XiaoMi-AI文件搜索系统
World File Search System最优值
具有可变可再生能源的稳定随机容量扩张：比较矩匹配和分层场景生成抽样
本文探讨了在长期容量扩张模型中纳入代表短期随机性的运行场景的重要性，其中可变可再生能源占比很高。由于场景生成程序通常是概率性的，例如基于抽样，因此确保容量扩张模型中的稳定结果至关重要，因此决定最佳解决方案的是潜在的不确定性，而不是模型中不确定性的近似值。然而，尚不清楚哪些运行场景属性对于确保随机模型的良好结果和稳定性很重要。本文评估了代表欧洲电力系统的多视野随机容量扩张问题中的三种基于抽样的场景生成程序。我们比较了可变可再生能源占比很高的随机建模与确定性建模的使用情况。此外，我们对每个程序的 90 个场景树进行样本内和样本外稳定性测试，并比较了程序在从实际分布近似最优值时产生稳定系统成本和容量投资的能力。结果表明，与确定性建模相比，可变可再生能源占比超过 80% 的随机建模会导致对可调度和可变可再生能源容量的投资增加，这意味着在可变可再生能源占比非常高的情况下应使用随机建模。与其他替代方案相比，基于分层抽样的场景生成程序在相同数量的运营场景下提高了稳定性，应进一步探索使用分层抽样的场景生成程序。
论文基于改进Sparrow搜索算法的SVR水质预测模型研究
多参数水质趋势预测技术是水环境管理与调控的重要手段之一，本研究提出一种将改进的麻雀搜索算法（ISSA）与支持向量回归机（SVR）相结合的具有更好预测性能的水质预测模型。针对麻雀搜索算法（SSA）种群多样性低、易陷入局部最优的问题，提出ISSA，通过引入Skew-Tent映射来增加初始种群多样性，利用自适应淘汰机制帮助算法跳出局部最优。利用ISSA对SVR模型的惩罚因子C和核函数参数g进行最优值选取，使得模型具有更好的预测精度和泛化性能。通过实际养殖水质数据进行水质预测实验，将ISSA-SVR水质预测模型与BP神经网络、SVR模型及其他混合模型的性能进行了比较。实验结果表明，ISSA-SVR模型的预测精度明显高于其他模型，达到99.2%；均方差（MSE）为0.013，比SVR模型降低了79.37%，比SSA-SVR模型降低了75%；判定系数（R2）为0.98，比SVR模型提高了5.38%，比SSA-SVR模型提高了7.57%，表明ISSA-SVR水质预测模型在水体管理领域具有一定的工程应用价值。
基于合同的储能投资分时定价
摘要 — 分时电价 (ToU) 被电力公司广泛使用。精心设计的 ToU 定价可以激励终端用户部署能源存储，从而有助于降低系统峰值负荷并降低系统社会成本。然而，ToU 定价的优化并非易事，设计不当的 ToU 定价可能会导致存储投资远离社会最优。在本文中，我们旨在设计最佳的 ToU 定价，同时考虑公用事业的社会成本和用户的存储投资决策。由于存储投资成本是用户的私人信息，我们设计了低复杂度的合同来获取必要的信息并诱导用户存储投资的正确行为。所提出的合同仅指定三个合同项目，可指导任意多种不同存储成本类型的用户根据其峰值需求投资全部、部分或不投资存储容量。当公用事业公司知道每种存储成本类型（但不知道单个用户的类型）的总需求时，我们的合同可以实现社会最优。当公用事业公司仅知道每种存储成本类型需求的分布时，我们的合同可以产生接近最优的解决方案。根据使用实际数据的模拟，与社会最优值的差距小至 1.5%。我们还表明，与没有存储投资基准相比，拟议的合同可以将系统社会成本降低 30% 以上。
喷射聚类的量子算法
识别高能粒子碰撞中形成的喷流需要解决可能大量终态粒子的优化问题。在这项工作中，我们考虑使用量子计算机加速喷流聚类算法的可能性。专注于电子-正电子碰撞的情况，我们考虑一种众所周知的事件形状，称为推力，其最优值对应于一组粒子中最像喷流的分离平面，从而定义两个半球喷流。我们展示了如何将推力公式化为量子退火问题和 Grover 搜索问题。我们分析的一个关键部分是考虑将经典数据与量子算法接口的现实模型。通过顺序计算模型，我们展示了如何将众所周知的 O × N 3 Þ 经典算法加速为 O × N 2 Þ 量子算法，包括从 N 个终态粒子加载经典数据的 O × N Þ 开销。在此过程中，我们还找到了一种将经典算法加速到 O = N 2 log N Þ 的方法，该方法使用受 SISC 单喷射算法启发的排序策略，该算法没有自然的量子对应物。借助并行计算模型，我们在经典和量子情况下都实现了 O = N log N Þ 的缩放。最后，我们考虑将这些量子方法推广到与大型强子对撞机质子-质子碰撞中使用的算法更密切相关的其他喷射算法。
