随着可再生能源的广泛部署,未来的电网变得更容易受到极端环境的影响。本文调查了在紧急情况下具有可再生能源较高渗透率的功率系统的弹性。通过正确协调可用资源,将弹性增强的提高定义为在固定数量的污水架时期内维持同样多的电能到固定数量的污水架时期。然后,提出了一种最佳的决策方法,以最大程度地提高临界负载的电源,并由于可再生能源的输出功率随机性而使不稳定风险最小化。在每个时期内,电源储能工厂的功耗,电源存储工厂的充电/放电电力,发电机的产生和储备储备比旋转比率被视为决策变量。约束包括旋转储备,功率限制和功耗/发电限制。内点算法用于解决公式的优化问题。数值模拟验证了提出的优化方法在提高灾难后的网格弹性方面的有效性和优势。还发现,应在降低稳定风险和在极端环境中增加电源的利益之间寻求平衡。
新型冠状病毒肺炎 (COVID-19) 大流行在世界范围内导致死亡率飙升。因此,为了对抗这种疾病,我们采用免疫信息学方法设计了一种来自严重急性呼吸道综合征冠状病毒 2 (SARS-CoV-2) 的各种蛋白质的多表位疫苗,并通过计算机模拟验证其稳定性、无过敏性和抗原性。我们通过计算预测了在全球分离的四种病毒株中保守的六种蛋白质序列的细胞毒性 T 细胞 (TC )、辅助 T 细胞 (TH ) 和 B 细胞表位。疫苗构建体中包含与 B 细胞表位重叠的 T 细胞表位,以确保体液和细胞介导的免疫反应。在构建体的 N 端添加了霍乱毒素的亚基作为佐剂以增加免疫原性。疫苗中甚至预测了干扰素-γ 诱导表位。分子对接和结合能学研究表明,疫苗与免疫刺激性 Toll 样受体 (TLR) -2、3、4 有强烈的相互作用。疫苗的分子动力学模拟确保了生物系统中的体内稳定性。疫苗的免疫模拟表明免疫反应增强。利用计算机克隆方法确保了疫苗在表达载体中的有效翻译。当然,这种潜在的疫苗构建体可以可靠地有效对抗 COVID-19。
虚拟超级光学元件可重新选择群(遮阳板)任务是一个分布式的示波器,由两个6U立方体组成,分别由40米隔开,可在极端紫外线中获得活跃太阳能区域的高分辨率图像。此任务具有挑战性,因为立方体必须在近距离接近时以前所未有的能力自主控制其相对运动。本文提出了三项贡献,使遮阳板使命能够满足其具有挑战性的要求。首先使用相对偏心/倾斜矢量分离开发了提供常规对齐期与惯性目标的分布式望远镜的被动绝对和相对轨道设计。第二,提出了指导,导航和控制系统设计,以满足苛刻的相对运动控制要求。第三,提出了一个操作概念,该概念在编队没有积极执行观察值时最小化任务操作负载。此操作概念包括解决轨道异常的安全计划。通过蒙特卡洛模拟验证了指导,导航和控制系统的性能,包括所有明显的错误源和操作约束。这些模拟表明,达到了任务要求,提供了对Cubesats准确自主形成控制的可行性的初步证明。
新兴的量子计算利用量子现象有望显著提高特定任务的运行速度,这引起了越来越多研究人员将量子计算纳入其研究领域的兴趣。考虑到目前的数据库系统在传统计算机上存储和处理大型数据集时遇到困难,我们可以尝试使用量子计算机来处理大数据,从而显著减少存储需求并提高各种数据库操作和分析的速度。然而,为了在量子计算机上支持 RDBMS 的关系表,关系数据需要以量子兼容的格式表示。在本文中,我们提出了两种存储方法,量子列导向存储 (QCOS) 和量子行导向存储 (QROS),专门用于在通用量子计算机上存储关系表。我们对这两种存储方法中量子比特和量子门的成本进行了理论分析和模拟验证。结果表明,两种存储方法的量子比特成本都随着数据量的增加呈对数增长趋势。此外,这两种方法都保持了对 𝑀𝐶𝑇 门的线性要求。我们在 IBM 的各种真实量子机器上进行了大量实验,结果表明我们的方法可以使现有设备保存数据集。
