XiaoMi-AI文件搜索系统
World File Search SystemAggregated
to 6G-v2x：超可靠和
摘要 - 我们目睹了向机动性的新时代的过渡，该时代普遍连接（半）自动驾驶汽车将显着提高安全性，交通效率和旅行经验。通过在新兴的第六代（6G）无线网络上构建一组高级车辆用例，例如排队，远程驾驶和完全自动驾驶。在许多颠覆性6G无线技术中，本文的主要目标是介绍可见光光通信（VLC）和基于射频的射频（RF）的混合整合的潜在益处。我们研究了干扰以及各种气象现象的影响。雨，雾和干雪，在拟议的链接聚集（LA）辅助杂种RF-VLC V2X系统上。模拟结果表明，我们提出的LA辅助混合RF-VLC V2X系统具有实现高度可靠性（估计约为99.999％）和低潜伏期（可能小于1 ms）的潜力，即使在受干扰和不利的气氛影响的情况下，也可能在200 m内。为了刺激混合RF-VLC V2X地区的未来研究，我们还强调了潜在的挑战和研究方向。
使用频域因果关系
摘要：我们使用频域方法调查了印度总体和部门层面的权力消耗与经济增长之间的Granger因果关系，这将帮助政策制定者通过不同频率的适当政策计划寻求有效的电力分配。我们发现，在总体上，单向因果关系从总功耗到经济增长，从第二个开始到第七季度。在部门环境中，结果是不同的。因为工业能源消耗与经济增长之间没有因果关系；因此，可以为工业部门实施节能政策。此外，由于商业部门15个季度之后存在双向因果关系，因此该部门也可以启动短期政策，而不是节能政策。在工业和农业部门中，应该启动促销政策，因为从部门的功耗到经济增长，单向因果关系存在。因此，与印度所有权力部门的单一政策相比，不同和特定的政策将更合适，以确定对更好的经济发展的有效利用。
2024 年分布式能源资源总量
本文件为美国政府机构赞助工作的记录。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
附件 A 截至 2022 年 12 月的分布式能源资源、虚拟发电厂和自带设备计划汇总
1 亚利桑那州公共服务委员会，案卷编号 E-01345A-19-0148，决定编号 77762，第 7 页（2020 年 10 月 2 日）。另请参阅 https://www.solaredge.com/us/aps-residential-program。2 太平洋煤气电力公司，《配电投资和延期框架伙伴关系试点》，网址：https://www.pge.com/en_US/for-our-business-partners/energy-supply/electric-rfo/wholesale-electric-power-procurement/didf-partnership-pilot.page；另请参阅加州公共事业委员会，第 21-02-006 号决定（2021 年 2 月 11 日），网址为 https://www.pge.com/pge_global/common/pdfs/for-our-business-partners/energy-supply/electric-rfo/wholesale-electric-power-procurement/DIDF%20Partnership%20Pilot/365628213.PDF。3 加州公共事业委员会，第 19-12-040 号决定（2019 年 12 月 23 日），网址为 https://docs.cpuc.ca.gov/PublishedDocs/Published/G000/M322/K796/322796293.PDF。另请参阅太平洋煤气电力公司，《2022 年需求响应拍卖机制 (DRAM)》，网址为 https://www.pge.com/en_US/large-business/save-energy-and-money/energy-management-programs/demand-response-programs/2022-demand-response/2022-demand-response-auction-mechanism.page?WT.mc_id=Vanity_dram。
DF-SSmVEP：采用双倍典型相关分析的双频聚合稳态运动视觉诱发电位设计