醒来加入我吧！一种用于无线电网络中最大匹配的节能算法
我们考虑由小型自主设备组成的网络，这些设备彼此之间以无线方式进行通信。在设计此类网络的算法时，最小化能耗是一项重要的考虑因素，因为电池寿命是一种至关重要且有限的资源。在发送和接收消息都会消耗能量的模型中，我们考虑在任意且未知拓扑的无线电网络中寻找节点的最大匹配的问题。我们提出了一种分布式随机算法，该算法以高概率产生最大匹配。每个节点的最大能量成本为 O (log 2 n) ，时间复杂度为 O (∆ log n) 。这里 n 是节点数的任意上限，∆ 是最大度的任意上限；n 和 ∆ 是我们算法的参数，我们假设所有处理器都先验地知道这些参数。我们注意到，存在图族，对于这些图族，我们对能量成本和时间复杂度的界限同时达到多项对数因子的最优，因此任何重大改进都需要对网络拓扑做出额外的假设。我们还考虑了相关问题，即为网络中的每个节点分配一个邻居，以便在节点最终发生故障时备份其数据。此处，一个关键目标是最小化最大负载，其定义为分配给单个节点的节点数。我们提出了一种高效的分散式低能耗算法，该算法可以找到一个邻居分配，其最大负载最多比最优值大一个 polylog(n) 因子。
喷射聚类的量子算法
识别高能粒子碰撞中形成的喷流需要解决可能大量终态粒子的优化问题。在这项工作中，我们考虑使用量子计算机加速喷流聚类算法的可能性。专注于电子-正电子碰撞的情况，我们考虑一种众所周知的事件形状，称为推力，其最优值对应于一组粒子中最像喷流的分离平面，从而定义两个半球喷流。我们展示了如何将推力公式化为量子退火问题和 Grover 搜索问题。我们分析的一个关键部分是考虑将经典数据与量子算法接口的现实模型。通过顺序计算模型，我们展示了如何将众所周知的 O × N 3 Þ 经典算法加速为 O × N 2 Þ 量子算法，包括从 N 个终态粒子加载经典数据的 O × N Þ 开销。在此过程中，我们还找到了一种将经典算法加速到 O = N 2 log N Þ 的方法，该方法使用受 SISC 单喷射算法启发的排序策略，该算法没有自然的量子对应物。借助并行计算模型，我们在经典和量子情况下都实现了 O = N log N Þ 的缩放。最后，我们考虑将这些量子方法推广到与大型强子对撞机质子-质子碰撞中使用的算法更密切相关的其他喷射算法。
b'我们考虑由小型、自主设备组成的网络，这些设备通过无线通信相互通信。在为此类网络设计算法时，最小化能耗是一个重要的考虑因素，因为电池寿命是一种至关重要的有限资源。在发送和侦听消息都会消耗能量的模型中，我们考虑在任意未知拓扑的无线电网络中寻找节点最大匹配的问题。我们提出了一种分布式随机算法，该算法以高概率产生最大匹配。每个节点的最大能量成本为 O (log n )(log \xe2\x88\x86) ，时间复杂度为 O (\xe2\x88\x86log n )。这里 n 是节点数量的任意上限，\xe2\x88\x86是最大度数的任意上限； n 和 \xe2\x88\x86 是我们算法的参数，我们假设它们对所有处理器都是先验已知的。我们注意到，存在一些图族，对于这些图族，我们对能量成本和时间复杂度的界限同时达到多项对数因子的最优，因此任何显著的\xef\xac\x81 改进都需要对网络拓扑做出额外的假设。我们还考虑了相关问题，即为网络中的每个节点分配一个邻居，以便在最终节点发生故障时备份其数据。在这里，一个关键目标是最小化最大负载，定义为分配给单个节点的节点数。我们提出了一种有效的分散式低能耗算法，该算法确定一个邻居分配，其最大负载最多比最优值大一个多项对数 (n) 因子。'
