firms age, number of employees, number of companies in company group, net sales and profit for the year. Energy efficiency was more affected by the variables characterizing energy and production compared to the variables representing FC. This study also suggested presence of possible discrepancies between FC that were perceived as barriers to energy management towards energy efficiency, according to previous studies, and what was shown by the data combining variables representing energy use, production and FC.
Keywords: Energy efficiency ، Specific energy ، Pulp and paper industry ، Firm characteristics ، Energy intensive industry ، Energy management
مقاله انگلیسی
5 Renewable Energy-Aware Big Data Analytics in Geo-distributed Data Centers with Reinforcement Learning
تجزیه و تحلیل داده های انرژی تجدید پذیر در مرکز داده های توزیع شده ژئو با یادگری تقویت-2018
In the age of big data, companies tend to deploy their services in data centers rather than their own servers. The demands of big data analytics grow significantly, which leads to an extremely high electricity consumption at data centers. In this paper, we investigate the cost minimization problem of big data analytics on geo-distributed data centers connected to renewable energy sources with unpredictable capacity. To solve this problem, we propose a Reinforcement Learning (RL) based job scheduling algorithm by combining RL with neural network (NN). Moreover, two techniques are developed to enhance the performance of our proposal. Specifically, Random Pool Sampling (RPS) is proposed to retrain the NN via accumulated training data, and a novel Unidirectional Bridge Network (UBN) structure is designed for further enhancing the training speed by using the historical knowledge stored in the trained NN. Experiment results on real Google cluster traces and electricity price from Energy Information Administration show that our approach is able to reduce the data centers’ cost significantly compared with other benchmark algorithms.
Keywords: Big data, load balancing, reinforcement learning, data center
مقاله انگلیسی
6 Energy cost minimization with job security guarantee in Internet data center
به حداقل رساندن هزینه های انرژی با تضمین امنیت شغلی در مرکز داده های اینترنتی -2017
With the proliferation of various big data applications and resource demand from Internet data centers (IDCs), the energy cost has been skyrocketing, and it attracts a great deal of attention and brings many energy optimization management issues. However, the security problem for a wide range of applications, which has been overlooked, is another critical concern and even ranked as the greatest challenge in IDC. In this paper, we propose an energy cost minimization (ECM) algorithm with job security guarantee for IDC in deregulated electricity markets. Randomly arriving jobs are routed to a FIFO queue, and a heuristic algorithm is devised to select security levels for guaranteeing job risk probability constraint. Then, the energy optimization problem is formulated by taking the temporal diversity of electricity price into account. Finally, an online energy cost minimization algorithm is designed to solve the problem by Lyapunov optimization framework which offers provable energy cost optimization and delay guarantee. This algorithm can aggressively and adaptively seize the timing of low electricity price to process workloads and defer delay-tolerant workloads execution when the price is high. Based on the real-life electricity price, simulation results prove the feasibility and effectiveness of proposed algorithm.
Keywords: Internet data center | Security service | Risk probability constraint | Energy cost minimization | Deregulated electricity markets
مقاله انگلیسی
7 Energy-conscious unrelated parallel machine scheduling under time-of-use electricity tariffs
زمانبندی ماشین موازی غیر مرتبط انرژی آگاه تحت تعرفه های زمان مصرف برق-2017
This paper investigates an energy-conscious unrelated parallel machine scheduling problem under timeof-use (TOU) electricity pricing scheme, in which the electricity price varies throughout a day. The problem lies in assigning a group of jobs to a set of unrelated parallel machines and then scheduling jobs on each separate machine so as to minimize the total electricity cost. We first build an improved continuous-time mixed-integer linear programming (MILP) model for the problem. To tackle large-size problems, we then propose a two-stage heuristic. Specifically, at the first stage, jobs are assigned to machines aiming at minimizing the total electricity cost under the preemptive circumstance. At the second stage, the jobs assigned to each machine are scheduled using an insertion heuristic. Computational results on a real-life instance for turning process and random test instances demonstrate that the proposed MILP approach is able to solve small-size problems while the two-stage heuristic is appropriate for large-size problems. The case study for turning process also reveals that the proposed optimization approaches can contribute to cleaner production.
