XiaoMi-AI文件搜索系统
World File Search Systeminstall
核设施的 IT 安全
国际原子能机构核安全文集 《国际原子能机构核安全丛书》中的出版物涵盖针对盗窃、破坏和非法转移核材料和放射性材料及相关设施、未经授权获取这些材料而采取的措施（预防、侦查、干预） 、来源和设施以及可能遭受的其他恶意行为。这些出版物符合与核保安有关的国际文书，包括经修订的《核材料实物保护公约》、《放射源安全和保安行为守则》、安全理事会第 1373 号和第 1540 号决议。 保安和国际公约制止核恐怖主义行为，它们是对它们的补充。
firemaster-fastwrap-xls-通风管道安装和...
FireMaster ® FastWrap ™ XLS 是我们摩根先进材料公司在业界领先的防火管道被动防火产品组合中的最新成果。这种新型 1.5 英寸厚（38 毫米）哑光黑色管道包裹设计比现有的同类管道包裹材料轻 25%，是市场上最轻的系统，经过测试和认证，可用于通风管道的 2 小时和 3 小时防火外壳保护，包括烟雾控制、危险废气、楼梯间增压、干衣机排气和实验室化学烟雾管道应用。FireMaster FastWrap XLS 经过测试和认证，可用于管道 A 和管道 B 应用。此外，对于这些相同的 2 小时通风管道（管道 A），1.25 英寸厚（32 毫米）的 FireMaster FastWrap XLS 也经过 Intertek 认证，与竞争性 2 小时系统相比，重量减轻了 40%。
安装的联合热量和功率（CHP）的机会增加了美国的网格灵活性
越来越多的可再生能源使用需要足够的网格灵活性来解决发电的不确定性和可变性。先前的研究表明，加热和功率（CHP）系统可能支持网格灵活性，但它们不考虑操作时间。在本文中，我们使用了CHP操作数据，并确定了来自所有七个美国独立系统运营商（ISOS）和区域传输组织（RTOS）的各个领域（例如公用事业，独立电力生产商，商业和工业）的CHP容量的年度和每月可用性。此外，我们估计纽约州的五种设施类型（即医院，大学，酒店，办公室和制造业）中安装了每小时的CHP可用性。结果表明，无论ISO/RTO，行业或季节如何，2019年未充分利用已安装的CHP容量（0.7 - 8.7 GW）的40％以上；结果在2018年相似。这款可用的CHP容量最多占ISO/RTO峰值电气需求的9％，通过避免新的天然气燃烧或联合循环涡轮机的安装成本，这可能会节省高达160亿美元的成本。为了利用可用的CHP能力来增强电网灵活性，我们建议采取不同的政策影响，包括CHP所有者和电网运营商之间的灵活合同长度，改进的市场设计以及简化的互连标准。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
用于空间领域感知应用的加速 AI 驱动大气预测 丹尼·费尔顿 诺斯罗普·格鲁曼公司 玛丽·艾伦·克拉多克、希瑟·凯利、兰德尔·J·阿利斯、埃里克·佩奇、杜安·阿普林 诺斯罗普·格鲁曼公司 摘要 太空激光和监视应用经常受到大气效应的影响。气溶胶、云和光学湍流引起的大气衰减和扭曲会产生有害影响，从而对任务结果产生负面影响。2019 年 AMOS 会议上简要介绍的一篇论文介绍了 2017 年在哈莱阿卡拉峰安装的地面仪器。这些仪器仍在积极收集数据，它们正在提供前所未有的空间环境实时表征，包括精确的大气传输损耗。虽然实时测量是理解和表征空间环境的第一步，但仅靠它们是不够的。为了优化任务规划，许多应用都需要对空间环境进行准确的短期大气预测。虽然大气预报并不是什么新鲜事，但最近随着 21 世纪人工智能 (AI) 技术的应用，大气预报的技能得到了极大提升。这些技术是高性能计算 (HPC) 和深度学习 (DL) 的结合。本演讲的主题是使用来自地面大气收集系统的 TB 级数据训练预测模型，并使用图形处理单元 (GPU) 加速其训练和推理的能力。本研究侧重于预测的三个时间尺度。这些时间尺度包括短期（0 到 60 分钟）、中期（1 小时到 3 小时）和长期（3 到 48 小时）。这些时间尺度代表激光和/或监视应用和任务的各种决策点。在短期预测情况下，多种 DL 技术应用于从光学地面站 (OGS) 收集的本地数据。这些 DL 技术包括使用 U-Net 卷积神经网络和多层感知器 (MLP) 和随机森林 (RF) 模型的集合。 MLP 用于从激光云高仪和红外云成像仪 (ICI) 等仪器收集的点数据。对于中间时间尺度，卷积长短期记忆 (LSTM) 网络和 U-Net 均使用来自 NOAA 地球静止卫星云图集合的图像进行训练。最后，组合 U-Net 和自动编码器神经网络用于训练由 HPC 数值天气预报 (NWP) 模型模拟的大气预测器以进行长期预测。NWP 会产生许多 TB 的数据，因此，使用这些神经网络是优化其预测能力的理想选择。本研究利用了多种 HPC 资源。