XiaoMi-AI文件搜索系统
World File Search System计算负担
基于人工神经网络的工具在电力电子可再生能源高渗透电力系统中的短路电流估计应用
摘要 基于电力电子 (PE) 的可再生能源越来越多地融入电力系统，与以同步发电机组为主的电力系统中的故障电流相比，对故障电流的传统水平和特性产生了重大影响。可再生能源丰富的电力系统的安全运行需要对高可再生能源份额的各种场景中的故障电流进行适当的估计。虽然使用详细而复杂的时域动态模拟可以计算故障电流，但从操作角度来看，由此产生的建模复杂性和计算负担可能不够。因此，有必要开发替代的更快的数据驱动故障电流估计方法来支持系统操作员。为此，本文利用基于人工神经网络 (ANN) 的工具来估计电力电子可再生能源渗透率高的电力系统中的短路电流特性。使用 DIgSILENT PowerFactory 离线生成针对不同可再生能源渗透率的短路，同时考虑可再生能源的控制要求（例如，故障穿越要求）。生成的数据集用于训练 ANN，以提供渗透水平与短路电流特性之间的映射。使用改进的 IEEE 9 总线测试系统应用该方法证明了其有效性，可以仅基于基于电力电子的可再生能源的渗透率高精度地估计短路电流（亚瞬态电流、瞬态电流和峰值电流）的分量。
使用单比例因子自适应卡尔曼滤波器进行纳米卫星容错姿态估计
1 伊斯坦布尔技术大学航空航天学院，34469 伊斯坦布尔，土耳其，收到日期：2022 年 3 月 24 日 修订日期：2022 年 6 月 8 日 接受日期：2022 年 6 月 20 日 摘要 Özet 在本研究中，提出了一种集成自适应 TRIAD/扩展卡尔曼滤波器 (EKF) 姿态估计系统，其中 TRIAD 和自适应 EKF 相结合以估计纳米卫星的姿态。作为系统的第一步，TRIAD 算法利用磁力计和太阳传感器测量结果产生初始粗四元数估计，然后将该粗估计直接输入到自适应 EKF。将姿态信息直接输入到滤波器相对减少了 EKF 带来的计算负担。作为系统的第二步，自适应 EKF 滤波 TRIAD 解并给出最终的四元数估计。同时，自适应 EKF 在传感器故障时使用单个缩放因子 (SSF) 重新调整测量噪声协方差矩阵，使整个系统对传感器故障更具鲁棒性。进行了几次模拟，并针对两种不同的故障类型（即姿态传感器中的噪声增量和连续偏差）测试了所提出的系统的性能。
在Multi ...
摘要 - 近年来，有效利用Edge服务器来帮助车辆处理计算密集型和潜伏期敏感的任务已成为车辆边缘计算（VEC）中的关注点。在本文中，我们采用了一种合作方法，该方法利用了多个边缘服务器的集体功能。此策略旨在有效管理任务并减轻对这些服务器施加的计算负担。具体来说，图形神经网络（GNN）被应用于提取和分类功能，例如多个边缘服务器的地理位置和通信状态，从而可以选择最合适的服务器进行协作任务执行。我们已经利用太阳能进行了本地计算，有效地实现了环境保护并减轻了车辆的当地能源负担。此外，定义了一种新颖的边缘吸引公式来完善聚类的合理性。此外，还采用了深入的加固学习（DRL）来实时下载决策。为了确保在减轻成本的同时实验准确性，我们建立了相应的数字双胞胎环境来获取实验数据。通过对其他三种基线方法进行比较分析，我们有效地减少了任务完成时间，从而满足了时间敏感任务的严格要求。索引术语 - 行驶边缘计算，车辆互联网，数字双胞胎，任务卸载，图形神经网络，深度强化学习
3DProtDTA：基于残基水平蛋白质图的药物靶标亲和力预测的深度学习模型
