XiaoMi-AI文件搜索系统
World File Search System功率比
具有背景非线性校正的数字射频发射机
I. 引言 近年来，数字射频 (RF) 发射器 (TX) 越来越受欢迎。在数字域中实现发射功能有许多优势，例如，可以省去模拟模块，如可变增益放大器、失调消除数模转换器 (DAC) 和预驱动器。RF 发射器（无论是模拟还是数字）面临的最大挑战是线性度和效率之间的权衡，这反过来又导致了许多线性化技术的出现。由于芯片温度会随 TX 输出功率而有很大变化，因此必须实时继续线性化；也就是说，如果前台校准技术试图校正高度非线性的输出级，则它们会被证明是不够的。本文介绍了一种新的 TX 线性化方法，可在后台校正静态和动态非线性。校正的有效性允许设计 DAC 以实现具有几乎任意积分非线性 (INL) 的最大效率。以宽带码分多址 (WCDMA) 标准为例，简单、紧凑的架构提供了迄今为止报告的最高效率。该发射器采用 28 纳米标准 CMOS 技术实现，可提供 + 24.1 dBm 的功率，相邻信道功率比 (ACPR) 为 − 35.4 dB，总效率为 50%。
利用多元优化和正弦余弦算法实现智慧城市能源管理
摘要：由于人口的快速增长，日常生活中的能源使用量日益增加。一种解决方案是按照与人口增长相同的比例增加发电量。然而，这在实践中通常是不可能的。因此，为了有效利用现有的能源资源，智能电网发挥着重要作用。它们通过需求侧管理 (DSM) 最大限度地减少电力消耗及其产生的成本。大学和类似组织消耗了总发电量的很大一部分；因此，在这项工作中，我们使用 DSM，调度了大学园区的不同电器，以降低消耗的能源成本和可能的峰值与平均功率比。我们提出了两种受自然启发的算法，即多元优化 (MVO) 算法和正弦余弦算法 (SCA)，以解决能源优化问题。所提出的方案是在大学园区负载上实施的，该负载分为两个部分，即上午时段和晚上时段。两个时段都包含不同的可切换和不可切换设备。在使用 MVO 和 SCA 技术对可切换设备进行调度之后，模拟结果在能源成本和峰值与均值比率降低方面显示出非常有用的结果，保持了电力成本和用户等待时间之间的理想阈值水平。
RF DAC 的 INL 与 ACPR 之间的关系
I. 引言 数字射频发射器因其相对于模拟发射器的众多优势而广受欢迎 [1]、[2]、[3]、[4]、[5]、[6]、[7]、[8]、[9]。数字发射器 (TX) 省去了大部分模拟功能，只包含一个模拟端口，即其输出。当然，这种方法依赖于高速、高线性度的数模转换器 (DAC)。DAC 的输出稳定时间必须与载波频率相称，其线性度由所需信号的可容忍失真和/或相邻信道功率比 (ACPR) 决定。后者在长期演进 (LTE) 标准等蜂窝应用中尤其具有挑战性。DAC 的非线性和无杂散动态范围 (SFDR) 已得到广泛研究 [10]、[11]、[12]、[13]、[14]、[15]。本文重点讨论 DAC 非线性和 ACPR 之间的关系。目的是提供简洁的方程，帮助设计人员决定如何选择 DAC 单元，以及在应用预失真等校正技术后可以容忍多少残余积分非线性 (INL)。第二部分涉及电流控制 DAC 的非线性分析，第三部分将其 INL 与 ACPR 联系起来。第四部分研究了当输入近似为白噪声时这些 DAC 的行为，第五部分研究了相位失真的影响。第六部分重复了开关模式架构的计算。
用于空间推进的核波转子双模循环
