XiaoMi-AI文件搜索系统
World File Search System多源
基于GA的置换逻辑，用于离岸多源可再生公园的网格集成
摘要：本文提出并分析了基于遗传算法的置换控制逻辑，该控制逻辑应用于离岸多源公园的聚合器。在反馈中考虑了共同耦合点处的能量损失。本文着重于海上分布的能源，例如光伏（PV），风和波浪功率。这项研究的主要贡献是对控制系统的开发，该控制系统能够单独跟踪需求曲线所施加的设定点，引入了近海流动PV/Wind/Wave Wave Power Farms的容量因素，以及将纯净的越野可再生能源揭育为潜在的无潜在储存源，作为潜在的无潜在储藏量。旧金山附近地点的案例研究结果表明，通过实施拟议的方法，能源损失和容量因素会积极影响。
EFMSDTI：基于多源数据有效融合的药物-靶标相互作用预测
准确识别药物靶标相互作用（DTI）对于理解药物治疗机制、发现治疗疾病的新药物具有重要意义。目前，结合药物和靶标多源数据的DTI预测计算方法可以有效降低药物研发的成本和时间。但在多源数据处理中，往往不考虑不同源数据对DTI的贡献，因此如何充分利用不同源数据对DTI预测的贡献进行有效融合是提高DTI预测精度的关键。本文考虑不同源数据对DTI预测的贡献，提出一种基于药物和靶标多源数据有效融合的DTI预测方法，即EFMSDTI。EFMSDTI首先基于多源信息网络构建15个相似度网络，根据药物和靶标的生物学特征将其分类为药物和靶标的拓扑和语义图。然后根据多网络对DTIs预测的贡献，采用基于相似性网络融合（SNF）的选择性和熵加权方法对多网络进行融合。深度神经网络模型学习药物和靶标的低维向量的嵌入。最后，采用基于梯度提升决策树（GBDT）的LightGBM算法完成DTIs预测。实验结果表明，EFMSDTI比几种最先进的算法具有更好的性能（AUROC和AUPR为0.982）。此外，它在分析前1000个预测结果方面具有良好的效果，而前1000个DTI中有990个得到了确认。代码和数据可在https://github.com/meng-jie/EFMSDTI获得。
使用脑电图信号的非线性动力学在相反的手移动下对主要手移动进行分类与海上风电场集成的多源系统的强大双级计划方法考虑预测错误
考虑了多种电源（MP）和能源存储（ES）的经济性，可靠性和产出特征，这是一个与海上风电场（OWFS）集成的多源系统及其建筑成本，以及运营和维护成本模型。该系统主要由OWF，热电厂，燃气轮机发电厂和抽水储存厂组成。鉴于电力系统和海上风力发电的经济性，提出了与OWF群集集成具有最佳总成本的客观功能的多源系统的双层最佳配置和操作调度方法。然后，提出了一种与OWF集成的多源系统的强大双级计划方法，该方法考虑了载荷和海上风能预测的双重不确定性，其中提出了分别通过改进的粒子群优化（PSO）算法和CPELX求解器来解决上层和下层模型。基于该方法，可以获得MPS和ES的成本优势能力配置和操作计划方案。最后，以山东省的OWF群体为例，以检查所提出方法的有效性和可行性。
多源系统中的能源管理
随着可持续发展和可再生能源技术目标的制定，多源系统领域取得了重大进展。多源系统通常被称为分布式发电系统和混合储能系统，它带来了许多机遇和技术挑战。多源系统中高效能源管理的重要性日益增加。随着电动汽车行业的发展，人们更加关注能源管理方法的研究和创新。鉴于此，仍然越来越需要开发更好的模型和能源管理算法来优化储能系统的能源性能，延长其生命周期。在国际能源署 (IEA) 净零排放情景中，能源效率起着关键作用。理想情况下，世界必须提高三分之一的能源效率。为了实现这一雄心勃勃的目标，必须大力提高能源效率，尤其是在建筑、交通和工业领域。在过去几年中，随着传感器和智能电表等联网设备的部署，我们实现了更好的测量，从而增强了控制。到 2030 年，市场需要超过 500 GW 的需求响应才能实现此情景下设定的目标。实现这些措施所需的技术包括高效热水系统、电动汽车智能充电和建筑能源管理系统。