管道。在这方面，评估药物靶标结合能力 (DTA) 的计算方法非常有趣 4，因为 DTA 通常被认为是预测药物效果的最佳指标之一。准确预测 DTA 对于筛选出低效分子并防止其进入临床试验至关重要，因此近年来开发了大量计算 DTA 技术。最准确的 DTA 计算估计可以通过原子分子动力学模拟（经典、量子或混合）与计算配体结合自由能的现代技术之一相结合获得。5 然而，准确性是以非常高的计算需求为代价的，这使得这些方法通常不适用于大规模虚拟筛选。这就是为什么在现代药物发现中估计 DTA 的常用方法是分子对接，它在准确性和计算效率之间提供了合理的折衷。 6 然而，人们普遍认为，分子对接中使用的经验评分函数已经接近实际的准确度极限，如果不引入额外的计算负担，这一极限不太可能得到改善。为了解决这些缺点，开发了用于确定 DTA 的经典机器学习 (ML) 方法。这些方法不依赖于计算目标蛋白质和配体之间的物理相互作用。它们纯粹基于知识，依赖于类似配体倾向于
量化脉动阵列 DNN 加速器中激活故障可靠性的探索
摘要 — 深度神经网络 (DNN) 加速器可靠性的严格要求与减少硬件平台计算负担的需求相伴而生，即降低能耗和执行时间以及提高 DNN 加速器的效率。此外，对具有定制要求的专用 DNN 加速器的需求不断增长，特别是对于安全关键型应用，这需要进行全面的设计空间探索，以开发出满足这些要求的高效且强大的加速器。因此，硬件性能（即面积和延迟）与 DNN 加速器实现的可靠性之间的权衡变得至关重要，需要分析工具。本文提出了一种全面的方法来探索和实现对量化对模型精度、激活故障可靠性和硬件效率的三方影响的整体评估。介绍了一个完全自动化的框架，该框架能够应用各种量化感知技术、故障注入和硬件实现，从而实现硬件参数的测量。此外，本文提出了一种集成在框架内的新型轻量级保护技术，以确保最终基于脉动阵列的 FPGA 实现的可靠部署。在已建立的基准上进行的实验展示了分析流程以及量化对可靠性、硬件性能和网络准确性的深远影响，特别是关于网络激活中的瞬态故障。索引术语 — 深度神经网络、设计空间探索、量化、故障模拟、可靠性评估
大型内核神经网络上的数字建模
摘要。最近使用的深神经网络（DNN）是通过计算单元（例如CPU和GPU）物理部署的。这样的设计可能会导致重大的计算负担，显着的延迟和密集的功耗，这是物联网（IoT），边缘计算和无人机的使用等应用的关键限制。光学计算单元（例如，超材料）的最新进展揭示了无势能和光速神经网络。但是，超材料神经网络（MNN）的数字设计从根本上受到其物理局限性的限制，例如精确，噪声和制造过程中的带宽。此外，未通过标准的3×3卷积内核完全探索MNN的独特优势（例如，光速计算）。在本文中，我们提出了一种新型的大核超材料神经网络（LMNN），该神经网络（LMNN）最大程度地利用了最先进的ART（SOTA）MNN的数字能力（SOTA）MNN，并通过模型重新参数和网络压缩，同时也考虑了光学限制。新的数字学习方案可以在建模元元素的物理限制时最大化MNN的学习能力。使用拟议的LMNN，可以将卷积前端的计算成本用于制造的光学硬件。两个公开可用数据集的实验结果表明，优化的混合设计提高了分类准确性，同时降低了计算潜伏期。提出的LMNN的发展是朝着无能和光速AI的最终目标迈出的有前途的一步。
绿色柔性EV能源供应站的两步智能控制面向双碳目标
摘要：正如中国提议在2030年到2060年到2060年达到碳峰的，以及由电动汽车能源供应站（EVS）的负载需求引起的电网的巨大压力，迫切需要对电动汽车的能源管理和协调EVS的能源管理进行全面的能源管理。因此，本文提出了一种称为ISOM-SAIA的两步智能控制方法，以解决24小时控制和调节绿色/浮动EV能源供应站的问题，包括四个子系统，包括光伏子系统，一个诸如节能存储子系统，一个EV充电系统和EV电池更改子系统。拟议的控制方法具有两个主要的创新和贡献。是，它通过将多维混合智能编程问题分配给同时优化四个子系统的24小时操作模式和输出分为两个顺序任务，从而减轻了计算负担：数据驱动的操作模式的分类和操作输出的滚动优化。另一个是正确的碳交易成本和碳排放限制被认为有助于节省成本并减少碳排放。本文进行的仿真分析表明，所提出的两步智能控制方法可以帮助绿色/灵活的EV能源供应站以最佳的方式分配四个子系统之间的能量流，从而有效地响应峰值剃须，并响应电网的峰值，节省能源网，节省能源成本并减少碳发射。