核热推进 (NTP) 目前被确定为整个太阳系人类任务的首选推进技术之一。最先进的 NTP 循环基于固体核发动机火箭飞行器应用 (NERVA) 级技术，该技术预计将提供 900 秒的比冲 (I 𝑠𝑝 )，是化学火箭性能 (450 秒) 的两倍。即使有如此令人印象深刻的提升，NTP I 𝑠𝑝 仍然无法为高 Δ V 任务提供足够的初始到最终质量分数。核电推进 (NEP) 可以提供极高的 I 𝑠𝑝 (>10,000 秒)，但推力较低，并且推进系统质量功率比受到限制。对电源的需求还增加了太空散热问题，在理想条件下，热能转化为电能的比例最多为 30-40%。提出了一种新型波转子 (WR) 顶置循环，有望提供接近 NERVA 级 NTP 推进的推力，但 I 𝑠𝑝 在 1200-2000 秒范围内。与混合 NEP 模式相结合，占空比 I 𝑠𝑝 可以进一步增加（1800-4000 秒），同时将额外干质量降至最低。双模设计使快速运输级载人火星任务成为可能，并有可能彻底改变我们太阳系的深空探索。
利用卷积干扰消除网络实现人工智能驱动的通用抗干扰解决方案
无线链路越来越多地用于提供关键服务，而故意干扰（干扰）仍然是此类服务的严重威胁。在本文中，我们关注的是通用抗干扰模块的设计和评估，该模块与通信链路的具体情况无关，因此可以与现有技术相结合。我们认为，这样的模块不需要显式探测、探测、训练序列、信道估计，甚至不需要发射机的配合。为了满足这些要求，我们提出了一种依赖于机器学习的进步以及神经加速器和软件定义无线电前景的方法。我们确定并解决了多个挑战，从而产生了卷积神经网络架构和多天线系统模型，以推断干扰的存在、干扰发射的数量及其各自的相位。这些信息被不断输入到消除干扰信号的算法中。我们开发了一个双天线原型系统，并使用软件定义无线电平台在各种环境设置和调制方案中评估我们的干扰消除方法。我们证明，配备我们方法的接收节点可以以超过 99% 的准确率检测干扰器，即使干扰器功率比合法信号高出近两个数量级 (18 dB)，也能实现低至 10 − 6 的误码率 (BER)，而且无需修改链路调制。在非对抗性环境中，我们的方法还可以具有其他优势，例如检测和缓解冲突。
优化的能力和运营策略，用于提供电池和功率热
电池在德国电力市场中提供越来越多的频率遏制储备（FCR）。我们检查了理想的电池容量以及在采用最大化方法后提供FCR的电荷（SOC）设定点。虽然许多研究忽略了税收，但它们对结果的影响很大。除了独立的电池系统外，我们还考虑了混合系统，将电池存储与电源直热（PTH）模块相结合。混合系统具有两个变体：电池充满电时出售一个变体能量，而另一个则使用PTH模块。基于历史频率和市场数据一年，通过模拟评估了不同系统变体的性能。2048电池容量和SOC设定值的不同组合将被检查。使用净现值（NPV）方法评估每个配置的性能，从而进行经济比较。结果显示了混合系统的财务优势，这些混合动力系统在电池充满电时出售能源。与最佳NPV配置系统是一个混合系统，电池容量为480 kWh，SOC设定值为98％。在大多数其他研究中，所有被考虑的变体的最佳电池容量的功率比的能力比的能力比较低。非最佳电池容量对系统的经济效率具有比非最佳SOC设定点具有更强的负面影响。结果强调，电池容量是一个关键的投资决策。
氢能储能与风氢混合系统协同调度热氢平衡特性建模
氢能储能系统间歇运行时的热氢平衡成为影响风氢混合系统（W-HHS）性能的关键因素。本文设计了一种包含余热利用的氢能储能系统（HESS），并建立了考虑氢气和热储的双荷电状态（SOC）模型。此外，基于分布稳健方法，提出了一种W-HHS的优化调度方法，以降低电网中常规机组的运行成本，增加W-HHS的收益。将前文提出的热氢平衡双SOC模型作为本次协同调度的约束。利用实际风电场数据集在IEEE 30节点系统上验证了双SOC模型的有效性和效率。结果表明，氢-热双SOC模型能够充分反映热氢平衡对W-HHS运行的影响。协同调度方法在保证热氢平衡的前提下提高了W-HHS运行的可靠性。当同时满足氢平衡SOC和热平衡SOC约束时，风电场可用功率比理想情况低6~8%。参数分析表明，降低散热系数可以减小热平衡SOC约束对调度策略的影响，提高风电场出力。当散热系数小于1/1200时，热平衡SOC约束失效。
