OA0
OA0 是一个探索 AI 的社区
现在注册
已注册用户请  登录
OA0  ›  论文  ›  abs/2403.07831

V-Star:利用视觉思维链提升多模态逐步推理能力

 
  dynamic ·  2026-09-15 11:01:20 · 10 次点击  · 0 条评论  

利用负荷转移实现工业制冷中压缩机的最优调度

基本信息

  • 标题:Utilizing Load Shifting for Optimal Compressor Sequencing in Industrial Refrigeration
  • 作者:Rohit Konda, Vikas Chandan, Jesse Crossno, Blake Pollard, Dan Walsh, Rick Bohonek, Jason R. Marden
  • 提交日期:2024年3月12日
  • arXiv 编号:arXiv:2403.07831 [eess.SY]
  • 主题分类:电气工程与系统科学 > 系统与控制(eess.SY)
  • DOI:https://doi.org/10.48550/arXiv.2403.07831
  • 许可协议:CC BY 4.0

摘要

工业制冷的普遍性及其能源需求,促使多项研究探索降低能耗的各种控制机会。本文聚焦于其中一种机会,称为压缩机调度(compressor sequencing),即智能地选择压缩机的运行状态,以尽可能少的功来满足所需的制冷负荷。

作者首先研究了静态压缩机调度问题,并观察到:求解最优的压缩机运行状态在计算上具有挑战性,且会随制冷负荷的不同而发生剧烈变化。因此,作者将负荷转移(load shifting)引入到压缩机调度中,其核心是对设施进行策略性预冷,从而使压缩机能够更高效地运行。研究表明,负荷转移不仅在计算最优压缩机运行状态方面带来益处,还能显著节省能源。

研究结果基于并对比了位于阿肯色州亨茨维尔(Huntsville, AR)的 Butterball LLC 实际运行工业制冷站点的真实传感器数据。数据表明,在没有负荷转移的情况下,即使采用最优压缩机运行,压缩机也经常处于中间容量水平运行,从而导致效率低下。通过收集的数据,作者证明:与不含负荷转移的最优调度相比,采用负荷转移的压缩机调度方法有望将压缩机能耗降低多达 20%

关键词

压缩机调度、负荷转移、工业制冷、能耗优化、预冷、系统与控制

10 次点击  ∙  0 人收藏  
登录后收藏  
0 条回复
关于 ·  帮助 ·  PING ·  隐私 ·  条款   
OA0 - Omni AI 0 一个探索 AI 的社区
沪ICP备2024103595号-2
耗时 13 ms
Developed with Cursor