Keywords: Energy-conscious scheduling | Unrelated parallel machines | Time-of-use (TOU) tariffs | Mixed-integer linear programming (MILP) | Two-stage heuristic
مقاله انگلیسی
8 پیش بینی قیمت کوتاه مدت مبتنی بر موجک ELM ترکیبی برای بازار برق
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 37
پیشبینی دقیق قدمت برق، چالشی بزرگ برای شرکت کنندگان و مدیران بازار می باشد، زیرا قیمت الکتریسیته دارای نوسانات بسیاری است. پیشبینی قیمت نیز، مهم ترین هدف مدیریتی برای مشارکت کنندگان در بازار است، چرا که مبانی بیشینه کردن سود را، تشکیل می دهد. این مطالعه، عملکرد یک تکنیک شبکه عصبی جدید را بنام ناشین یادگیری سریع (ELM)، در مساله پیشبینی قیمت، بررسی می کند. با در نظر داشتن خط مربوط به بازهای برق که دارای نوسانات بسیاری در قیمت هستند، تکیه به یک تکنیک، خیلی هم سودمند نمی باشد. بنابراین، ELM با تکنیک موجک همراه شده است و یک مدل پیوندی (مرکب) را به نام WELM (ELM مبتنی بر موجک) را تشکیل داده است تا دقت پیشبینی و نیز قابلیت اطمینان آن را، بهبود بخشد. در این روش، ویژگی های بی همتای هر ابزار، تکریب شده اند تا الگوهای مختلفی را در اطلاعات، بدست آورند. قدرت این تکنیک، با استفاده از روش مجموع شده، بهبود بیشتری می یابد. عملکردهای مدل های ارایه شده، با استفاده از اطلاعات موجود در بازارهای برق انتاریو، PJM، نیویورک و ایتالیا، ارزیابی شده اند. نتایج آزمایشی نشان می دهند که روش پیشنهادی، یکی از مناسب ترین تکنیک های پیشبینی قیمت می باشد.
کلمات کلیدی: شبکه عصبی مصنوعی | تجدید ساختار | روش مجموع | ماشین یادگیری سریع | پیشبینی قیمت | تبدیل موجک
مقاله ترجمه شده
9 Management of electric vehicle battery charging in distribution networks with multi-agent systems
مدیریت باتری وسیله نقلیه الکتریکی شارژ در شبکه های توزیع با سیستم های چند عامله-2014
An agent-based control system that manages the battery charging of electric vehicles in power distribu tion networks is presented. The electric vehicle battery charging schedules are calculated according to electricity prices and distribution network technical constraints. The design of the multi-agent system is described. The real-time operation of the multi-agent system was demonstrated in a test-bed of a laboratory micro-grid. Keywords: Electric vehicle Multi-agent systems Distribution networks Active demand Smart grids Distributed control
مقاله انگلیسی
10 الگوریتم کنترل بهینه چندمنظوره برای HVAC براساس بهینه سازی ازدحام ذرات
سال انتشار: 2014 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 26
بخش مسکونی بیشترین سهم بالقوه را در کاهش حداکثر تقاضا از طریق پاسخ تقاضا (DR) در شبکه هوشمند داراست. گرمسازی، هوارسانی، و تهویه مطبوع (HVAC) بیشترین کاربرد برق را در خانه¬های مسکونی دارند. بنابراین، کنترل عملکرد HVAC روشی موثر برای اجرای DR در بخش مسکونی است. الگوریتم¬های پیشنهادی در منابع، الگوریتم¬های بهینه¬سازی تک منظوره هستند که تنها هزینه برق را به حداقل می¬رسانند و نمی¬توانند کمیت و کیفیت سطح راحتی کاربر را تعیین کنند. برای غلبه براین مسئله، این مقاله با ارائه شاخص سطح راحتی، مدل برنامه زمانی چندمنظوره را تعیین می¬کند، و الگوریتم کنترل بهینه چندمنظوره را براساس بهینه¬سازی ازدحام ذرات (PSO) برای HVAC معرفی می¬کند. الگوریتم پیشنهادی، عملکرد HVAC را برحسب هزینه برق، پیش¬بینی دمای خارجی، و الویت¬های کاربر برای حداقل نمودن هزینه برق و همزمان حداکثرنمودن سطح راحتی کاربر کنترل می¬کند. الگوریتم پیشنهادی با استفاده از شبیه¬سازی¬ها مورد تائید است و نتایج نشان می¬دهند که آن می¬تواند بطور قابل توجهی هزینه برق را کاهش داده و سطح راحتی کاربر را بطرز موثری حفظ نماید.
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی