XiaoMi-AI文件搜索系统
World File Search System传输损耗
适用于网络化混合交流/直流微电网的分布式稳健能源管理系统
摘要 — 混合交流/直流微电网 (MG) 可有效将可再生能源整合到电网中，多个 MG 的互连可通过能源共享提高系统的可靠性、效率和经济性。本文提出了一种用于网络化混合交流/直流 MG 的分布式稳健能源管理系统。对于每个单独的 MG，提出了一个可调稳健优化模型，以优化其单独的运营成本，同时考虑到可再生能源发电和负荷需求的不确定性。对于网络化 MG 系统，每个 MG 的能源共享信息由直流网络协调，以在网络约束下最小化电力传输损耗。通过交替方向乘数法 (ADMM) 制定、精确凸化并以分布式方式求解整体优化模型，其中只需要每个 MG 实体提供有限的信息（即向网络注入功率），从而保证信息隐私。对网络化混合交流/直流 MG 进行了仿真，以证明所提出的能源管理系统的有效性。
综述同时生产高性能电力和热能的可再生能源技术概述
热电联产 (CHP) 技术使用可再生能源作为燃料，将成为提高能源安全性的有前途的解决方案。本报告旨在研究基于可再生能源的热电联产技术，寻求提高其效率并降低可再生资源的不可持续性，然后从经济和技术角度审查现有文章。热电联产技术同时产生热能和电力；热量是这个问题的限制因素。因此，它应该安装在需要热量和人口密度的地方，因为在这种情况下传输损耗会减少。在用作热电联产发电厂燃料的可再生能源中，生物质占最大份额，而在化石燃料中，天然气和煤炭分别在热电联产中占最大份额。美国、俄罗斯和中国分别在可再生能源发电厂中占有最大份额。所有审查的文章都提到了热电联产发电厂对热存储的需求。如果使用热电联产技术进行区域供热和制冷，与单一供热相比，生物质消耗可减少 31.4%，并且这一数量可以更多地用于增值部门。
模拟无湍流量子增强干涉望远镜
望远镜系统的角分辨率受限于相干孔径的大小，孔径越大，角分辨率越精细。这可以通过制造更大的望远镜来实现，或者通过组合多个望远镜阵列来模拟更大的望远镜。后者允许用户在探测器之间创建非常长的基线，而无需使用单个的大型探测系统；使用甚长基线干涉测量法 (VLBI) 的望远镜系统已经能够获得更高质量的天文物体图像。然而，直接探测 VLBI 对于较高频率的光子（例如可见光子）来说更加困难，因为这些波长在光纤中的传输损耗较大，并且无法直接记录光频率的电场（与射电望远镜相比，射电望远镜的信号可以先以电子方式记录，然后像事件视界望远镜 [ 1 ] 一样进行“干涉”）。 Gottesman、Jennewein 和 Croke 提出通过检测望远镜之间的相关性来规避这一限制，每个望远镜都由一个天文光子和一个地面光子的叠加组成（望远镜之间的相对相位可控）[2]。本质上，这两个过程之间存在量子力学的双光子干涉，其中天文光子进入一个望远镜，地面光子进入另一个望远镜，反之亦然。干涉可见度作为望远镜基线分离的函数的变化决定了两个望远镜处光源的相互相干性，进而通过范西特-泽尔尼克定理，人们可以确定光源的强度分布[3]。在这里，我们使用来自自发参量下转换（SPDC）的光子进行了原理验证演示。
约旦马安市可再生能源智能电网设计与仿真：可行性研究
化石燃料使用带来的成本、传输损耗和环境影响不断上升，促使人们在发电方面转向可再生能源 (RES)。智能电网 (SG) 技术本质上依赖于 RES 专属电力框架，它促进了高效的能源消耗和分散能源资源的分配。这项调查强调了 RES 在 SG 基础设施中的整合，以及约旦向 SG 未来转型的潜力。马安市位于一个以太阳辐射充足和风速显著为特征的地区，是部署 RES 的最佳案例研究。一个融合的 RES 系统，包括风能和光伏 (PV) 模块，总容量为 180 兆瓦，经过精心设计，以满足马安的电力需求。马安的负荷要求是通过分析该市的年平均能源消耗并根据人口增长预测进行调整来确定的。为了提高系统的可靠性并满足紧急负载需求，集成了存储解决方案。利用 MATLAB Simulink 平台，通过数学建模和仿真分析证实并评估了所提设计的性能。模拟考虑了影响每个系统生产能力的因素，包括输电线路损耗。此外，还结合了比例-积分-微分 (PID) 控制器，并在模拟故障条件下进行了评估，确保在故障检测后五秒内断开系统。模拟结果与数学模型预测一致。从经济角度来看，安装所提出的系统是合理的，预计每年可节省约 8000 万约旦第纳尔 (JD)，有利的回收期为 14 个月。平准化电力成本具有竞争力，为 14.41 JD/MWh。研究结果主张在约旦扩大可再生能源整合，表明在全国范围内实施基于可再生能源的 SG 是可行的。
北马其顿 MEPSO - 输电网 ...