b'我们考虑由小型、自主设备组成的网络，这些设备通过无线通信相互通信。在为此类网络设计算法时，最小化能耗是一个重要的考虑因素，因为电池寿命是一种至关重要的有限资源。在发送和侦听消息都会消耗能量的模型中，我们考虑在任意未知拓扑的无线电网络中寻找节点最大匹配的问题。我们提出了一种分布式随机算法，该算法以高概率产生最大匹配。每个节点的最大能量成本为 O (log n )(log \xe2\x88\x86) ，时间复杂度为 O (\xe2\x88\x86log n )。这里 n 是节点数量的任意上限，\xe2\x88\x86是最大度数的任意上限； n 和 \xe2\x88\x86 是我们算法的参数，我们假设它们对所有处理器都是先验已知的。我们注意到，存在一些图族，对于这些图族，我们对能量成本和时间复杂度的界限同时达到多项对数因子的最优，因此任何显著的\xef\xac\x81 改进都需要对网络拓扑做出额外的假设。我们还考虑了相关问题，即为网络中的每个节点分配一个邻居，以便在最终节点发生故障时备份其数据。在这里，一个关键目标是最小化最大负载，定义为分配给单个节点的节点数。我们提出了一种有效的分散式低能耗算法，该算法确定一个邻居分配，其最大负载最多比最优值大一个多项对数 (n) 因子。'
优化移动边缘智能系统中的 AI 服务布局和资源分配
摘要 — 利用移动边缘计算 (MEC) 的最新进展，边缘智能已成为支持网络边缘移动人工智能 (AI) 应用的有前途的范例。在本文中，我们考虑了多用户 MEC 系统中的 AI 服务放置问题，其中接入点 (AP) 将最新的 AI 程序放置在用户设备上以在用户端启用本地计算/任务执行。为了充分利用严格的无线频谱和边缘计算资源，仅当在用户处启用本地计算可获得更好的系统性能时，AP 才会将 AI 服务程序发送给用户。我们制定了一个混合整数非线性规划 (MINLP) 问题，通过联合优化服务放置（即哪些用户接收程序）和资源分配（在本地 CPU 频率、上行链路带宽和边缘 CPU 频率上），以最小化所有用户的总计算时间和能耗。为了解决 MINLP 问题，我们推导出解析表达式来以低复杂度计算最佳资源分配决策。这样，我们可以通过基于搜索的算法（例如元启发式或贪婪搜索算法）有效地获得最佳服务放置解决方案。为了提高算法在大型网络中的可扩展性，我们进一步提出了一种基于 ADMM（交替方向乘数法）的方法，将优化问题分解为可并行处理的 MINLP 子问题。ADMM 方法消除了在高维空间中搜索服务放置决策的需要，因此具有较低的计算复杂度，并且随着用户数量的增加而线性增长。仿真结果表明，所提出的算法的性能非常接近最优值，并且明显优于其他代表性基准算法。
能源存储杂志 - 牛津大学研究档案
本文提出了一种新颖的分析方法，用于优化微电网系统中的储能规模。该方法具有计算速度快、计算精确的最优值和处理非线性模型等特点。该方法首先根据储能如何响应可再生能源发电和负载需求进行充电和放电，构建储能的临时存储配置文件。根据配置文件中的最大累积充电或放电来确定储能的大小。本质上，储能配置文件表示在给定系统中如何利用储能，该方法确定最佳储能的大小以最大化该配置文件，从而最大化储能利用率，消除未使用或浪费的储能。最大化储能利用率还可以最大化可再生能源消耗并最小化负荷削减，因为储能利用率是将能量从可再生能源发电转移到负载需求的时间转移。所提出的方法经过迭代扩展，以考虑储能的能量限制、功率限制和能量泄漏。两个太阳能电池案例研究展示了该方法。第一项研究表明，最佳大小的储能不会因尺寸过大而浪费容量，也不会因尺寸过小而导致能量不足。第二个案例研究表明，增加存储规模会降低存储提供的能源的边际增量，表明收益递减。收益递减阈值由最大的每日和年度存储设计定义。结果表明，最大的每日设计仅需要年度设计存储规模的 3%，但提供年度设计提供的能源的 80%。所提出的方法可用作能源分析师的决策支持工具，以确定与已知的可再生能源发电和负载需求相结合时所需的存储容量。
埃及化学杂志