摘要：脑电图 (EEG) 传感器技术和信号处理算法的最新进展为脑机接口 (BCI) 在从康复系统到智能消费技术等多种实际应用中的进一步发展铺平了道路。当谈到 BCI 的信号处理 (SP) 时，人们对稳态运动视觉诱发电位 (SSmVEP) 的兴趣激增，其中运动刺激用于解决与传统光闪烁/闪烁相关的关键问题。然而，这些好处是以准确性较低和信息传输速率 (ITR) 较低的代价为代价的。在这方面，本文重点介绍一种新型 SSmVEP 范式的设计，而不使用试验时间、阶段和/或目标数量等资源来增强 ITR。所提出的设计基于直观的想法，即同时在单个 SSmVEP 目标刺激中集成多个运动。为了引出 SSmVEP，我们设计了一种新颖的双频聚合调制范式，称为双频聚合稳态运动视觉诱发电位 (DF-SSmVEP)，通过在单个目标中同时整合“径向缩放”和“旋转”运动而不增加试验长度。与传统的 SSmVEP 相比，所提出的 DF-SSmVEP 框架由两种运动模式组成，这两种运动模式同时集成并显示，每种模式都由特定的目标频率调制。本文还开发了一种特定的无监督分类模型，称为双折典型相关分析 (BCCA)，该模型基于每个目标的两个运动频率。相应的协方差系数被用作额外特征来提高分类准确性。基于真实 EEG 数据集对所提出的 DF-SSmVEP 进行了评估，结果证实了其优越性。所提出的 DF-SSmVEP 表现优于其他同类方法，平均 ITR 为 30.7 ± 1.97，平均准确度为 92.5 ± 2.04，而径向缩放和旋转的平均 ITR 分别为 18.35 ± 1 和 20.52 ± 2.5，平均准确度分别为 68.12 ± 3.5 和 77.5 ± 3.5。
用于聚合惯性下垂控制和新型频率相关充电状态恢复的电池储能系统
摘要：为了应对可再生能源渗透的技术挑战，本文重点研究了在负载和发电意外事件发生后，混合可再生能源综合电力系统中电网电压和频率响应的改善。提出了一种综合方法，利用电池储能系统 (BESS) 通过下垂型控制来调节电压，通过同化惯性模拟 (IE) 和下垂型控制来调节频率。此外，提出了一种新颖的频率相关充电状态 (SOC) 恢复 (FDSR)，以在 FDSR 约束内调节 BESS 功耗，并在需要时在空闲期间为电池充电。所提出的 BESS 控制器的有效性在 IEEE-9 总线系统中得到证明，该系统具有 22.5% 的光伏 (PV) 和风能渗透水平。获得的仿真结果表明，所提出的控制器在调节电压和频率的同时性能令人满意，频率变化率较低，频率最低点更好。此外，与传统方法相比，所提出的 FDSR 在 SOC 恢复时表现出优势。
在电力系统建模中表示电动汽车——聚合车辆表示与个人驾驶概况
摘要：本研究描述、应用和比较了三种不同的方法，将电动汽车 (EV) 整合到成本最小化的电力系统投资模型和调度模型中。这些方法包括聚合车辆表示和乘用电动汽车的个人驾驶概况。瑞典随机选择的 426 辆汽车的驾驶模式分别在 30 到 73 天之间记录，并用作个人驾驶概况的电力系统模型的输入。主要结论是，对于大多数建模场景，聚合车辆表示与包含个人驾驶概况时的结果相似。然而，本研究还得出结论，在以下情况下，在电力系统优化模型中表示个人驾驶概况的异质性非常重要：(i) 充电基础设施仅限于电力系统中太阳能和风能占比较高的地区的家庭位置，以及 (ii) 在解决特殊研究问题（例如车辆到电网 (V2G) 对电池健康状况的影响）时。如果充电基础设施仅限于家庭位置，则聚合车辆表示将高估 V2G 潜力，从而导致可变可再生电力发电的份额更高（高达 10 个百分点），并低估短期和长期存储技术的投资。
聚合学习：一种学习神经网络分类器的矢量量化方法
我们更进一步考虑学习神经网络分类的问题。在信息瓶颈 (IB) 原则下，我们将这个分类问题与表示学习问题联系起来，我们称之为“IB 学习”。我们表明，IB 学习实际上等同于量化问题的一个特殊类别。率失真理论的经典结果表明，IB 学习可以受益于“矢量量化”方法，即同时学习多个输入对象的表示。这种方法辅以一些变分技术，产生了一种用于使用神经网络模型进行分类的新颖学习框架“聚合学习”。在这个框架中，多个对象由单个神经网络联合分类。通过在标准图像识别和文本分类任务上的大量实验验证了该框架的有效性。