本建议及所附报告涉及一项有利于马其顿输电系统运营商 AD（“MEPSO”、“借款人”或“公司”）的行动，该公司是一家在北马其顿共和国注册成立的 100% 国有股份公司，现提交董事会审议。该贷款将包括向 MEPSO 提供的一项最高 2640 万欧元的高级无担保贷款。该行动将使公司能够进一步加强北马其顿东南部地区的输电网络，目标是 (i) 在 Miletkovo 附近建设一座 400/110kV 变电站，(ii) 在 Miletkovo、Valando 和 Strumica 之间建设新连接以及修复现有的 110kV 输电线和变电站，以及 (iii) 为高压电网运营商和其他行业专家建立一个培训中心（“项目”）。该项目的过渡影响源于绿色和包容性。该项目旨在通过减少电力传输损耗来实现气候能源效率效益。该项目还将使该国最多 1,170 兆瓦的额外可再生能源接入，而目前由于当地输电网容量有限，这还无法实现。该项目将通过支持 MEPSO 在西南地区建立培训中心来促进人力资本发展。该中心不仅针对其电网运营商，还针对受绿色能源转型影响的其他行业工人。该项目还将受益于西巴尔干投资基金 (WBIF) 提供的赠款资金，总额为 760 万欧元，以及气候投资基金 (CIF) 提供的 50 万欧元。加上银行的融资，项目总成本将达到 3450 万欧元。我很满意，该业务符合银行的北马其顿战略、能源部门战略、2021-2025 年机会平等战略、促进性别平等战略以及银行成立协议。我建议董事会根据所附报告的条款批准拟议的贷款。
高增益机载麦克风防风罩特性...
主要领域：机械与航空航天工程 摘要：近年来，UAS（无人机系统）通过集成先进的摄像机、传感器和硬件系统获得了改进的功能；然而，UAS 仍然缺乏检测和记录音频信号的有效手段。这部分是由于硬件的物理规模和硬件集成到 UAS 中的复杂性。当前的研究是将高增益抛物面麦克风集成到 UAV（无人机）中用于声学勘测的更大规模研究工作的一部分。由于嵌入式抛物面天线与自由流掠流之间的气动相互作用，需要使用挡风玻璃将天线整平到飞机上。当前的研究开发了一种表征方法，通过该方法可以优化各种挡风玻璃的设计和配置。该方法测量候选挡风玻璃的法向入射声传输损耗 (STL) 以及其在一系列流速下安装时产生的流体动力噪声的增加。在俄克拉荷马州立大学的低速风洞上设计并安装了测试装置。测试设备使用附在风洞测试段地板上的“静音箱”。风洞测试段和静音箱之间的直通窗口允许在两个环境之间安装候选挡风玻璃。安装在风洞测试段和静音箱内的麦克风记录各种流速下的声谱，范围在每秒 36 至 81 英尺之间。制造了一个张紧的 Kevlar® 挡风玻璃验证样本来验证系统性能。STL 频谱是通过比较 Kevlar® 膜两侧麦克风的信号来测量的。将流离场景的法向入射 STL 结果与其他研究中对相同材料在张紧状态下的结果进行比较。在几种流速下还测量了流入传输损耗频谱数据以及膜引起的流动噪声的增加。该系统已被证明可以产生与流入和流离测试配置的参考数据一致的 STL 数据，并且能够检测到验证样本挡风玻璃产生的流动诱导噪声的增加。
优化身体相互适应的框架......
