XiaoMi-AI文件搜索系统
World File Search System两阶段
农村环境下孤立混合微电网的两阶段线性规划优化框架：“El Espino”社区案例研究。
在发展中国家的农村和离网地区，为确保所有人都能获得清洁且负担得起的电力而做出的努力一直在缓慢推进。在这种情况下，混合微电网可以为偏远地区提供可靠且潜在的清洁电力。然而，这些系统的规划和运营过程面临着一些挑战，通常是由于与可再生资源相关的不确定性以及农村电力消费的随机性。本文解决了这个问题，并通过确定一个开源建模框架并将其应用于真实的本地数据，为弥合现场实践和两阶段随机建模方法之间的差距做出了贡献。作为参考案例研究，我们考虑了 2015 年在玻利维亚建造的一个微电网。总体而言，最佳系统是净现值成本、安装的峰值容量和灵活性（平衡可变发电）之间的折衷。测试了不同的孤立微电网规模方法，得出的结论是，考虑需求和可再生能源发电的不确定性的方法可能会带来更为稳健的配置，而对社区的最终成本影响较小。
与机器学习和使用NDEA在开发计划中进行聚类：石化两阶段SSC
这项研究利用机器学习（ML）来改善伊朗石化行业两级可持续供应链中决策单位（DMU）的评估。在90个时间段内进行了28个单位的效率计算。根据可持续性标准选择了供应链的输入和输出，通过使用机器学习和网络数据信封分析（NDEA）的混合方法来促进生产计划和单位开发的准确估计。目标是将ML聚类方法与网络NDEA模型一起使用，以确定用于对均质单元进行分类的最有效的聚类算法。我们研究的主要目标是利用机器学习技术来提高决策过程的准确性，特别是在类似单元的聚类中以评估效率。主要目标是通过将它们与每个集群中最有效的单元进行比较来创建提高低效单元的性能的策略。通过实施深层嵌入式聚类算法，我们发现了效率评估和开发计划的实质性改善。聚类结果与传统NDEA模型之间的对比突出了聚类在评估有效边界和启用集中发展策略的近端方面的重要性。这项研究强调了使用ML进行聚类的重要性，以提高工业设施可持续发展的效率评估和战略计划。结果表明，与使用DEA的非聚类方法相比，使用聚类来评估单位的相对效率，可以平均降低与群集效率边界效率低下的单位距离的18％，这代表了效率低效率单位的更可实现的理想目标。
考虑使用用户虚拟发电厂设备联盟游戏的虚拟发电厂的两阶段优化计划
摘要：分布式可再生能源，负载和电源可以汇总到虚拟发电厂（VPP）中，以参与能源市场交易并产生额外的收入。为了更好地协调VPP中各个实体之间的交易关系，本文建议为VPPS的两阶段优化模型，该模型考虑用户-VPP设备联盟。首先，从VPP的基本结构开始，建议将VPP中的联盟分为两个联盟：需求端用户-VPP和供应端设备-VPP。和VPP优化框架考虑了用户VPP设备联盟的合作游戏。然后，考虑到用户-VPP设备联盟的合作游戏，建立了VPP的两阶段优化模型。日前的优化模型将经济和社会利益视为双重目标，并且室内优化模型旨在最大程度地减少偏差罚款成本。其次，考虑到VPP中各个实体的风险水平和全面的边际收益，采用了一种拟合分布方法，该方法结合了改善的沙普利价值观和独立的风险贡献理论来分配VPP的总收入。案件结果表明，运营成本已降低5.75％，环境成本降低了4.46％，总利润率增加了29.52％。模型可以提高VPP的整体效率。
采用两阶段 PSO-模糊混合方法实现专用微电网的负荷管理和优化定型
1 伊斯兰堡 COMSATS 大学拉合尔校区能源研究中心，拉合尔 54000，巴基斯坦 2 伊斯兰堡 COMSATS 大学计算机科学系，拉合尔 54000，巴基斯坦 3 高级大学电气工程系，拉合尔 54600，巴基斯坦 4 伊斯兰堡 COMSATS 大学电气与计算机工程系，拉合尔 54700，巴基斯坦 5 政府学院大学电气工程系，拉合尔 54000，巴基斯坦 6 埃及未来大学工程与技术学院，新开罗 11835，埃及 7 岭南大学信息与通信工程系，庆山 38541，韩国 8 蒙克顿大学工程学院，蒙克顿，NB E1A3E9，加拿大 9 国际技术与管理学院，利伯维尔 BP1989，加蓬 10 知识生产与技能发展领域，斯法克斯3027，突尼斯 11 约翰内斯堡大学电气工程学院，电气与电子工程科学系，约翰内斯堡 2006，南非 * 通信地址：ateeq.rehman@gcu.edu.pk (AUR)；elsayed.tageldin@fue.edu.eg (EMTE)；shafiq@ynu.ac.kr (MS) † 这些作者对本文的贡献相同。
开发和验证两阶段卷积神经网络算法，用于分割MRI白质超强度，用于纵向研究
