XiaoMi-AI文件搜索系统
World File Search System差分进化
基于差异进化的神经结构搜索脑血管分割
脑血管分析对于开发神经退行性疾病的新型治疗靶标至关重要。这样的准确分析不能手动执行，而需要半自动或完全自动化的方法。深度学习方法最近已证明对医学图像的自动分割和分析必不可少。但是，优化深度学习网络体系结构是另一个挑战。手动选择深度学习网络体系结构并调整其超参数需要大量的专业知识和精力。为了解决这个问题，文献中提出了探索具有高分从细分性能的更高效网络体系结构的神经体系结构搜索（NAS）方法。这项研究介绍了基于差异进化的NAS方法，其中提出了新的搜索空间以用于脑血管分割。我们选择了经常用于医学图像分割的两个架构，即u-net和注意U-net，作为NAS优化的基准。传统的差异进化和基于反对的差异进化与新型搜索空间一起用作NAS中的搜索方法。此外，我们进行消融研究并评估特定损失函数，模型修剪，阈值选择和概括性能对所提出模型的影响。实验是在提供335个单渠道8位灰度图像的两个数据集上进行的。这些数据集是公共体积脑血管系统数据集（CONSEINN）和我们自己的名为Kuvesg的数据集。所提出的NAS方法，即UNAS-NET和COATION UNAS-NET体系结构，就不同的分割指标而言产生了更好的分割性能。更具体地说，具有差分进化的UNAS-NET揭示了高骰子得分/敏感性值分别为79.57/81.48。此外，它们的推理时间比基线方法短9.15。
考虑储能系统和发电机运行和衰减成本的虚拟发电厂优化能源管理
摘要：尽管利用可再生能源 (RE) 发电和使用电动汽车 (EV) 实现交通电气化可以减少气候变化的影响，但可再生能源和电动汽车充电需求的不确定性对电力系统的能源管理仍是重大挑战。为了解决这个问题，本文提出了一种使用虚拟发电厂 (VPP) 概念的电力系统最佳能源管理方法，其中考虑了太阳能光伏 (PV) 和电动汽车充电站 (EVCS)。差分进化 (DE) 算法用于管理电力系统中的能源，以最大限度地降低发电机的运行成本以及储能系统 (ESS) 和发电机的退化成本。使用 MATLAB 程序中的 MATPOWER 工具在 IEEE 24 总线可靠性测试系统 (RTS 24) 上检查和测试了所提方法的有效性，以计算最佳功率流 (OPF)。在本研究中，考虑了应用所提方法之前和之后的两种情况。仿真结果表明，在使用 VPP 概念进行最佳能源管理之前会发生分支约束违规。为了解决这个问题，应用了使用 VPP 概念进行最佳能源管理的 DE 算法，将研究案例分为以下两个子案例。对于第一个子案例，考虑两个目标，即最小化发电机运行成本和最小化 ESS 中的电池退化成本。在第二种情况下，考虑三个目标，包括上述两个目标和最小化发电机退化成本。结果表明，应用使用 VPP 概念的最佳能源管理可以避免分支约束违规。本研究还建议在目标函数中考虑发电机退化成本，与第一种情况的总成本相比，这可以将每天的总成本降低 7.06%。
日本 100% 可再生能源
低成本的太阳能光伏和风能为深度能源脱碳提供了可靠且经济的途径，而能源脱碳占全球排放量的四分之三。然而，大规模部署太阳能光伏和风能需要空间，对于人口密集、人均能源消耗高的国家来说可能具有挑战性。本研究以日本为例，探讨了可再生能源未来的作用。使用代表性需求数据和历史气象数据，提出了一个假设的 100% 可再生日本电力系统的 40 年每小时能源平衡模型。包括抽水蓄能、高压互联和可调度容量（现有的水电和生物质能以及由削减电力生产的氢能）以平衡可变发电和需求。差分进化用于在各种约束条件下寻找成本最低的解决方案。这项研究表明，日本的太阳能和海上风能资源是供应 100% 可再生电力所需的 14 倍，并且拥有巨大的离河抽水蓄能容量。假设未来几十年，在当地大规模部署和全球可再生能源发电成本趋同的推动下，太阳能光伏和海上风电的成本将大幅降低至全球标准，那么以太阳能为主的系统平准化电力成本为 86 美元/兆瓦时，以风能为主的系统平准化电力成本为 110 美元/兆瓦时。这些成本可与日本现货市场 2020 年平均系统价格 102 美元/兆瓦时进行比较。在日本，平衡 100% 可再生电力的成本在各种情况下介于 20 至 27 美元/兆瓦时之间。总而言之，只要克服日本大规模部署太阳能光伏和海上风电的障碍，日本就可以以具有竞争力的成本实现电力供应自给自足。