摘要 - 尽管在边缘应用中广泛采用了视力传感器,例如监视,视频数据的传输会消耗大量频谱资源。Semantic Communication(SC)通过在语义层面提取和压缩信息,提供传输数据的准确性和相关性,同时大大减少传输信息的量,从而提供了解决方案。但是,由于缺乏感应能力,传统的SC方法由于在边缘视频中反复传输静态帧而面临效率低下,这会导致频谱效率低下。为了应对这一挑战,我们建议使用计算机视觉传感(SCCV)框架进行EDGE视频传输的SC。框架首先引入了压缩比(CR)自适应SC(CRSC)模型,能够根据帧是静态还是动态的,能够调整CR,并有效地保存光谱资源。此外,我们实施了一个对象检测和语义分割模型启用的传感(OSMS)方案,该方案可以智能地感知场景中的变化并通过封闭式分析评估每个帧的重要性。因此,OSMS方案根据实时感应结果为CRSC模型提供CR提示。此外,CRSC和OSM都设计为轻量级型号,可确保与实用边缘应用中常用的资源受限传感器的兼容性。实验模拟验证了所提出的SCCVS框架的有效性,证明了其提高传输效率的能力而无需牺牲关键的语义信息。
我们提出了量子选择配置相互作用 (QSCI),这是一类混合量子经典算法,用于计算噪声量子装置上多电子哈密顿量的基态和激发态能量。假设可以在量子计算机上通过变分量子特征值求解器或其他方法准备近似基态。然后,通过在计算基础中对状态进行采样(这对于经典计算来说通常很难),可以识别出对再现基态很重要的电子配置。在经典计算机上,将这些重要配置所跨越的子空间中的哈密顿量对角化,以输出基态能量和相应的特征向量。可以类似地获得激发态能量。由于噪声量子装置仅用于定义子空间,因此结果对统计和物理错误具有鲁棒性,并且即使存在此类错误,所得的基态能量也严格满足变分原理。由于子空间中的显式特征向量是已知的,因此还可以估算出各种其他算子的期望值,而无需额外的量子成本。我们通过数值模拟验证了我们的提议,并在一个 8 量子比特分子汉密尔顿量的量子设备上进行了演示。通过利用具有几十个量子比特的量子设备,并借助高性能经典计算资源进行对角化,所提出的算法有可能解决一些具有挑战性的分子问题。
摘要:本文指的是主要出现在分销网格中的问题,其中可再生能源(RES)被广泛安装。在此类网格中,主要问题之一是能源生产时间与需求时间的协调,尤其是在存在光伏能源的情况下。要面对这个问题,可以安装电池能量存储单元(ESU)。近年来,越来越多的关注以优化ESU的使用。本文包含用于应用ESU的可用解决方案的简单描述,以及选择ESU的最佳位置和控制的原始建议。ESU选择方法基于遗传算法的使用,ESU控制方法利用模糊逻辑。ESU应用程序的上述方法 /算法的组合称为集成算法。使用真实的低压网格模型,通过多元计算机模拟验证了所提出的算法的性能。采用了挖掘功率环境来开发集成算法的仿真模型。该建议用于提高分布网格中的电压水平并安装ESU的最佳数量。基于选定的负载程序的每日载荷变化,结果表明,在ESU应用程序后,分析网络中的电压偏差受到显着限制。此外,分析证明,从降低总体成本的角度来看,ESU在网格中的位置及其主动和反应能力的控制都很重要。