人机界面的操作越来越多地被称为双学习者问题，其中人和界面都基于共享信息独立调整其行为，以提高特定任务的联合性能。从人体机界面领域汲取灵感，我们采取不同的视角，并提出了一个框架，用于研究在界面的演变取决于用户的行为并且不需要明确定义任务目标的情况下的协同适应。我们对协同适应的数学描述建立在以下假设之上：界面和用户代理共同适应以最大化交互效率而不是优化任务性能。这项工作描述了人体机界面的数学框架，其中天真的用户与自适应界面交互。界面被建模为从高维空间（用户输入）到低维反馈的线性映射，充当自适应“工具”，其目标是在无监督学习过程之后最大限度地减少传输损耗，并且不知道用户正在执行的任务。用户被建模为非平稳多元高斯生成过程，该过程产生一系列统计上独立或相关的动作。依赖数据用于建模与实现任务规定的某些未知目标有关的动作选择模块的输出。该框架假设，与此明确目标并行，用户正在隐性学习一种合适但不一定是最佳的与界面交互的方式。隐性学习被建模为使用依赖性学习，由作用于生成分布的基于奖励的机制调节。通过模拟，该工作量化了当用户学习操作静态界面与自适应界面时，系统如何根据学习时间尺度演变。我们表明，可以直接利用这个新框架来轻松模拟各种交互场景，以促进对导致联合系统最佳学习动态的参数的探索，并为人机协同适应优于用户适应提供经验证明。
按需量子态传输与纠缠...
通过传播光子耦合孤立量子系统是量子科学的中心主题 1、2，具有实现分布式容错量子计算 3 – 5 等突破性应用的潜力。到目前为止，光子已被广泛用于实现高保真远程纠缠 6 – 12 和状态转移 13 – 15，方法是用条件反射补偿效率低下，这是一种限制通信速率的概率性策略。与此相反，我们在这里通过实验实现了一个长期存在的确定性直接量子态转移的提议 16。利用高效的、参数控制的微波光子发射和吸收，我们展示了两个孤立超导腔量子存储器之间按需的高保真状态转移和纠缠。传输速率比任一存储器中光子的丢失速率更快，这是复杂网络的基本要求。通过以多光子编码传输状态，我们进一步表明，使用腔体存储器和状态独立传输创造了惊人的机会，可以通过量子误差校正确定性地减轻传输损耗。我们的研究结果为跨网络的确定性量子通信建立了一种引人注目的方法，并将实现超导量子电路的模块化扩展。直接量子态转移是一种快速、确定性的量子通信方案，用于在量子网络中传播光子 16 。在该协议中，发送节点以成形的光子波包形式发射量子态，然后被接收节点吸收。这需要光和物质之间强大的可调耦合，以及在共享通信频率上高效传输光子；到目前为止，由于光子耦合和传输效率低下，光网络中的状态转移具有高度概率性 8 。相比之下，超导微波电路可以将低损耗与强耦合相结合。该平台非常适合实现按需状态转移，从而以模块化方式扩展量子设备。为此，超导微波存储器和传播模式已成功对接，独立实现受控光子发射 17 – 20 和吸收 21 – 23。然而，由于高效、频率匹配的光子传输需求带来的困难，远距离确定性量子通信的目标至今仍未实现。
在最小化对河流生态系统的影响的方面，在波兰设计一个小型水电厂
欧盟，通过在能源平衡中实施有关可再生能源（RES）份额的指令，例如指令2009/28/EC和2001/77/EC，预测，在2020年，成员国将在最终能源consump中实现可再生能源的百分之二十份。在波兰的情况下，这一水平定为15％，这仍然是一项巨大的技术，政治和经济挑战。还应注意，确保根据可持续发展的原则（即为了适当发展文明的利益，同时维持子孙后代的所有环境资源，现在是世界政治的优先事项。因此，在可再生能源领域寻找新的技术解决方案需要考虑到在设计过程中广泛理解的环境影响。小型水力发电厂（SHPP）生成的单位，由于其容量较低，该单元通常与低压线相连，因此与中型电压线的频率更少。在变压器的最远点处，电压将低于站点本身（由于电压降和所谓的传输损耗，电压）。结果，电压降也将更加危险和可见。位于网络与源产生低压源的收件人之间网络点的位置将限制从源到接收器计数的可能的电压下降。此外，在低压网络中使用微源源会带来有利的电流限制。2020）。2021，Hunt等。2021，Hunt等。在小型水力发电厂与网络的连接点，无论电压值在连接之前，它都会增加，并将目标瞄准发电厂产生的价值。在远离变压器站的网络点上打开电厂后，将从微型来源提供小型水力发电厂后面的部分需求。因此，随着电力需求的增加，不需要现代化或施加分销网络，或者可能会推迟。可再生能源（包括SHPP）容易受到天气状况的变化（主要是集水区的降雨量），这迫使电力市场拥有可以弥补这些波动的电力储备。间歇性RES的替换对电力系统具有两倍的影响：惯性减少和间歇产生，导致频率稳定性的降解。在现代电力系统中，与常规系统相比，频率调节（FR）已成为最关键的挑战之一，因为惯性减少了，产生和需求都是随机的（Umer等人。目前，许多研究（Pradhan等人2021，Xin等。2021）正在储能溶液领域进行 -
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。