背景：卡达西尔（Cadasil）的白质超强度（WMH）的分割是最严重的遗传起源小脑小血管之一，具有挑战性。方法：我们根据卷积神经网络（CNN）al-gorithm进行了自动方法，并使用了132名患者获得的2D和/或3D FLAIR和T1加权图像的大数据集，以在这种情况下测量WMH的进展。结果：使用此方法测量的WMH的体积与专家验证的参考数据密切相关。WMH分割也明显改善。结合了两个连续的学习模型特别感兴趣，从而减少了假阳性体素的数量以及单级过程后检测到的分割不足的程度。使用两阶段方法，WMH进展与从参考掩模中得出的病变的度量随着年龄的增长而增加，以及与单个级别的可变WMH进展轨迹相关。我们还确认了WMH初始负载的预期影响以及MRI获取类型对此进展的测量的影响。结论：总的来说，我们的发现表明，可以通过CNN分割算法自动测量卡达西尔的WMH进展。
考虑电转气存储和风力发电成本的综合电力和天然气系统两阶段随机调度
电转气 (P2G) 设施和天然气发电装置为综合电力和天然气系统 (IENGS) 提供了灵活性，可用于风电调节和爬坡部署。本文提出了一种考虑 P2G 储能和风电爬坡成本的 IENGS 随机协调调度模型。介绍了带有 P2G 的天然气系统的运行模型，并分析了 P2G 集成的优势。为了解决风电和能源负荷的不确定性，生成了多种代表性场景。本文结合并分析了灵活的爬坡要求和成本，发现 P2G 可以提供灵活的爬坡。IENGS 的协调调度模型被表述为一个两阶段随机规划问题，其中第一阶段模型对电力系统的日前调度进行建模，第二阶段模型对天然气系统进行调度。对改进的 PJM 5 总线电力系统（带有 7 节点天然气系统）以及 IEEE 118 总线系统（带有 20 节点比利时天然气系统）进行的数值案例研究验证了 P2G 可以帮助容纳风电、提供额外的灵活爬坡能力并减少来自天然气供应商的天然气供应和天然气负荷削减。
A2V：通过两阶段训练血管造影到世纪的半监督域适应框架，用于脑血管分割
我们提出了一个半监督的域适应框架，用于来自不同图像模式的脑血管序列。现有的最新方法集中在单一模态上，尽管可用的脑血管成像技术广泛。这可能导致重大分布变化，从而对跨模式的概括产生负面影响。By relying on annotated angiographies and a limited number of an- notated venographies, our framework accomplishes image-to-image translation and se- mantic segmentation, leveraging a disentangled and semantically rich latent space to represent heterogeneous data and perform image-level adaptation from source to tar- get domains.此外，我们降低了基于周期的架构的典型复杂性，并最大程度地减少了对抗性训练的使用，这使我们能够通过稳定的培训构建一个高效且直观的模型。我们评估了有关磁共振血管造影和静脉曲张的方法。在源域中实现最先进的性能时，我们的方法在目标域中达到了仅8个目标域的骰子得分系数。降低了9％，突出了其在不同模态上稳健脑血管图像分割的有希望的潜力。
• 电动汽车的光伏电池系统可减少峰值需求。
图 3：实施的运行窗口方法。凌晨 12 点，中央计划器 (CP) 进行两阶段优化（橙色块），并将得出的阈值功率和电池计划传输给分散运营商 (DO)。虽然 DO 有 24 小时的计划（实心蓝色块），但它只在第一个小时应用它（实心蓝色块）。应用后，DO 将发生的残余峰值负载和更新的 SOC 发送给 CP，CP 再次进行两阶段优化的第二阶段（绿色块），并将电池计划发送给 DO。这一直持续到一天的最后一个小时。之后，在第二天凌晨 12 点，该过程在 CP 级别再次开始，进行两阶段优化。
正则化函数回归模型可实现转录组范围内癌症药物反应剂量依赖性关联研究
图 1. 用于识别基因与药物之间剂量依赖性关联的两阶段算法。来自药物筛选研究（例如 GDSC）的基因表达和药物反应数据用于拟合我们的剂量变化系数模型，以估计协变量与药物反应之间的剂量变化效应。应用两阶段变量筛选和选择算法对基因-药物关联进行排序。然后可以使用所选基因来预测目标药物的剂量依赖性反应。
A2V：通过两阶段训练血管造影到静脉造影转换进行脑血管分割的半监督域自适应框架
我们提出了一个半监督域自适应框架，用于从不同的图像模态中分割脑血管。尽管可用的脑血管成像技术范围很广，但现有的最先进的方法只关注单一模态。这可能导致显著的分布变化，从而对跨模态的泛化产生负面影响。通过依赖带注释的血管造影和有限数量带注释的静脉造影，我们的框架完成了图像到图像的转换和语义分割，利用解开的、语义丰富的潜在空间来表示异构数据并执行从源域到目标域的图像级自适应。此外，我们降低了基于循环的架构的典型复杂性并最大限度地减少了对抗训练的使用，这使我们能够构建一个具有稳定训练的高效、直观的模型。我们在磁共振血管造影和静脉造影上评估了我们的方法。在源域中实现最佳性能的同时，我们的方法在目标域中的 Dice 得分系数仅低 8.9％，凸显了其在不同模态下进行稳健脑血管图像分割的巨大潜力。