摘要 从埃及土壤和食物来源中分离出产生磷脂酶 C (PLC) 的细菌。通过 16S rRNA 测序，将一种强效假单胞菌分离物鉴定为 P. fluorescens MICAYA，并以基因登录号 (OQ231499) 记录在 GenBank 中。通过 Plackett Burman 和中心复合设计进行优化发现，豆粕、酵母提取物、NaCl 和蛋黄显著提高了磷脂酶 C 的产量。Michaelis-Menten 动力学确定了 K m 为 0.4 mg/ml 蛋黄，V max 为 287 U/ml。Box Behnken 设计确定了 395 U/ml 磷脂酶 C 产量的最佳 pH 值为 6.5、0.55 g/l CaCO 3、1.05% 蛋黄、48.5°C。该磷脂酶对人成纤维细胞表现出低细胞毒性。磷脂酶 C 浓度（0.2-1 ml）可有效脱胶芝麻、洋甘菊、西洋菜、荷荷巴油、橄榄、黑种草和蓖麻油。磷脂酶 C 浓度为 0.4-0.8 ml/L 时磷脂减少率最高。荧光假单胞菌磷脂酶 C 提供了一种可生物降解的化学脱胶替代方法。总之，统计优化成功提高了磷脂酶 C 的产量。表征发现该酶在碱性 pH、中等温度和蛋黄底物下效果最佳。已证明多种植物种子油具有生物脱胶能力。进一步固定化和蛋白质工程可以提高磷脂酶 C 的工业效用。关键词：磷脂酶 C；荧光假单胞菌；培养基优化；油脱胶；酶动力学。 _____________________________________________________________________________________________________________ 1. 简介 磷脂酶 (PLC) 水解磷脂骨架中的磷酸二酯键，根据所涉及的具体磷脂种类产生 1,2-二酰基甘油和磷酸单酯。微生物磷脂酶是催化磷脂水解的酶。由于其广泛的底物特异性、温和条件下的高活性以及易于大规模生产，它们具有广泛的工业应用 [1]。磷脂酶已被用于修改磷脂结构以生产特定脂质、脱胶植物油、合成化妆品成分、改善面团的烘焙特性、产生风味和香气等 [2]。真菌、细菌和酵母等微生物来源的磷脂酶比植物和动物来源具有优势，因为它们可以通过发酵以高产量和纯度生产 [3]。最有效的真菌生产者是黑曲霉、环青霉和少根根霉。黑曲霉可产生高产量的磷脂酶 A1 和 A2 [4]。固定化黑曲霉磷脂酶 A2 对植物油的重复脱胶表现出良好的稳定性 [5]。最常见的细菌生产者是假单胞菌和芽孢杆菌。铜绿假单胞菌和蜡状芽孢杆菌产生胞外磷脂酶 C [6,7]。枯草芽孢杆菌分泌磷脂酶 A2，并且已经通过基因改造以提高产量。在稳定期，荧光假单胞菌可以产生各种具有抗菌潜力的次级代谢物，例如氢氰酸 (HCN)、绿脓杆菌素 (Pit) 和 2,4-二乙酰间苯三酚 (Phi)，以及铁螯合代谢物 [8]。绿脓杆菌素、水杨酸和绿脓杆菌素。蛋白酶、磷脂酶 C 和脂肪酶是从各种环境中分离的荧光假单胞菌菌株产生的三种细胞外酶的例子 [9]。在稳定生长期测定的磷脂分解活性水平最高，表明生长阶段依赖机制负责诱导这些酶。此外，酵母生产者是隐球菌，它被固定化并用于大豆油脱胶。 Candida rugosa 是一种脂肪酶和磷脂酶生产者，固定化 C. rugosa 脂肪酶用于结构化脂质的生产 [10]。微生物磷脂酶，如磷脂酶 A1、A2、C 和 D，在脱胶、油脂酯交换、卵磷脂生物合成和废水处理应用中表现出良好的应用前景 [11]。它们的酶水解导致磷脂部分水解，使胶的分离更容易 [12]。响应面法 (RSM) 被有效地用于各种微生物产品的优化和建模 [13]。该方法结合了统计和数学技术，用于模型构建、评估几个独立变量的影响并获得变量的最优值。因此，本研究的目的是利用响应面法的统计方法优化荧光假单胞菌磷脂酶 C 的生产和表征，并研究其在某些植物油脱胶中的应用。油脂的酯交换、卵磷脂的生物合成和废水处理应用 [11]。它们的酶水解导致磷脂的部分水解，使胶的分离更容易 [12]。响应面法 (RSM) 被有效地用于各种微生物产品的优化和建模 [13]。该方法结合了统计和数学技术，用于模型构建、评估几个独立变量的影响并获得变量的最优值。因此，本研究的目的是利用响应面法的统计方法优化荧光假单胞菌磷脂酶 C 的生产和特性，并研究其在某些植物油脱胶中的应用。油脂的酯交换、卵磷脂的生物合成和废水处理应用 [11]。它们的酶水解导致磷脂的部分水解，使胶的分离更容易 [12]。响应面法 (RSM) 被有效地用于各种微生物产品的优化和建模 [13]。该方法结合了统计和数学技术，用于模型构建、评估几个独立变量的影响并获得变量的最优值。因此，本研究的目的是利用响应面法的统计方法优化荧光假单胞菌磷脂酶 C 的生产和特性，并研究其在某些植物油脱胶中的应用。