基于变压器反馈的平坦噪声系数超宽带CMOS低噪声放大器

在系统中集成超宽带(UWB)收发机芯片用于支持室内定位正成为移动通信终端技术发展的一个重要趋势.在超宽带收发机中,低噪声放大器(LNA)是一个核心功能模块.超宽带的全频段(3.1～10.6 GHz)覆盖要求给低噪声放大器的设计带来了巨大挑战,尤其是需要在宽带匹配及在带内维持平坦的噪声系数的情况下.传统的低噪声放大器架构应用在超宽带设计时,噪声、增益和输入匹配之间存在较明显的性能折中关系,因此无法达到良好的综合性能指标要求.本文采用基于变压器反馈的输入匹配的第一级架构和多功能第二级输出驱动结构,实现了平坦的噪声系数和高增益等性能.基于TSMC 65 nm工艺设计的电路仿真结果表明,该低噪声放大器在3.1～10.6 GHz全频段内,可实现输入匹配S_(11)-10 dB,增益17 dB,噪声系数2.71±0.28 dB,1-dB压缩点-17.5 dBm等指标,电路整体功耗为32.8 mW.因此,综合性能Ⅰ(FoM-Ⅰ)和综合性能Ⅱ(FoM-Ⅱ)分别可达2.32和0.41.     

计及通信失效的输电系统信息物理协同恢复策略

为应对输电系统信息物理复合故障,提出了一种计及通信系统失效的信息物理协同恢复策略。首先,基于发电机、电力线路与负荷的故障特性,综合考虑了系统频率、节点电压、线路容量等安全约束,构建了物理系统的恢复模型。然后,提出了一种基于通信网络拓扑的信息系统恢复策略。接着,考虑信息系统故障给发电机出力调节、电力线路投运以及负荷恢复可能造成的延时,建立了物理系统恢复与信息系统恢复的交互模型。经过对潮流线性化处理,上述3个模型被整合为一个混合整数二阶锥规划模型。最后,以IEEE 30节点标准电力系统为基础构建了输电信息物理系统算例,来说明所提方法的可行性与有效性。算例结果表明,所提出的协同恢复策略能有效避免信息物理恢复操作不协调引起的二次停电,从而加快负荷恢复、降低停电损失。     

电力零售核心业务架构与购售电决策

随着电力工业改革的不断发展和智能电网的兴起,现代电力系统正逐步演变为更加复杂的信息物理融合系统。未来电力系统中将同时融合可再生能源、分布式发电设备、储能设备、智能表计、需求响应等新技术与新机制。在电力零售市场环境下,这些新技术与新机制给零售公司带来了严峻挑战,需要发展新的决策机制与方法。随着中国新一轮电力市场化改革的逐步深化,多个区域的电力零售市场也正在逐步建立和运营。为了给国内构建完整的竞争性电力零售市场提供有益的参考,并帮助相关研究学者和技术人员更好地了解电力零售市场的研究现状,文中首先介绍了一些主要国家的电力零售市场情况,然后以澳大利亚和芬兰为例,详细说明了电力零售公司的组织结构和购售电业务流程。接着,比较系统地综述了近年来国内外电力零售决策方面的研究进展,包括零售负荷预测、零售公司购电策略、零售定价策略、零售风险管理等。最后,讨论了电力零售研究领域的一些关键问题和未来可能的发展方向。     

供热管网分布参数模型与电热耦合网络协同规划

随着多能源互联的逐步发展,电力系统(power system,PS)和供热管网(heating pipe network,HPN)系统的耦合程度不断加深,耦合形式也趋于多样化。需要适当考虑电力系统和供热管网系统在规划与运行方面的相互影响。在此背景下,对电力系统和供热管网系统的协同规划进行探讨。现有供热管网系统的数学模型和分析方法不够精细,无法满足协同规划的需要。为此,首先发展适用于电气分析的供热管网系统的分布参数模型,并对现有的温度场和压力场并行求解方法进行简化和统一。接着对所构造的分布参数模型进行线性化处理,并发展了基于管道和环境参数计算热能和压力损失的方法。之后构建了热网潮流方程,并与电力系统潮流方程统一求解。在此基础上,发展了电力系统和供热管网系统的协同规划模型,以发电成本与电力网损、热网损耗之和最小为优化目标,并考虑电力网络和供热网络的运行约束。该协同规划模型为0-1混合整数非线性规划问题,采用商业化的YALMIP工具箱求解。最后,以修改的IEEE 30节点电力系统和某实际供热管网系统为基础,构建了电力系统和供热管网系统耦合形成的集成系统,以说明所发展的供热管网电气化模型及协同规划方法的可行性和有效性。     

