XiaoMi-AI文件搜索系统
World File Search System系统验证
增强弹性的动态配电系统恢复策略：预印本
摘要 — 在电力配电系统中，分布式能源 (DER) 可充当可控电源，并支持公用事业运营商在极端天气事件（如飓风、地震、野火）后最大限度地减少停电，从而有助于增强电网的恢复能力。同时，极端事件的影响和 DER 的能力是动态的，难以预测。因此，所需的配电系统恢复策略应该能够根据实时故障/扰动信息和 DER 的可用性进行发展。在本文中，我们提出了一种新的动态配电系统恢复策略，以增强系统对潜在危险的恢复能力。开发了一种有效的重构算法来消除整数变量的使用，从而减轻计算负担。实施模型预测控制以根据更新的故障信息和 DER 预测来调整系统拓扑和 DER 操作设定值。通过IEEE 123节点测试系统验证了所提出的恢复模型在增强配电系统弹性方面的有效性。仿真结果还验证了所提出的恢复模型可以缓解意外事件的发生和DER的波动。
启动子的全基因组核小体分辨率图
摘要 增强子-启动子环路模型长期以来一直主导着基因调控领域，其中增强子通过物理接触激活其靶基因。然而，由于存在替代机制的证据以及缺乏系统验证（主要是由于缺乏合适的实验技术），该模型的普遍性受到了质疑。在本研究中，我们提出了一种新的基于 MNase 的邻近连接方法，称为 MChIP-C，该方法可以在基因组范围内以单核小体分辨率测量蛋白质介导的染色质相互作用。通过应用 MChIP-C 研究 K562 细胞中以 H3K4me3 启动子为中心的相互作用，我们发现与基于限制性内切酶的 C 方法相比，它具有大大提高的分辨率和灵敏度。这使我们能够将 EP300 组蛋白乙酰转移酶和 SWI/SNF 重塑复合物确定为建立和/或维持增强子-启动子相互作用的潜在候选者。最后，利用已发表的 CRISPRi 筛选数据，我们发现大多数经过功能验证的增强子确实与其同源启动子发生物理相互作用，支持增强子-启动子环路模型。
LimSim++：用于在自动驾驶中部署多模态LLM的闭环平台
摘要 — 多模态大型语言模型 ((M)LLM) 的出现为人工智能开辟了新途径，尤其在自动驾驶领域，它提供了增强的理解和推理能力。本文介绍了 LimSim++，它是 LimSim 的扩展版本，专为 (M)LLM 在自动驾驶中的应用而设计。考虑到现有仿真平台的局限性，LimSim++ 满足了对支持自动驾驶持续学习和提高泛化能力的长期闭环基础设施的需求。该平台提供长时间、多场景模拟，为 (M)LLM 驱动的车辆提供关键信息。用户可以参与即时工程、模型评估和框架增强，使 LimSim++ 成为一个多功能的研究和实践工具。本文还介绍了一个基线 (M)LLM 驱动的框架，该框架通过在不同场景中的定量实验进行了系统验证。LimSim++ 的开源资源位于：https://pjlab-adg.github.io/limsim-plus/ 。索引词——自动驾驶汽车、闭环仿真、大型语言模型、知识驱动代理
最终元素的部分笔划测试 - Samson AG
1. 符合 IEC 61511 的生命周期管理 IEC 61508/61511 的核心要素是功能安全管理。对于安全仪表系统 (SIS)，必须确定并实施安全生命周期的各个阶段。根据 IEC 61511-1 第 5 章图 8，这包括危害分析、安全功能分配以及安全系统的设计和工程等步骤。安装和调试后的系统验证以及系统操作和维护规则是非常重要的步骤。必须定义明确的维护策略。遗憾的是，制造商和运营商之间的讨论通常仅关注故障率（lambda 值）：假设对于符合 IEC 61511 而言，制造商能够为目标 SIL 提供适当的 lambda 值就足够了。但是，必须注意： • SIL 等级仅适用于完整的安全仪表功能。这一说法对专家来说似乎显而易见，但日常经验表明，这一点并不为人所知 • 故障率只是控制安全回路 SIL 等级的因素之一。实现 SIL 等级不仅仅是从制造商那里获得“可靠”设备的问题，而且图 1：控制 SIL 等级的因素
太阳能研究杂志（JSER）
通过添加太阳能和风能等可再生能源、先进的计量基础设施和储能系统，传统电网正在变成智能电网。为了防止智能电网的不经济运行并提高可再生资源的渗透率，需求响应 (DR) 方法对于降低峰值负荷和度过临界条件至关重要。在此背景下，本研究提出了一种关于 DR 的交流最优潮流 (AC-OPF) 问题的多目标优化。所提出的基于需求响应的 OPF 方法的新颖之处在于通过有功和无功功率同时参与 DR 来降低系统成本，考虑智能电网中交流网络和各种可再生能源的物理约束，并通过使用深度学习方法基于先前数据进行需求预测来提高计算精度。最后，使用 TOPSIS 法，根据多目标优化确定最佳 DR 值。使用改进的 IEEE 24 节点测试系统验证了所提出方法的有效性和弹性。结果表明,最优需求响应(20%)不仅实现了有功和无功功率的削峰填谷,而且使总电压偏差和系统成本最小化。
