XiaoMi-AI文件搜索系统
World File Search System最优
已发布版本的引用 (APA)：Yaprakdal, F.、Yılmaz, MB、Baysal, M. 和 Anvari-Moghaddam, A. (2020)。深度神经网络辅助方法
摘要：大规模可再生能源发电的固有可变性给微电网能源管理带来了巨大困难。同样，人类行为对电价变化和季节变化的影响也会导致电力消耗的变化。因此，电力系统运行的正确调度和规划需要准确的负荷需求和可再生能源发电估计研究，尤其是短期（小时前、日前）。本研究考虑了总电力负荷和大容量光伏发电的时间序列变化，通过整合预测结果来促进可重构微电网短期最优运行调度框架中的供需平衡。基于双向长短期记忆单元的深度循环神经网络模型 DRNN Bi-LSTM 旨在提供准确的总电力负荷需求和大容量光伏发电预测结果。利用真实世界数据集来测试所提出的预测模型，结果显示，与调查文献中的其他方法相比，DRNN Bi-LSTM 模型表现更好。同时，研究了最优运行调度框架，同时制定日前最优重构计划和可控分布式发电单元的最优调度，将其视为最优运行解决方案。采用基本粒子群优化方法和选择性粒子群优化方法（PSO&SPSO）的组合方法，进行组合、非线性、非确定性多项式时间难（NP-hard）复杂优化研究，旨在最小化微电网在各种等式和不等式约束条件下的总无功功率损耗。包括光伏电源和柴油分布式发电机的可重构微电网测试系统用于最优运行调度框架。总体而言，本研究通过开发的 DRNN Bi-LSTM 模型，为具有电力需求和可再生能源预测的可重构微电网的最优运行调度做出了贡献。结果表明，采用深度学习辅助方法的可重构微电网最优运行调度不仅可以减少无功功率损耗，还可以以经济的方式改善系统。
消费异质性与货币政策...
我们探讨消费异质性如何影响货币冲击的国际传导机制以及开放经济中最优货币政策的选择。将两种类型的主体（李嘉图主义和凯恩斯主义）纳入标准开放经济宏观模型，我们发现，在相当大的家庭异质性范围内，货币政策变得无效，但这敏感地取决于总需求和相对价格效应的相互作用。我们推导出替代定价制度下具有家庭异质性的全球最优货币政策。在PCP下，PPI目标仍然是最优货币政策，可以使经济恢复到有效均衡。然而，在LCP下，消费异质性和货币错位的存在意味着CPI通胀目标在大多数情况下不再是最优的。最后，我们表明，当引入进口税和出口补贴等财政手段时，货币错位和消费异质性都可以消除，即使在LCP下，PPI目标也是最优货币规则。
无模型原始对偶网络优化方法及其在实时最优电力流中的应用：预印本
摘要 — 本文研究了网络系统的实时优化问题，并开发了在线算法，无需明确了解系统模型即可引导系统朝着最佳轨迹运行。该问题被建模为具有时变性能目标和工程约束的动态优化问题。算法的设计利用了在线零阶原始对偶投影梯度法。具体而言，涉及目标函数梯度的原始步骤（因此需要网络系统模型）被其零阶近似所取代，并使用确定性扰动信号进行两个函数评估。评估是使用系统输出的测量值进行的，从而产生反馈互连，其中优化算法充当反馈控制器。本文对这种互连的稳定性和跟踪特性提供了一些见解。最后，本文将该方法应用于电力系统中的实时最优潮流问题，并展示了其在 IEEE 37 节点配电测试馈线上进行参考功率跟踪和电压调节的有效性。
随机最优控制指导自适应癌症治疗
图 2：从初始状态 ( q 0 , p 0 ) = (0 . 26 , 0 . 665)（洋红色点）开始的具有确定性最优策略的随机驱动系统：(a) 确定性驱动系统 (2.2) 找到的最优轨迹，成本为 5 . 13；(b) 在确定性最优策略下生成的两个代表性样本路径，但受到随机适应度扰动的影响（较亮的一个成本为 3 . 09，而另一个成本为 6 . 06）；(c) 使用 10 5 随机模拟近似的累积成本 J 的 CDF。在 (a) 和 (b) 中，轨迹/路径的绿色部分表示不开药，轨迹/路径的红色部分表示以 MTD 速率开药。确定性情况下的价值函数的水平集以浅蓝色显示。在 (c) 中，蓝色实线是使用确定性最优策略生成的 CDF。其中位数（蓝色虚线）为 4.94，而成功条件下的平均值是 4.90。绿色实线是使用阈值感知策略生成的 CDF，其中 ¯ s = 4.50；红色实线是使用阈值感知策略生成的 CDF，其中 ¯ s = 4.94。
![arXiv:2204.04024v1 [cond-mat.stat-mech] 2022 年 4 月 8 日](/simg/3\3465770f76cbaee30ab99249168e851a5db89e1a.webp)
arXiv:2204.04024v1 [cond-mat.stat-mech] 2022 年 4 月 8 日
我们提供了低自相关二进制序列问题能量景观结构的最新视图，该问题属于 NP 难类的典型代表。为了研究感兴趣的景观特征，我们使用局部最优网络方法，通过穷举提取问题规模最大为 24 的最优图。使用几个指标来描述网络：最优的数量和类型、最优盆地结构、度和强度分布、通向全局最优的最短路径以及基于随机游走的最优中心性。总之，这些指标为低自相关二进制序列问题的难度提供了定量且连贯的解释，并提供了可用于优化启发式方法的信息，用于解决此问题以及具有类似配置空间结构的许多其他问题。
