摘要:随着风电、光伏等可再生能源的不断扩张,其波动性和不确定性对系统调峰带来重大挑战。为加强系统的调峰管理和风电与光伏发电的融合,本文提出了一种结合深度调峰的风电-光伏热储电力系统分布式稳健优化调度策略。首先,建立了火电机组详细的调峰过程模型,建立了考虑碳排放的风电-光伏热储多能源耦合模型。其次,针对风电-光伏输出的变化性和不确定性,利用1-范数和∞-范数约束场景概率分布模糊集,建立了数据驱动的分布式稳健优化调度模型。最后,通过列和约束生成算法(C&CG)对模型进行迭代求解。结果表明,所提出的策略不仅增强了系统的峰值负荷处理和WD-PV集成,而且提高了系统的经济效率并减少了系统的碳排放,实现了模型经济性和系统稳健性之间的平衡。
如今的驾驶辅助系统在良好的环境条件下提供舒适性和安全性。然而,在恶劣的环境条件下(最需要的时候),系统会因传感器信息质量下降而停止工作。针对高度自动化驾驶领域,改善恶劣条件下的感知、决策和规划是需要解决的主要挑战之一。
摘要 —机场协同决策 (A-CDM) 概念为机场提供了切实可行的解决方案,可提高交通准时性和可预测性,并可能减少延误、噪音和污染。A-CDM 的一个主要特点是离港管理 (DMAN):可以预测跑道起飞顺序,从而可以在登机口关闭发动机的情况下将很大一部分延误转移,而不会影响剩余的交通。在此过程中,延误起飞的登机口占用率不可避免地会增加,因此机场布局必须提供足够的登机口,并且登机口的分配必须足够稳健,以应对起飞延误。在本文中,我们介绍了一种估算由于 DMAN 起飞前调度而导致的登机口延误的方法,然后我们提出了一种稳健的登机口分配算法,并评估了该算法在巴黎戴高乐国际机场当前和增加的交通量下的性能。结果表明,与当前做法相比,这种稳健的登机口分配方式显著减少了登机口冲突的数量。索引术语 — 出发管理、登机口分配、稳健性
Isight 于十多年前在劳斯莱斯推出,目前已在整个公司内使用。该软件的拖放功能可用于创建模拟流程(劳斯莱斯内部称为“工作流”),让工程师能够链接并自动化特定设计流程中的所有步骤,从而同时集成多学科模拟(如空气动力学、应力、重量和成本)。可以自动执行使用 DOE 或蒙特卡罗方法或各种强大的优化技术(如遗传、基于梯度或确定性算法)的设计探索,然后将其链接回正在进行的工作流中。工作流中可以包含任意数量的设计参数和分析类型,并且可以通过材料权衡研究、公差审查和可制造性评估进一步优化设计。
在稳健性和能源效率方面,受大脑启发的计算模型已显示出超越当今深度学习解决方案的巨大潜力。特别是,超维计算 (HDC) 在实现高效和稳健的认知学习方面显示出了良好的效果。在这项工作中,我们利用 HDC 作为一种替代计算模型,模仿重要的大脑功能,实现高效和耐噪的神经形态计算。我们提出了 EventHD,这是一个基于 HDC 的端到端学习框架,用于从神经形态传感器进行稳健、高效的学习。我们首先引入一种空间和时间编码方案,将基于事件的神经形态数据映射到高维空间。然后,我们利用 HDC 数学来支持对编码数据的学习和认知任务,例如信息关联和记忆。EventHD 还为每个预测提供了置信度概念,从而能够从未标记的数据中进行自我学习。我们评估了 EventHD 对从动态视觉传感器 (DVS) 收集的数据的效率。我们的结果表明,EventHD 可以在原始 DVS 数据上进行操作时提供在线学习和认知支持,而无需使用昂贵的预处理步骤。在效率方面,EventHD 比最先进的学习算法快 14.2 倍,能效高 19.8 倍,同时将计算稳健性提高了 5.9 倍。
