摘要 — 无线网络的未来发展方向是释放智慧城市应用中虚拟化和数字化服务所提供的机遇,旨在提高体验质量(QoE)并为现代城市带来多种优势。根据网络虚拟化领域的快速发展,我们预见未来的智慧城市将无处不在地部署由人工智能(AI)控制的虚拟化组件,即数字孪生(DT)范式的概念化。DT 的关键原理依赖于创建无线网络元素的整体表示,除了将与物理对象和动态相关的信息解耦为信息孪生之外,还依赖于创建无线网络元素的整体表示。然后,信息孪生将利用这些信息进行 AI 模型训练,然后进行推理和决策操作,然后将这些操作反映到物理环境中,以提高可持续性。受此启发,我们在本文中提出了将数字孪生技术融入智慧城市应用的前瞻性愿景,以及无线技术作为数字孪生技术的推动者与推动者所发挥的相互交织的作用。此外,我们勾勒出路线图,以确定数字孪生技术在 6G 智慧城市中的局限性,并为不同设计方面的进一步发展开辟新视野。
基于全基因组测序的链霉菌属的表征。 6(4):关注天然产品1 2 MarcelaProençaBorba1(0000-0003-4909-969X),JoãoPaulowitusk 1,DéboraMarchesan Cunha 1,Daiana deiana de Lima- 3 Mora-3 Morales 2,3 591-6514)4 5 1-农业和环境微生物学的研究生课程,基本健康科学研究所,6联邦大学里奥格兰德大学,巴西Porto Alegre,巴西Porto Alegre 7 2-生物信息知识从Porto Alegre开始阿雷格里、南里奥格兰德州、阿雷格里港、巴西 10 11 通讯作者:Marcela Proença Borba(ceh.proenca@gmail.com) 12 13 关键词 14 次生代谢产物、基因组挖掘、放线菌、生物合成基因簇、植物病原真菌。 15 16 数据摘要 17 该全基因组霰弹枪项目已存入 DDBJ/ENA/GenBank,登录号为 18 VIFW00000000。由于核苷酸序列数量巨大,在整个手稿和在线资源的补充数据中发现了数据库登录号。 20 21 摘要 22 我们对链霉菌属的整个基因组进行了测序。 6(4)是从番茄根部分离得到的,对植物病原真菌具有抗真菌活性,主要针对番茄根结线虫(Bipolaris sorokiniana)。该基因组有近 7 Mb 和 24 3,368 种假设蛋白质,这些蛋白质在 Uniprot 中进行了分析和表征,重点是 25 种生物化合物。为了表征和鉴定该分离株,进行了 MLST 分析,最终得到一种新的 ST,26 归类为 ST64。构建了表型和系统发育树来研究链霉菌属。 6(4)进化27和序列相似性,该分离株是与Streptomyces prasinus和Streptomyces viridosporus更接近的菌株。已知链霉菌属具有强大的代谢能力,并且存在隐秘基因。这 29 个基因通常以簇的形式存在,负责生产多种天然产物,其中主要是抗生素。此外,6(4)显示通过反SMASH扩增出11个生物合成基因簇,其中包括3个簇31PKS和NRPS类型。 32 33 34 简介 35
摘要 — 本文对一个可 100% 使用可再生能源运行的真实微电网进行了暂态稳定性研究,以便更好地了解微电网在各种动态场景下的稳定性和可靠性。特别是,在这种电力系统中,多个电网形成 (GFM) 和电网跟踪 (GFL) 逆变器在孤岛和黑启动等动态运行条件下的运行情况尚不清楚;因此,本文开发了微电网的电磁暂态模型,以研究系统在各种动态运行条件下的稳定性并识别潜在的可靠性风险。使用高精度模型的 PSCAD/EMTDC 仿真有助于深入了解 GFM 和 GFL 逆变器的最佳运行模式以及微电网的稳定性和可靠性。它还可以为现场部署提供逆变器控制参数和协调以及黑启动和计划外孤岛的预期性能方面的信息。
1 国家可再生能源实验室综合移动科学中心,科罗拉多州戈尔登 80401;电子邮件:Stanley.Young@nrel.gov 2 国家可再生能源实验室计算科学中心,科罗拉多州戈尔登 80401;电子邮件:Erik.Bensen@nrel.gov 3 北卡罗来纳大学夏洛特分校系统工程与工程管理系,北卡罗来纳州夏洛特 28223;电子邮件:Lei.Zhu@uncc.edu 4 爱荷华州立大学土木、建筑与环境工程系,爱荷华州埃姆斯 50011;电子邮件:cmday@iastate.edu 5 自动移动系统有限责任公司,德克萨斯州休斯顿;电子邮件:jsamlott.amsllc@gmail.com 6 国家可再生能源实验室国家风能技术中心,科罗拉多州戈尔登 80401;电子邮件:Rimple.Sandhu@nrel.gov 7 国家可再生能源实验室计算科学中心,科罗拉多州戈尔登 80401;电子邮件:Charles.Tripp@nrel.gov 8 国家可再生能源实验室计算科学中心,科罗拉多州戈尔登 80401;电子邮件:Peter.Graf@nrel.gov