考虑需求响应的电力-氢能储能混合系统优化规划
摘要：近年来随着可再生能源发电技术的不断发展,分布式电源(DG)的使用比例过大导致配电网稳定性下降,同时传统配电网运行模式无法保持源荷平衡,而有源配电网(ADN)的运行模式可以有效减缓DG比例过高导致的运行稳定性下降。因此,本文提出了一种考虑需求响应(DR)的ADN电氢混合储能系统(ESS)规划双层模型。上层以负荷波动最小、用户购电成本满意度最大、用户舒适度最高为目标;基于电价弹性矩阵模型,得到下层ESS规划的最优电价制定策略;在下层,以ESS全寿命周期成本(LCC)、ADN电压波动、负荷波动最小为目标,得到最优ESS规划方案。最后采用MOPSO算法对模型进行测试，并通过扩展的IEEE-33节点测试系统验证了所提方法的正确性，仿真结果表明电压波动降低了62.13%，负荷波动降低了37.06%。
带储能的混合能源发电系统区间可靠性评估
针对供电可靠性模型中风电和负荷的不确定性，提出一种结合风电发电和储能系统的区间可靠性评估方法。首先，建立基于区间变量的区间供电可靠性评估模型，该模型属于区间混合整数规划（IMIP）。其次，利用区间数的可能度理论，将IMIP模型转化为2种极端情况下的确定性优化模型，在考虑风电区间满足负荷需求区间的情况下，通过储能和发电机的出力优化，寻求最大供电概率，即减负荷上界最小。最后，基于序贯蒙特卡罗模拟生成风电机组和发电机的状态，通过计算负荷期望损失、期望未供电能量和最大供电概率来评估混合能源发电系统的可靠性，为建立储能区间优化配置模型提供依据。利用IEEE RTS-24测试系统验证所提方法的性能，并利用CPLEX 12.7求解器对模型进行求解，仿真结果证明了所提方法的有效性和适用性。
使用提示自动生成建模元素...
智能技术系统（ITS）的开发需要高级方法，以满足不断增长的系统复杂性和各种利益相关者要求的种类。基于模型的系统工程（MBSE）已被证明是一种有前途的开发方法，可以应对不断增长的系统复杂性和提高企业敏捷性（Friedenthal 2023）。通常，系统工程（SE）致力于开发整体解决方案和集成系统组件以满足客户需求和功能（Hitchins 2007）。se首先定义系统要求，然后设计系统元素，合成和复杂系统验证（Walden 2023）。MBSE是基于文档的SE的扩展，其中有关系统的信息在系统模型中被形式化。这种以模型为中心的方法可以为跨学科系统开发所需的一致且可追溯的系统设计（Friedenthal 2023）。系统模型有助于更深入地了解系统需求与系统新兴属性，内部结构和行为之间的联系。建模使整合易于管理的不同观点的复杂性。系统模型是在研讨会中设计的，其中随后将模型数字化，或者使用建模工具直接以数字形式进行数字化（Tschirner 2016）。正式的建模语言，例如Sysml（Delligatti 2014），用于以正式的方式捕获系统设计。
模式识别信 - usiena air
尽管开发了用于合成图像归因的多种方法，但其中大多数只能归因于训练集中包含的模型或体系结构生成的图像，并且不适用于未知体系结构，从而阻碍了其在现实世界中的适用性。在本文中，我们提出了一个依赖暹罗网络来解决合成图像对生成它们的体系结构的开放设定归因的问题。我们考虑两个不同的设置。在第一个设置中，系统确定是否由相同的生成体系结构产生了两个图像。在第二个设置中，系统验证了用于生成合成图像的体系结构的主张，并利用由声明的体系结构生成的一个或多个参考图像。提出的系统的主要优势在于它在封闭和开放式场景中都可以操作的能力，以便输入图像（查询和参考图像）可以属于训练期间考虑的体系结构。实验评估包括各种生成架构，例如gan，扩散模型和变压器，重点关注合成面部图像产生，并在封闭和开放设定的设置以及其强大的概括能力中确认了我们方法的出色性能。
迭代变量重新排序：驯服庞大的系统家族*
对于使用模型检查技术进行的系统验证，基于二元决策图 (BDD) 的符号表示通常有助于解决众所周知的状态空间爆炸问题。基于符号 BDD 的表示也被证明可以成功分析出现的系统族，例如，通过可配置参数或遵循面向特征的建模方法。此类系统族的状态空间面临参数或特征数量的额外指数爆炸。众所周知，有序 BDD 中变量的顺序对于模型表示的大小至关重要。特别是对于从现实世界系统自动生成的模型，由于变量顺序错误，族模型甚至可能无法构建。在本文中，我们描述了一种称为迭代变量重新排序的技术，它可以构建大规模的族模型。我们通过一个具有冗余机制的飞机速度控制系统来证明我们的方法的可行性，该系统以概率模型检查器 P RISM 的输入语言建模。我们表明，标准重新排序和动态重新排序技术分别由于内存和时间限制而无法构建系列模型，而新的迭代方法则成功生成了符号系列模型。