AC 27-1B 和 AC 29-2C 中的指导不包含姿态系统的安装性能标准。AC 20-181 和 RTCA/DO-334 确实定义了不使用万向节传感器的捷联式 AHRS 的最低操作性能标准。但是,这些标准在 AC 27-1B 或 29-2C 中没有引用。不使用万向节传感器的捷联式 AHRS 系统的使用增加,其中可能包括校正对数,从固定翼过渡到旋翼机设计。这种转变给旋翼机安装带来了一些性能挑战。其中一些设计使用了固态加速度计(每个飞行轴一个),难以区分旋翼机运动和安装平台的正常振动频谱。此外,所使用的某些对数依赖于参数,在旋翼机低速环境中,这些参数会导致不可接受的误差。其他垂直起降飞机(如倾转旋翼机)也可能存在类似问题。DO-334 还定义了与传统旋翼机相关的可接受机动;但是,这可能不涵盖其他类型 VLOAL 的所有适当飞行测试参数,即:倾转旋翼机转换模式。在这些情况下,可能需要一份问题文件来定义额外的飞行测试机动。DO-334 表 2-1 定义了安装姿态性能的可接受性能标准,针对表 3-1 中定义的机动的动态条件类别 A5。除了表 2-1 中定义的机动之外,倾转旋翼机可能还需要其他机动。对于旋翼机/倾转旋翼机安装,DO-334 附录 A - 使用模拟验证设备性能是不可接受的。
摘要:CMOS 微电子设计在过去二十年中发生了巨大的变化。CMOS 器件向特征尺寸小于 1000 nm 的短通道设计演变,给微电子设计周期的完成方式带来了很大的不确定性。在概念构思之后,开发一个思维模型来理解器件的运行需要对晶体管尺寸、决策和假设进行良好的“大致”评估,以满足规格。此设计过程经过迭代以满足规格,其数量超过了可用于操纵设计的自由度。思维模型开发完成后,接下来进行模拟验证,以测试设计是否具有交付成功原型的良好可能性。如果模拟提供了规格和结果之间的良好匹配,则开发布局。本文展示了一种有用的开放科学策略,即使用 Excel 软件开发 CMOS 微电子手工计算来验证设计,然后再执行 CMOS 模拟集成电路的计算机模拟和布局。本文介绍了开发无源元件以及 CMOS 放大器设计的完整方法。这些方法用于在工业合作伙伴的参与下向电子工程专业的学生教授 CMOS 微电子学。本文介绍了一个低压运算跨导放大器 (OTA) 设计的详尽示例,该设计用于设计仪表放大器。最后,使用该仪表放大器进行测试,以实现用于 CMOS-MEMS 生物医学应用的前端信号调节设备。
分布式可再生能源 (RES) 的普及率不断提高,加上新型电动汽车 (EV) 型号注册数量不断增加,在零碳能源社区的发展中发挥着重要作用。然而,间歇性可再生能源发电厂的份额越来越大,再加上高且不受控制的电动汽车充电需求总量,要求能源区必须向新的规划和管理模式发展。因此,在这种背景下,本文提出了新颖的智能充电 (SC) 技术,旨在尽可能多地在当地整合 RES 发电和 EV 充电需求,协同作用于电力流并避免对电力系统产生不利影响。为了实现这一点,本文介绍了一种集中式充电管理系统 (CMS),该系统能够单独调节每个插电式电动汽车的充电功率。CMS 旨在最大限度地提高本地 RES 的充电自耗,从而拉平外部电网所需的峰值功率。此外,即使在低 RES 电力可用性条件下,CMS 也能保证所有车辆在出发时的整体充电状态 (SOC) 良好,且无需从电网获取额外能量。本文提出了两种根据 EV 功率流方向而不同的方法。第一种 SC 仅涉及单向功率流,而第二种方法还考虑车辆之间的双向功率流,以车对车 (V2V) 模式运行。最后,根据实际案例研究进行的模拟验证了 SC 对参考场景的影响,该参考场景包括具有光伏 (PV) 电站、非模块化电气负载和 EV 充电站 (CS) 的工业区。本文收集了结果,并比较和详细描述了通过操作不同的 SC 方法实现的性能改进。