这些系统只需安装由能源管理算法控制的高效技术，即可节省 20-30% 的能源 [ 1 ]。因此，从已经制定的政策和情景中可以清楚地看出，我们需要详细研究并有效改进现有技术。大多数支持这些技术的系统已经开发出来，但仍有改进的空间。此外，对高效算法的需求也日益增加，以利用现有的资源。为了实现净零情景中的目标，研究人员需要关注当下到底需要什么。COVID-19 大流行大大减缓了这些技术的发展速度，需要再次加快步伐。本期特刊旨在为研究人员提供一个平台，让他们能够在 COVID-19 疫情期间研究和发表多源系统能源管理领域的研究成果。最近对储能系统老化评估的研究表明，在这一领域还有很多工作要做。[ 2 ] 提出了超级电容器老化特性和建模，其中考虑了电流纹波率、温度和循环因子的影响。在参考文献 [ 3 ] 中，作者针对的是类似的问题，但直接考虑了直流电流纹波的影响，而不是找到纹波率；这两项研究都考虑了超级电容器的电阻和电容随温度、电流纹波和充电状态的变化。[4] 中的电池老化特性遵循类似的原理，并将温度和直流电流纹波率的影响视为电池的热和电气约束。这些模型可用于预测由电气和热约束引起的电池退化程度。锂离子电池开路电压和充电状态特性的估计
利用多源数据和数字技术支持湄公河地区局部水体变化监测
摘要：针对受天气异常影响的干旱现象和水动态的高分辨率监测系统有限，这在多方面阻碍了政策决策。本文介绍了高分辨率水监测系统 (WMS) 的可用性，该系统由复杂的多光谱卫星图像、分析和数据科学以及云计算相结合开发而成，用于监测局部尺度上的水位变化和植被水分胁迫。WMS 在 2021 年 1 月至 2021 年 4 月（旱季）期间在湄公河下游地区 (LMR) 案例流域泰国的 Chi River 流域进行了测试。VHI、VCI、TCI 和 NDVI 干旱模拟结果的总体质量与水库和大坝水量数据呈现统计上的正 Pearson 相关性（介于 0.399 和 0.575 之间），但与地下水位数据呈现强烈的负相关性（介于 -0.355 和 -0.504 之间）。应考虑进一步研究和更详细地分析与地下水位变化相关的不同物理环境条件的影响，以增加科学知识和从当地视角了解当地系统变化性质的理解，并在数据贫乏地区使用干旱指数。我们的结果表明，WMS 可以提供局部和情境化地表水变化的定量时空变化作为初步分析。WMS 结果可以为寻找适合当地条件的更好的较小单元管理提供指导，例如水资源管理、灾害风险减少措施（即干旱和洪水）、灌溉实践、土地利用规划和作物管理。现有的 WMS 面向水和农业发展的早期预警、可持续发展目标的进展、数字创新的利用以及提高决策者更早、更准确地监测和预测极端天气事件的能力。
跨域脑电情绪识别的多源多表示自适应
由于脑电图 (EEG) 的非侵入性和高精度，EEG 和人工智能 (AI) 的结合经常被用于情绪识别。然而，EEG 数据的内部差异已成为分类准确性的障碍。为了解决这个问题，考虑到来自性质相似但不同领域的标记数据，领域自适应通常提供一个有吸引力的选择。大多数现有研究将来自不同受试者和会话的 EEG 数据聚合为源域，忽略了源具有一定边际分布的假设。此外，现有方法通常仅对齐从单个结构中提取的表示分布，并且可能仅包含部分信息。因此，我们提出了用于跨域 EEG 情绪识别的多源和多表示自适应 (MSMRA)，它将来自不同受试者和会话的 EEG 数据划分为多个域，并对齐从混合结构中提取的多个表示的分布。使用两个数据集 SEED 和 SEED IV 在跨会话和跨主题传输场景中验证所提出的方法，实验结果证明我们的模型在大多数情况下比最先进的模型具有更优越的性能。
降低消费者能源成本的储能和多源系统