- 奥地利航天局(ASA)/奥地利。- 比利时科学政策办公室(BELSPO)/比利时。- 机器建筑中央研究所(TSNIIMASH)/俄罗斯联合会。- 北京跟踪与电信技术研究所(CLTC/BITTT)/中国/中国卫星卫星发射和跟踪控制将军/中国。- 中国科学院(CAS)/中国。- 中国太空技术学院(CAST)/中国。- 英联邦科学与工业研究组织(CSIRO)/澳大利亚。- 丹麦国家航天中心(DNSC)/丹麦。- deciênciae tecnologia Aerospacial(DCTA)/巴西。- 电子和电信研究所(ETRI)/韩国。- 欧洲剥削气象卫星(Eumetsat)/欧洲的组织。- 欧洲电信卫星组织(Eutelsat)/欧洲。- 地理信息和太空技术发展局(GISTDA)/泰国。- 希腊国家太空委员会(HNSC)/希腊。- 希腊航天局(HSA)/希腊。- 印度太空研究组织(ISRO)/印度。- 太空研究所(IKI)/俄罗斯联合会。- 韩国航空航天研究所(KARI)/韩国。- 通信部(MOC)/以色列。- 穆罕默德垃圾箱拉希德航天中心(MBRSC)/阿拉伯联合酋长国。- 国家信息与通信技术研究所(NICT)/日本。- 国家海洋与大气管理局(NOAA)/美国。- 哈萨克斯坦共和国国家航天局(NSARK)/哈萨克斯坦。- 国家太空组织(NSPO)/中国台北。- 海军太空技术中心(NCST)/美国。- 荷兰太空办公室(NSO)/荷兰。- 粒子与核物理研究所(KFKI)/匈牙利。- 土耳其科学技术研究委员会(Tubitak)/土耳其。- 南非国家航天局(SANSA)/南非共和国。- 太空和高中气氛研究委员会(Suparco)/巴基斯坦。- 瑞典太空公司(SSC)/瑞典。- 瑞士太空办公室(SSO)/瑞士。- 美国地质调查局(USGS)/美国。
摘要 — 我们提出了一种新的混合系统,使用多目标遗传算法在灰度图像上自动生成和训练量子启发分类器。我们定义了一个动态适应度函数,以获得最小的电路和对看不见的数据的最高准确度,确保所提出的技术具有通用性和鲁棒性。我们通过惩罚它们的出现来最小化生成的电路在纠缠门数量方面的复杂性。我们使用两种降维方法来减小图像的大小:主成分分析 (PCA),它在个体中编码以进行优化,以及一个小型卷积自动编码器 (CAE)。将这两种方法相互比较并与经典的非线性方法进行比较,以了解它们的行为并确保分类能力归因于量子电路而不是用于降维的预处理技术。
基序发现算法对于识别基因序列中的重要模式至关重要。这些重复出现的模式称为基序,具有重要的生物学意义,广泛应用于生物信息学,例如早期疾病检测、药物设计、环境健康研究和 DNA 取证等。已经开发了几种用于基序发现的算法和工具,每种算法和工具都有自己的优点和局限性。尽管取得了这些进展,但基序发现仍然是生物信息学中的一个问题,需要生物学家和计算机科学家的团队合作。本文介绍了一些重要的基序发现算法及其子类的功能、优点和缺点。此外,本文对上述算法进行了比较分析,并总结了该领域未来的研究方向。
1. 引言 奈必洛尔是第三代β受体阻滞剂,由于其对心脏的选择性和辅助血管扩张作用,广泛应用于治疗高血压和心力衰竭。奈必洛尔的结构和药理特性不同于传统的β受体阻滞剂,被认为副作用小,且对某些心血管疾病有更好的疗效。[1-4] 奈必洛尔的化学性质为 1-(6-氟-色满-2-基)-2- [(2RS)-6-(4-羟基苯基)-2, 5, 7, 8-四甲基色满-2-基] 乙醇。其化学结构具有色满醇骨架(图 1 )和氟色满部分,使其同时具有疏水和亲水特性,从而增强了其对肾上腺素受体的亲和力和与内皮细胞的接触。它是两种外消旋混合物 d-奈必洛尔和 l-奈必洛尔的组合。d-奈必洛尔是组成奈必洛尔的两种对映体之一,有助于阻止 β-1 肾上腺素受体。l-奈必洛尔通过释放一氧化氮来扩张血管。[1-10] 奈必洛尔具有双重作用机制,即阻断 β-1 肾上腺素受体和释放一氧化氮 (NO)。奈必洛尔选择性拮抗