与氨合成的孤立可再生能源系统的最佳尺寸：模型和解决方案方法
摘要 - 氨的可再生能力（IREPTA）被认为是化学工业脱碳的一种有希望的方法。可再生能源系统的最佳尺寸对于提高Irepta的技术经济学意义重大，因为电源的投资超过了总投资的80％。然而，多时间计时，氢和氨的储藏，系统安全的最低电源以及可再生生成的多年不确定性导致计划中的困难。为了解决上述问题，提出了IGDT-MILFP模型。首先，氨（LCOA）的升级成本直接表达为目标，使混合整数线性分数编程（MILFP）问题。信息差距决策理论（IGDT）用于处理可再生生成的多年不确定性。第二，提出了一个组合的Charnes-Cooper（C＆C）转换和分支结合（B＆B）方法，以充分地解决大规模的IGDT-MILFP模型，从而给出了强大而机会的计划结果。然后，马尔可夫链蒙特卡洛（MCMC）基于采样的后验分析被利用以量化长期性能。最后，研究了中国内蒙古的现实生活系统。结果表明，所提出的方法可以通过解决大规模摩洛伊斯兰解放阵线问题的数量级来减轻计算负担。此外，在长期模拟中，提出的IGDT-MILFP模型是必要且准确的，以获得最佳的预期LCOA（3610 rmb/t）的最佳能力分配。
使用 Gumbel-softmax 实现深度神经网络的端到端可学习 EEG 通道选择
摘要 — 目的。为深度神经网络开发一种高效的嵌入式脑电图 (EEG) 通道选择方法，使我们能够将通道选择与目标模型相匹配，同时避免与神经网络结合使用包装器方法所带来的巨大计算负担。方法。我们采用一个具体的选择器层来联合优化 EEG 通道选择和网络参数。该层使用 Gumbel-softmax 技巧来构建选择过程中涉及的离散参数的连续松弛，从而允许以传统反向传播的方式端到端地学习它们。由于经常观察到选择层在某个选择中包含两次相同的通道，我们提出了一个正则化函数来缓解这种行为。我们在两个不同的 EEG 任务上验证了这种方法：运动执行和听觉注意解码。对于每个任务，我们将 Gumbel-softmax 方法的性能与针对此特定任务量身定制的基线 EEG 通道选择方法进行比较：分别使用效用度量的互信息和贪婪前向选择。主要结果。我们的实验表明，所提出的框架具有普遍适用性，同时其性能至少与这些最先进的、针对特定任务的方法一样好（通常更好）。意义。所提出的方法提供了一种有效的、独立于任务和模型的方法来联合学习最佳 EEG 通道以及神经网络权重。
考虑电池储能和价格响应需求的主动配电网最优协调能源管理
摘要 当代配电网具有多种可调度和不可调度能源资源。这些可调度资源与不可调度资源的协调调度可以带来多种技术经济和社会效益。由于电池储能系统 (BESS) 和微型燃气轮机机组是资本密集型的。考虑到动态电价和可再生能源发电和负荷需求的不确定性，从纯经济角度彻底研究它们的协调调度将是一项有趣且具有挑战性的任务。本文提出了一种新方法，用于考虑现有可再生能源和动态电价对 BESS 和微型燃气轮机机组进行最优协调调度，以最大化公用事业的每日利润函数。在本研究中，采用了最近探索的改进型非洲水牛优化算法。所提出方法的主要属性包括嵌入决策机制系统中的基于平均价格的自适应调度，以最大化套利收益。决策机制系统会先验地跟踪系统状态，从而指导基于人工智能的顺序优化解决方案技术。这也可以减少复杂的实际工程优化问题的计算负担。此外，提出了一种与 BESS 管理算法相协调的虚拟电荷新概念，以限制 BESS 的反生产性运营管理。在基准 33 总线测试配电系统上调查和比较的应用结果突出了所提出方法的重要性。