SamurAI：具有事件驱动唤醒和嵌入式 ML 加速功能的多功能物联网节点
摘要 — 现在，物联网应用需要增强识别和自适应等功能。虽然物联网节点功耗是这些应用的主要关注点，但由于通过无线网络连续传输传感器或图像数据，基于云的处理变得难以为继。因此，应在物联网节点中集成优化的 ML 功能和数据传输。此外，物联网应用在零星数据记录和耗能数据处理（例如图像分类）之间左右为难。因此，节点的多功能性是解决这种多样化能源和处理需求的关键。本文介绍了 SamurAI，这是一种多功能物联网节点，它通过利用两个片上子系统来弥补处理和能源方面的差距：低功耗、无时钟、事件驱动的始终响应 (AR) 部分和节能的按需 (OD) 部分。 AR 包含一个 1.7MOPS 事件驱动的异步唤醒控制器 (WuC)，唤醒时间为 207ns，针对零星计算进行了优化，而 OD 结合了深度睡眠 RISC-V CPU 和 1.3TOPS/W 机器学习 (ML)，可执行高达 36GOPS 的更复杂任务。这种架构分区实现了同类最佳的多功能性指标，例如峰值性能与空闲功率比。在应用分类场景中，它展示了系统功率增益，与基于云的处理相比高达 3.5 倍，从而延长了电池寿命。
电池储能系统和辅助服务市场
缩写：ACE，区域控制误差；aFRR，自动频率恢复储备；ASM，辅助服务市场；AUX，辅助设备；BESS，电池储能系统；BM，平衡市场；BtM，电表后；CHP，热电联产电厂；DAM，日前市场；DER，分布式能源；DtD，输送距离；E/P，能量功率比；EBGL，电力平衡指南；En，标称能量；ESS，储能系统；EU，欧盟；FtM，电表前；FRCE，频率恢复控制误差；GCT，门关闭时间；HVAC，供暖通风空调；IM，日内市场；KPI，关键绩效指标；kW，千瓦；MAE，平均绝对误差；mFRR，手动频率恢复储备；MW，兆瓦；MWh，兆瓦时； NP，非储备；NPP，非储备惩罚；Pn，标称功率；PV，光伏；qty，数量；REF，参考；RES，可再生能源；RMSE，均方根误差；RR，替代储备；SC，自发消费；SCADA，数据采集与监控；SoC，充电状态；TD，时间定义；TERRE，跨欧洲替代储备交易所；TIDE，电力传输综合测试；TSO，输电系统运营商；US，美国；η BESS，BESS 效率。* 通讯作者。电子邮箱地址：giuliano.rancilio@polimi.it (G. Rancilio)。
使用可逆的热泵/有机兰金循环对热整合的Carnot电池进行实验研究
可再生能源的生长需要灵活，低成本和有效的电气存储系统，以平衡能源供应和需求之间的不匹配。当电力生产大于需求时，用热泵（HP）将电能（或泵送的热能储能）转换为热能；当电力需求超过生产时，Carnot电池会从两个热存储库（Rankine模式）中产生电力。经典的Carnot电池体系结构的实现不超过60％的往返电效率。但是，使用废热回收（热集成的Carnot电池）的创新体系结构能够达到比热泵的电力消耗大于电动泵的电动循环的电力生产（功率为电力比率），从而提高了技术的价值。可以证明，这种技术的优化是电力最大化和功率功率比（取决于电价等）之间的权衡。在本文中，描述了使用可逆的热泵/有机兰金循环（HP/ORC）的热整合Carnot电池原型的完整开发。它包括选择名义设计点，体系结构，组件和尺寸的选择。第一次实验活动显示，圆形电能比为72.5％，ORC效率为5％（温度提升等于49 K），HP的COP为14.4（温度提升等于8 K）。此外，分析了主组件（体积机和热交换器）的性能。这些结果非常令人鼓舞，因为可以通过优化体积机，更大规模地工作，优化控制和热绝缘，可以轻松提高性能（可能高达100％的往返电能比率）。