摘要 - 为建筑物的负载提供电力的能源系统基础设施需要弹性才能承受和从极端停电中恢复(例如,在恶劣天气事件中,数以百万计的人无力的网格故障)。建筑物水平的电气配电系统(BEDS)从建筑物的能源(包括网格,太阳能光伏(PV)面板和电池)中分发功率,包括照明,HVAC和插头负载。带有存储的床可以通过在中断期间向关键负载分配当地电力来提供弹性。需要定量指标来评估与新床和存储系统技术相关的弹性改进。在本文中,我们将现有的度量(POSC)(POSC)应用于存储的床并提出改进POSC的新型指标。通过基于模拟的案例研究,我们演示了这些指标如何受床设计的影响以及如何使用它们来设计弹性系统。索引条款 - 建筑物,弹性,发电机分配,指标。
摘要 — 随着美国可再生能源渗透率的提高,通过提供足够的频率控制能力来维持低惯性电网的稳定性和可靠性成为一项挑战。先进的抽水蓄能技术 (APSH) 不仅作为能源供应商,而且作为辅助服务提供商,有望在未来电网中发挥重要作用。本文研究了使用四元抽水蓄能水电 (Q-PSH) 作为新提出的 APSH 技术之一来提供一次频率响应的影响。为了量化 Q-PSH 对美国西部互联频率响应的影响,在 GE 正序负荷流 (PSLF) 平台上开发了一个用户定义的 Q-PSH 动态模型,并在一系列详细的美国西部电力协调委员会 (WECC) 规划案例中实施,其中可再生能源渗透率分别为 20%、40%、60% 和 80%。仿真结果表明,与传统 PSH 相比,Q-PSH 有助于改善频率最低点和稳定频率。
摘要 — 在灾难事件发生频率越来越高的情况下,一个典型的情况是关键基础设施 (CI) 单元由可用的备用电源支持,而电网较弱,可能会间歇性或缺失。这种情况在为 CI 单元提供可靠的电力供应方面具有重大挑战性。在本文中,开发了一种智能优化方案,称为生存力范围 (HoV) 引擎,以保证在一段时间内持续、可靠地为 CI 单元供电。所提出的 HoV 引擎使用混合整数凸规划问题在一段时间内生成本地可用发电源和负载的成本最优组合。开发了一个控制器硬件在环 (CHIL) 平台来评估 HoV 引擎的控制性能。实验结果证实了在电网中断事件后维持 CI 单元生存力的有效性。此外,所提出的 HoV 优化方案比文献中现有的净负载管理方案表现更好。索引词——灾害恢复力、发电调度、负荷管理、微电网、混合整数规划。
高工作量飞行期间彩色编码平视飞行符号系统的工作量优势 Blundell, J., Scott, S., Harris, D., Huddlestone, J.& Richards, D. 作者印后 (已接受) 存放于考文垂大学资料库 原始引用和超链接:Blundell, J, Scott, S, Harris, D, Huddlestone, J & Richards, D 2020, '高工作量飞行期间彩色编码平视飞行符号系统的工作量优势', Displays, vol.65, 101973。https://dx.doi.org/10.1016/j.displa.2020.101973 DOI 10.1016/j.displa.2020.101973 ISSN 0141-9382 出版商:Elsevier © 2020,Elsevier。根据 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International 许可 http://creativecommons.org/licenses/by-nc-nd/4.0/ 版权所有 © 和道德权利由作者和/或其他版权所有者保留。可以下载副本用于个人非商业研究或学习,无需事先许可或收费。未经版权持有人书面许可,不得复制或大量引用本项目。未经版权持有人正式许可,不得以任何方式更改内容或以任何格式或媒介进行商业销售。本文档是作者的印刷后版本,包含同行评审过程中商定的任何修订。已发布版本和此版本之间可能仍存在一些差异,如果您想引用已发布版本,建议您查阅已发布版本。
摘要 —本文研究了带有异步传感器的配电网的状态估计问题,该配电网由具有多种采样和报告率的智能电表和相量测量单元 (PMU) 组成。我们考虑了两种独立的状态估计和跟踪场景,状态为电压或电流。利用这两组数据,我们研究了 (a) 完整数据(假设所有测量值均可用)和 (b) 有限数据(采用在线算法方法通过在可用时处理测量值来估计可能随时间变化的状态)下的估计。所提出的算法受到经典随机梯度下降 (SGD) 方法的启发,根据先前的估计和新获得的测量值更新状态。最后,我们通过 IEEE-37 测试网络上的数值模拟证明了估计和跟踪的有效性,同时还强调了以电流为状态的估计如何导致更快的收敛。
本文部分内容由美国国家可再生能源实验室撰写,该实验室由可持续能源联盟有限责任公司为美国能源部 (DOE) 运营,合同编号为 DE-AC36-08GO28308。本文部分内容由美国高级研究计划局能源部 (ARPA-E) 设计智能促进大幅节能减排和实现全新、极具影响力的先进技术增强 (DIFFERENTIATE) 计划提供资金。本文表达的观点不一定代表美国能源部或美国政府的观点。美国政府保留;且出版商在接受发表本文时,即承认美国政府保留非独占、已付费、不可撤销的全球许可,可以出于美国政府目的出版或复制本文的已出版形式,或允许他人这样做。