本研究的目的是通过多种可用能源和储能系统降低消费者的能源成本。为了实现这一目标，我们开发了一种多标准分析方法，该方法考虑了需求方、实时价格和能源的可用性。换句话说，所开发的方法管理多源系统，从而为消费者节省开支。除了介绍该方法外，我们还将其应用于案例研究。我们考虑并模拟了一个拥有三种不同能源（包括电池储能）的真实消费者。这种情况包括太阳能发电、柴油发电机和电网。我们进行了模拟，结果表明，考虑到该方法的应用，消费者可以节省开支。主要结果是，在没有这种方法的情况下，能源成本降低了 33.3%。为了表明储能系统的使用情况，我们在模拟过程中展示了电池的充电状态。此外，通过另一项模拟，使用消费者的理论数据验证了该方法的稳健性。在这种情况下，消费者拥有储能系统、太阳能发电、沼气发电机和电网。在这种情况下，与没有这种方法的情况相比，能源成本降低了 30.2%。总之，结果表明，所开发的方法是有效的。在介绍的两个案例研究中，消费者节省了大量开支。
从多源移动健康数据中进行隐私保护联合抑郁症检测
摘要 抑郁症是最常见的精神疾病之一，且患者表现出的症状各异，导致在临床和病理研究过程中诊断困难。尽管研究者希望人工智能能够为抑郁症的诊断和治疗做出贡献，但传统的集中式机器学习方法需要汇总患者数据，而精神疾病患者的数据隐私需要严格保密，这阻碍了机器学习算法的临床应用。针对抑郁症医疗数据隐私问题，我们开展了一项联邦学习对抑郁症进行分析和诊断的研究。首先，我们提出了一个利用多源数据的通用多视图联邦学习框架，该框架可以扩展任何传统机器学习模型以支持跨不同机构或多方的联邦学习。其次，我们采用后期融合方法解决多视图数据时间序列不一致的问题。最后，我们将联邦框架与其他合作学习框架进行了性能比较，并讨论了相关结果。实验结果表明，在参与人员足够多的联邦学习情况下，抑郁评分预测准确率可达85.13%，相比本地训练提升约15%；在参与人员较少、数据量足够的情况下，抑郁评分预测准确率也能达到84.32%，提升率约为9%。
控制可再生能源以改善多源热泵系统的性能：两案研究
摘要：在新的和翻新的建筑物中，通常利用不同的能源来达到接近零的能源建筑目标。热泵和可再生能源是最常见的技术。不同组件与受控逻辑的耦合以利用所有能量贡献会导致隐含的设计复杂性。在本文中，报道了两项有关使用多源热泵系统的案例研究：作为主要的新颖性，与其他来源（地面热交换器，通风热量器，通风热恢复）相关的太阳能（热或光伏/热量）的正确设计是为了使能量在一年中绘制的能量，以使其在一年中的独立性，并在注射范围内绘制了一年的能量，并以此为基础。此外，模拟了相对复杂的（与常规的加热或冷却）系统，以控制多源热泵工厂。通过动态模拟，报告了植物设计，控制逻辑的设计，控制逻辑的设计以及两个原始的多源热泵系统的能量性能。在一种情况下，也可以使用实际测量数据。由于多源工厂的适当控制逻辑（基于测量的数据）和第一种情况下的第一种和第二种情况，获得了非常高的一级能量比（基于测量的数据）和4.7（基于模拟数据），获得了非常高的一级能量比。因此，分别确定了37和3.9 kWh m-2 y-1的不可再生的一级能量消耗。
具有需求响应和抽水蓄能的多源独立微电网优化管理的定量风险规避模型
摘要：高可再生能源集成的独立微电网需要从其他可调度资源获得更大的爬坡能力，以补偿系统中可用可再生能源的间歇性和可变性的影响。针对这一问题，提出了一种考虑需求响应和抽水蓄能的风电-太阳能-热电-水电耦合多源独立微电网（WSTHcMSSM），以利用多资源互补性来最大化运营利润并得到多源发电系统的最优解。在 WSTHcMSSM 中，我们通过彻底研究随机性和模糊性特性，提出了一种基于条件可信值 (CVaC) 的定量风险规避模型，用于不确定的风电和太阳能发电。此外，风电和太阳能波动引起的最严重问题发生在峰值负荷期间，本文提出了一种负荷分割方法来确定需求响应中的使用时间 (TOU) 以削减峰值负荷。为验证所提方法，进行了案例研究。从研究案例中发现，CVaC 可以很好地评估风能和太阳能集成的 WSTHcMSSM 中的不确定性。此外，WSTHcMSSM 可以有效探索多源互补的潜在灵活性，以促进可再生能源的渗透。