神经科学方法杂志
背景：要了解单个神经元中的信息编码，需要分析阈下突触事件、动作电位 (AP) 及其在不同行为状态下的相互关系。然而，由于突触事件的信噪比不佳、频率高、幅度波动和时间过程多变，检测行为动物的兴奋性突触后电位 (EPSP) 或电流 (EPSC) 仍然具有挑战性。新方法：我们开发了一种突触事件检测方法，称为 MOD（机器学习最优滤波检测程序），它结合了监督机器学习和最优维纳滤波的概念。要求专家手动对短时间的数据进行评分。该算法经过训练以获得维纳滤波器的最优滤波系数和最优检测阈值。然后使用最优滤波器处理评分和未评分的数据，并将事件检测为高于阈值的峰值。结果：我们在小鼠体内空间导航过程中用 EPSP 轨迹测试 MOD，并在增强递质释放的条件下用切片体外 EPSC 轨迹测试 MOD。受试者工作特征 (ROC) 曲线下面积 (AUC) 平均为体内数据集 0.894 和体外数据集 0.969，表明检测精度高、效率高。与现有方法的比较：当使用 (1 − AUC) − 1 指标进行基准测试时，MOD 在体内数据集上的平均性能比以前的方法 (模板拟合、反卷积和贝叶斯方法) 高出 3.13 倍，但显示出相当 (模板拟合、反卷积) 或更高 (贝叶斯) 的计算效率。结论：MOD 可能成为大规模实时分析突触活动的重要新工具。
采用随机稳健方法实现综合可再生能源发电厂和 CAES 的最优前瞻性战略投标/报价
摘要 如今，由于可再生能源资源的高渗透率和电力系统的重组，光伏电站 (PVPP) 和风力发电厂 (WPP) 作为可再生能源发电厂 (RPP) 可以参与电力市场。然而，RPP 的间歇性发电可能对这些发电厂的所有者构成挑战。为了缓解 RPP 不可预测和间歇性的发电问题，压缩空气储能 (CAES) 等储能系统可以成为一种合适的解决方案。本文研究了电力市场中综合 RPP 和 CAES 的最佳日前和前瞻战略供应和竞标。此外，还提出了一种随机稳健方法来建模可再生能源发电和电价不确定性。在 CPLEX 求解器下，在 GAMS 软件中制定了所提出的混合整数线性规划 (MILP)。研究了三个案例研究以验证所提出的方法。数值结果显示，在乐观策略下，RPP和CAES的协调者有更多机会参与电力市场，但在悲观策略下，由于电力市场价格较低，协调者参与电力市场的倾向与乐观策略相比并无增加。
不同需求变化情景下非洲农村离网光伏微电网长期最优扩容规划
本文使用实时负载数据和 HOMER Pro 的“多年”优化工具，研究了埃塞俄比亚离网农村地区过载光伏 (PV) 微电网 (MG) 带蓄电池在 20 年规划期内的长期成本最优容量扩展规划 (CEP)。考虑了三种不同的年度能源需求增长情景：0%（满足最低负载要求）、5% 和仅来自生产用户的 15%。在所有情景中，发电组合仅由太阳能组成，最大允许容量短缺 (MACS) 限制为 10%。研究结果表明，在所有情景中，最大的容量扩展是在电池和光伏系统上进行的，分别占总扩展成本的 73% 和 35%。扩展的 MG 系统的年未满足负荷比例从情景 3 的 5.9% 到情景 1 的 9.4% 不等，电力成本 (LCOE) 从情景 3 的 0.404 美元/kWh 到情景 1 的 0.887 美元/kWh 不等。结果表明，情景 3 的扩展路径相对具有成本效益并且具有最高的可靠性；但它仍然不能完全满足所需的负荷需求，并且在财务上不可行。令人惊讶的是，将情景 3 容量扩展的可靠性从 94% 提高到 100% 会使 MG 的净现值增加 37%。敏感性分析表明，MACS、环境温度和电池的放电深度显著影响容量扩展的成本和性能。研究表明 (a) 最小化 MG 扩展成本和最大化可靠性水平之间存在显著的权衡； （b）仅基于成本最小化的容量扩张，而不考虑关键约束和不确定性（需求、成本、光伏和电池退化），可能无法为严重的可靠性问题提供实用而健全的解决方案，（c）支持生产用户需求的容量扩张可以提高孤立 MG 的成本效益和可融资性。
具有噪声门的最佳量子态断层扫描
量子态断层扫描 (QST) 是量子处理器特性描述、验证和确认 (QCVV) 的重要工具。仅在少数理想化场景中，QST 的最优测量集才有解析结果。例如，在非退化测量设置中，QST 的最优最小测量算子集具有相互无偏的特征基。但是，在其他设置中，根据投影算子的秩和量子系统的大小，需要对高效 QST 的最优测量选择进行数值近似。我们通过引入定制高效 QST 框架来概括这个问题。在这里，我们扩展定制 QST，并在测量过程中应用的一些量子门有噪声的情况下寻找 QST 的最优测量集。为了实现这一点，我们使用了两种不同的噪声模型：首先是去极化通道，其次是单量子比特和双量子比特门的过度旋转和不足旋转（有关更多信息，请参阅方法）。通过将我们优化的 QST 测量集的重建保真度与仅使用乘积基的最先进的方案进行比较，我们证明了在实际噪声水平下使用纠缠门对两个量子比特的有效 QST 测量方案的好处。
