Lo sviluppo e l’uso efficace dell’energia e del consumo pro capite sono indicatori importanti della tecnologia di produzione e del tenore di vita. L’uso di combustibili fossili ha causato un grave inquinamento ambientale e il riscaldamento globale. Il trasporto e l’utilizzo irrazionale dell’energia hanno causato molti sprechi

Può essere inteso come un sistema completo di produzione, offerta e domanda di energia formato dal coordinamento organico e dall’ottimizzazione della pianificazione, costruzione, distribuzione, trasferimento, stoccaggio e consumo energetico. I sistemi energetici integrati sono di grande importanza per migliorare l’efficienza nell’utilizzo dell’energia, ridurre le emissioni di carbonio e garantire la fornitura di energia pulita.

Se il processo di approvvigionamento energetico del sistema energetico integrato può essere accuratamente analizzato e valutato per migliorare l’efficienza energetica e ridurre le emissioni di carbonio, allora il sistema energetico integrato può ottenere una migliore conservazione dell’energia.

Modello completo di valutazione dell'efficienza dell'approvvigionamento energetico del sistema energetico basato sul metodo Monte Carlo di analisi dell'inviluppo dei dati di misurazione (MC) (MC-DBM-DEA) per l'ottimizzazione energetica e la riduzione delle emissioni di carbonio.

MC può stimare medie multidimensionali in spazi complessi, correggere le soluzioni corrispondenti attraverso un ampio debugging di prestazioni e tempo, soddisfare i requisiti di precisione ed espandere i dati di alimentazione dei sistemi energetici integrati. In termini di test F viene verificata l’efficacia dell’estensione MC

I metodi di cui sopra presentano alcuni vantaggi, ma non possono analizzare bene le attività di produzione multi-output. La DEA non richiede la determinazione della forma specifica della funzione di produzione, il che rappresenta un vantaggio significativo negli studi di efficienza ambientale ed energetica

Modello DEA tradizionale, Il modello DEA tradizionale non considera i possibili rilassamenti di input e output multipli di ciascuna DMU.

La robustezza si riferisce alla resistenza di un sistema o modello ai cambiamenti, alle incertezze o ai disturbi. Nella scienza dei dati e nell'apprendimento automatico, un modello robusto è quello che mantiene prestazioni stabili a fronte di diversi tipi di dati o modifiche degli input.

La maggior parte dei modelli DEA tradizionali sono modelli di misurazione radiale e modelli di misurazione angolare. I modelli radiali spesso ignorano il problema del rilassamento. Allo stesso tempo, i modelli angolari considerano solitamente solo un angolo di direzione (direzione di ingresso o direzione di uscita). Tone ha inizialmente proposto un modello SBM-DEA non radiale e non angolare basato su misure variabili di flessibilità. Il modello SBM-DEA introduce direttamente variabili di scarto nella funzione obiettivo, che possono ben incorporare fattori ambientali nella misurazione del modello SBM-DEA.

I risultati della misurazione dell'efficienza non sono influenzati dai termini di input e output della misurazione DMU

La differenza tra il valore di efficienza e ciascun ingresso e uscita diminuisce monotonicamente

Il teorema dei grandi numeri e il teorema del limite centrale nella teoria della probabilità costituiscono la base teorica del metodo MC.

f è la funzione di affidabilità

I metodi Monte Carlo possono essere utilizzati per stimare le incertezze e le relazioni tra variabili in sistemi complessi

Selezionare e analizzare oggetti dati da sistemi energetici integrati

Determinare gli input, gli output desiderati e gli output desiderati dei sistemi energetici integrati

Spiegazione dei dati sull'approvvigionamento energetico utilizzando metodi MC

Verificare la validità dei dati estesi attraverso il test delle ipotesi

Analisi SBM-DEA basata su dati estesi

Ottenere l'efficienza dell'alimentazione e le variabili slack dei sistemi energetici integrati

Ottimizzazione della fornitura energetica e analisi dell'efficienza.

Il sistema energetico integrato si riferisce all'uso di tecnologie informatiche fisiche avanzate e modelli di gestione innovativi in ​​un determinato campo per integrare più fonti energetiche, ecc.

Preelaborazione dei dati

Selezione dell'indicatore

Espandi i dati in base al metodo MC per aumentare la scala dei dati e garantire l'accuratezza dell'esperimento

30 dati campione espansi a 100 dati campione

Simulazione Monte Carlo (MC): dati campione estesi

SBM-DEA: Definizione di un modello di valutazione dell'efficienza dell'alimentazione elettrica per un sistema energetico integrato con input, output desiderato e output indesiderato

Il metodo proposto è in grado di identificare unità decisionali (DMU) con buone e cattive prestazioni con un alto grado di discriminazione, ottenendo così raggruppamenti con migliore efficienza.

Questo modello ha implicazioni positive per la gestione dell’efficienza energetica dei sistemi energetici integrati. Quando il numero di campioni aumenta, l'efficienza di approvvigionamento energetico del sistema energetico integrato si concentrerà intorno a 0,9

Assegnando razionalmente le variabili di input, output desiderati e output indesiderati, l’offerta inefficace di sistemi energetici integrati può essere realizzata in modo efficace, migliorando così l’efficienza dell’approvvigionamento energetico e i benefici ambientali.

Il lavoro futuro prenderà in considerazione l’impatto delle fonti di energia pulita (come il fotovoltaico e l’energia eolica) sull’efficienza energetica del sistema energetico integrato e sui costi di stoccaggio dell’energia per consentire una valutazione più completa dell’efficienza dell’approvvigionamento energetico del sistema energetico integrato.