建筑信息建模与经济多准则决策方法的结合及其在神经网络中的应用:迈向智能可再生能源社区 Helena M. Ramos, Ana Paula Falcao, Praful Borkar, Oscar E. Coronado-Hernández, Francisco-Javier Sánchez-Romero, Modesto Pérez-Sánchez

《Algorithms》:Integration of Building Information Modelling and Economic Multi-Criteria Decision-Making with Neural Networks: Towards a Smart Renewable Energy Community Helena M. Ramos, Ana Paula Falcao, Praful Borkar, Oscar E. Coronado-Hernández, Francisco-Javier Sánchez-Romero and Modesto Pérez-Sánchez

【字体: 大 中 小 】 时间:2026年05月01日 来源:Algorithms 2.1

编辑推荐:

   摘要 本研究提出了一种新的方法论,将建筑信息建模(BIM)和经济多标准决策(EMCDM)与神经网络相结合,用于优化小型社区中的混合可再生能源系统。其核心目标是通过集成建模和决策来提高可持续性、技术性能和财务可行性。该方法

  



摘要



本研究提出了一种新的方法论,将建筑信息建模(BIM)和经济多标准决策(EMCDM)与神经网络相结合,用于优化小型社区中的混合可再生能源系统。其核心目标是通过集成建模和决策来提高可持续性、技术性能和财务可行性。该方法应用于一个水力发电项目,评估了五种方案(ID 1–5)在社区和工业模型下的表现。财务基准包括10%的最低要求回报率和7年的回收期。其中,ID3方案(结合水力、太阳能和风能)表现最为有效,其年平均净收益(ANPV)分别为10,905欧元(湿润年份)和4,501欧元(干旱年份),投资回报率(ROI)为155%/64%。其ROIA/MRA指数高达539%,回收期/净收益比(Payback/N ratio)也在可接受范围内(55%/96%)。平准化成本(LCOE)在平均条件下保持稳定(0.042–0.046欧元/千瓦时),但在干旱年份会上升(0.07–0.10欧元/千瓦时)。盈利能力差异主要源于需求和限电因素,而非生产成本。NARX神经网络能够可靠地从可再生能源数据中预测出各种情景下的储能利用率(SS%),且误差较低。这种集成的BIM–EMCDM框架确保了能源系统决策的透明度、可持续性和风险平衡,从而实现长期自主运行。



相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号