其中包括由四个 NVIDIA Tesla V100 GPU 组成的内部 GPU 节点以及毛伊高性能计算中心 (MHPCC) 的资源。结果表明，在几乎所有情况下，这些预测技术都优于持久性，而且偏差很小。使用 HPC 和 DL 推理实时进行预测的能力是未来的重点，将在会议上报告。1. 简介大气衰减和失真降低了太空激光和监视应用的功效。特别是，云层可以部分或完全遮挡目标，并阻止或要求降低光通信系统的数据速率。但是，通过准确表征和预测大气影响，可以减轻许多负面影响。本研究的目的是开发和完善一种最先进的大气预测系统，该系统可生成高分辨率的大气衰减预测，以支持太空激光和监视应用的决策辅助。为了实现这一目标，HPC 和 AI 的进步与数 TB 的高分辨率地面和太空大气数据集合相结合。多种 HPC 资源用于处理本研究所需的地面和卫星数据，并使用四个 NVIDIA Tesla V100 GPU 加速 AI 预测技术的训练和推理。该技术用于进行多时间尺度大气预测：1 小时预测、2 小时以上预测和 48 小时预测。最长 1 小时；最长 2+ 小时；最长 48 小时。最长 1 小时；最长 2+ 小时；最长 48 小时。
![已发表版本的引用 (APA)：Cacace, J.、Orozco-Soto, SM、Suarez, A.、Caballero, A.、Orsag, M.、Bogdan, S.、Vasiljevic, G.、Ebeid, E.、Rodriguez, JAA 和 Ollero, A. (2021)。用于在电力线上安装设备的安全本地空中操控：空中核心第一年结果和设计。应用科学，11(13)，[6220]。https://doi.org/10.3390/app11136220](/simg/d/d4b55dc11582e4ccd155ae07943b0f7fa1fdb126.webp)
已发表版本的引用 (APA)：Cacace, J.、Orozco-Soto, SM、Suarez, A.、Caballero, A.、Orsag, M.、Bogdan, S.、Vasiljevic, G.、Ebeid, E.、Rodriguez, JAA 和 Ollero, A. (2021)。用于在电力线上安装设备的安全本地空中操控：空中核心第一年结果和设计。应用科学，11(13)，[6220]。https://doi.org/10.3390/app11136220
摘要：电网是任何国家必不可少的基础设施，由数千公里的电线组成，需要定期检查和维护，目前这些检查和维护工作都是由人工操作员在危险的条件下进行的。为了提高安全性并减少与载人直升机和重型车辆等传统解决方案相关的时间和成本，AERIAL-CORE 项目提议开发能够执行空中操控操作的空中机器人，以协助人工操作员检查和维护电力线，从而安装鸟类飞行转向器或电气间隔器等设备，以及快速交付和检索工具。本文介绍了安全本地空中操控的目标和要开发的功能，并介绍了项目第一年获得的初步设计和实验结果。
Xcel Energy Colorado的太阳能安装程序培训
太阳能*奖励是一个基于生产的激励计划。参与的客户也将获得NEM福利。每月或年付款给太阳能系统的所有者，以换取太阳系生产的能源的可再生能源信用（REC）。•激励付款是基于太阳系生产或期望每月生产的千瓦时数量。•具有生产计的系统具有基于PV Prod帐户中捕获的实际生产的激励措施。•没有生产计的系统（10kW DC且更少），每年根据太阳能应用程序中列出的NREL PV瓦值的KWH估算来支付。
耦合可再生电池的电厂比独立位置的设施更有价值？
免责声明本文件是作为美国政府赞助的工作的帐户准备的。虽然该文件被认为包含正确的信息，但美国政府，其任何机构，加利福尼亚大学或其任何雇员的董事均未对任何信息，设备，产品或流程的准确性，完整性或有效性，都不会有任何法律责任，或者承担任何法律责任，这些责任是任何信息，设备，产品或流程所披露或代表其私人私有权利的使用权。以此处提到任何特定的商业产品，流程或服务的商标，商标，制造商或其他方式，并不一定构成或暗示其认可，推荐或受到美国政府或其任何机构或加州大学摄政的认可，建议或偏爱。本文所表达的作者的观点和意见不一定陈述或反映美国政府或其任何机构的观点或加利福尼亚大学的摄政。
耦合可再生电池的电厂比独立位置的设施更有价值？
本文件是作为美国政府赞助的工作的帐户准备的。虽然该文件被认为包含正确的信息，但美国政府，其任何机构，加利福尼亚大学或其任何雇员的董事均未对任何信息，设备，产品或流程的准确性，完整性或有效性，都不会有任何法律责任，或者承担任何法律责任，这些责任是任何信息，设备，产品或流程所披露或代表其私人私有权利的使用权。以此处提到任何特定的商业产品，流程或服务的商标，商标，制造商或其他方式，并不一定构成或暗示其认可，推荐或受到美国政府或其任何机构或加州大学摄政的认可，建议或偏爱。本文所表达的作者的观点和意见不一定陈述或反映美国政府或其任何机构的观点或加利福尼亚大学的摄政。
