XiaoMi-AI文件搜索系统
World File Search System网微
标题：用于脑器官研究的反馈驱动的物联网微流体、电生理学和成像平台
摘要：组织培养物（尤其是脑类器官）的分析需要高度的协调、测量和监控。我们开发了一个自动化研究平台，使独立设备能够实现反馈驱动的细胞培养研究的协作目标。通过物联网 (IoT) 架构统一，我们的方法能够实现各种传感和驱动设备之间的持续通信交互，实现对体外生物实验的精确定时控制。该框架集成了微流体、电生理学和成像设备，以维持大脑皮层类器官并监测其神经元活动。类器官在定制的 3D 打印腔室中培养，这些腔室连接到商用微电极阵列以进行电生理学监测。使用可编程微流体泵实现定期进料。我们开发了计算机视觉液体体积估计方法，可实现高精度的抽吸培养基，并使用反馈来纠正培养基进料/抽吸循环期间微流体灌注的偏差。我们通过对小鼠大脑皮层类器官进行为期 7 天的研究验证了该系统，比较了手动和自动协议。自动化实验样本在整个实验过程中保持了强劲的神经活动，与对照样本相当。自动化系统可以每小时进行一次电生理记录，揭示了神经元放电率的显著时间变化，而这种变化在每天一次的记录中是观察不到的。
利用分布式电动汽车和光伏电池评估联网微电网应对极端天气事件的能力
$EVWUDFW ²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
正常条件下并网微电网日常运行的稳健模型
摘要：微电网 (MG) 旨在在发生重大事件时以孤岛模式为其承载的关键负载提供服务。然而，在正常情况下，当 MG 处于并网模式时，它们可能有机会通过优化能源资源的运行和适当参与批发市场来实现财务利润。本文提出了一个模型来优化 MG 参与市场和能源资源的运营。由于 MG 通常承载可再生能源资源，因此在不考虑不确定性的情况下做出决策可能会使 MG 面临风险。因此，该模型通过稳健优化技术考虑了与可再生分布式发电 (DG) 的发电、需求和市场价格相关的不确定性。该模型被表述为双层最大最小优化问题。该问题通过两个迭代步骤解决。在第一步中，遗传算法 (GA) 找到不确定参数的最坏情况，以使 MG 利润最小化。然后，求解混合整数线性问题，以最大化 MG 决策变量的利润，同时考虑第一步确定的值。迭代这些步骤以达到收敛到最佳解决方案。为了确认该方法的性能，将其应用于典型的 MG 并报告结果。
并网微电网储能系统的强化学习：在线与离线实施对比研究
摘要：由可再生能源、电池存储和负载组成的并网微电网需要适当的能源管理系统来控制电池的运行。传统上，使用离线优化技术，利用 24 小时的负载需求和可再生能源 (RES) 发电预测数据来优化电池的运行，其中电池操作（充电/放电/空闲）是在一天开始之前确定的。强化学习 (RL) 最近被建议作为这些传统技术的替代方案，因为它能够使用真实数据在线学习最佳策略。文献中提出了两种 RL 方法，即离线和在线。在离线 RL 中，代理使用预测的发电和负载数据学习最佳策略。一旦实现收敛，就会实时发送电池命令。这种方法类似于传统方法，因为它依赖于预测数据。另一方面，在在线 RL 中，代理通过使用真实数据实时与系统交互来学习最佳策略。本文研究了这两种方法的有效性。将具有不同标准差的高斯白噪声添加到真实数据中以创建合成预测数据来验证该方法。在第一种方法中，离线 RL 算法使用预测数据。在第二种方法中，在线 RL 算法与真实流数据实时交互，并使用真实数据训练代理。当比较这两种方法的能量成本时，发现如果真实数据和预测数据之间的差异大于 1.6%，则在线 RL 比离线方法提供更好的结果。
物联网微电子技术
随着强大技术的出现，微电子已成为我们日常生活中不可或缺的一部分。它们还用于医疗保健、环境监测、机器人或娱乐等广泛领域。这门微电子入门课程是为物联网 (IoT) 量身定制的，它教授如何使用微电子电路通过传感器与环境交互并与其他设备进行无线通信。它涵盖了传感器接口的评估和实现、数据转换、信号处理和设备通信等主题。这门定制课程自下而上，从介绍物联网微电子的基本构建块开始。然后，接着是系统和架构接口考虑。最后，学生有机会基于可用的微电子模块实现一个基本的物联网系统。本课程旨在为物联网应用提供关键微电子构建块的基本概念。学生将通过实际设计示例和案例研究获得使用可用微电子模块的实践经验。
并网微电网电池储能多目标优化运行规划
摘要 — 本文研究了由光伏 (PV) 系统和电池储能系统 (BESS) 组成的并网微电网 (GCMG) 在外部电源中断期间的预期业务连续性的评估。对于评估指标，采用关键负载的自供电持续时间和不间断自供电的成功率，并研究其与光伏容量和 BESS 初始电量的关系。此外，本文提出了一种新的 GCMG 中 BESS 的多目标优化运行规划方法。在微电网中同时考虑了存在权衡关系的运行成本和弹性。以从电网购买电力的成本作为运行成本指标，以切换到独立运行状态时微电网内停电持续时间作为弹性指标，制定多目标优化问题以确定 BESS 运行规划。对于优化方法，采用多目标粒子群优化 (MOPSO)。为了验证所提方法的有效性，进行了数值模拟，结果表明，所提方法获得的帕累托解有助于微电网运营商确定 BESS 运行计划，考虑运行成本和弹性之间的最佳平衡，满足其需求。