大规模可再生能源接入下的电力系统充裕性优化(三)多场景的备用优化

场景分析法在用于描述可再生能源出力不确定性时,不仅能表征预测风/光功率等随机变量在时间—功率空间上的概率分布,还能进一步反映这些随机波动在时序上的相关性。多场景分析中普遍存在场景维数灾问题,在备用优化中更遭遇控制措施组合爆炸问题,加剧了求解的困难。场景削减有利于场景分析法的实用化,然而现有场景削减方法不能确保小概率高风险场景不被剪除,继而引发风险泄露问题。文中提出一种计及场景集剩余风险下逐步筛选场景的多场景备用优化方法,将场景削减与优化过程融合于一体。相比于传统的"先场景削减、再优化"的思路,所提出的方案能自适应地选取待优化场景集,且能有效识别小概率高风险场景。通过与基于传统场景削减方法的混合整数线性规划方法的对比,所提出的多场景优化方法在平衡优化效果与计算效率上具有显著优势。     

电动汽车参与运行备用的能力评估及其仿真分析

电动汽车(EV)作为未来电力系统一种潜在且容量可观的运行备用资源,其调控必须以满足用户出行与充(放)电意愿为前提,因此对电动汽车备用能力的评估需置于合理的、计及用户响应意愿的市场机制下来考察。首先设计出兼顾系统调控需求与用户出行需求的充(放)电合约机制,提出了EV短时备用能力计算方法和响应电价变化的有序充/放电策略。基于上述模型或方法,实例分析了典型EV单体及集群在不同充电策略下,向电网提供多种可调控备用容/电量产品的能力。同时进一步分析了备用容量价格、备用市场设计等因素对EV可申报备用容量的影响。     

多小区协作无人机通信感知一体化系统的资源分配

在通信感知一体化系统中,由于通信与感知两者的目的并不完全一致,这使得通信和感知之间的性能折中问题尤为关键。本文研究多小区协作联网无人机网络的通信感知一体化问题,其中基站作为通信感知收发器与无人机用户通信,同时估计感知目标的位置。基于此,联合优化多个基站协作发射功率控制以及无人机用户的轨迹来平衡感知和通信性能,在满足无人机用户的信干噪比需求和感知目标定位的克拉美罗下界需求基础上,最小化基站的能量消耗。该问题是一个非凸优化问题,通常难以直接进行求解。为解决该问题,本文提出基于交替优化的联合基站功率控制与无人机轨迹优化方案,分别利用半正定松弛技术和连续凸近似技术对基站功率控制和无人机轨迹进行优化设计。最后,实验仿真结果验证了所提联合优化方案的性能。      

基于用电数据和极限学习机的结构经济模型（英文）

考虑到产业发展与用电量之间的显著相关性,将极限学习机(extreme learning machine,ELM)应用于研究用电量与经济发展之间的关系,讨论如何基于用电量数据来预测产业经济增长。案例研究表明:(1)ELM算法在大多数情况下比普通线性回归方法具有更高的准确率;(2)统计结果显示,第二产业的几乎所有下属产业都高度依赖电力消费,其经济增长率与其用电量呈非线性正相关。     

基于时序多尺度互补特征的视频行人重识别

视频行人重识别在监控场景中起着非常重要的作用.但是，大多数现有方法没有充分利用行人视频序列的时空信息.具体来说，这些方法以相同的分辨率和网络结构处理每一帧图像，造成连续帧特征的高度相似.此外，现有方法通常通过引入各种复杂的操作提高精度，过多的计算开销使其不利于真实场景的部署.针对上述问题，本文提出了一个时序多尺度互补网络，旨在高效地为视频的连续帧提取互补的特征.具体来说，时序多尺度互补网络包含多个具有不同输入分辨率的分支.其中，高分辨率分支处理原始分辨率帧，用于保留行人的细节线索；低分辨率分支处理以不同降采样率得到的低分辨率帧，用于捕捉更全局的行人信息.通过将连续帧输入到不同分支中，连续帧能关注不同粒度的空间区域，生成互补的特征.进一步，设计了一个多分支批量归一化层，保证了训练时分支之间的互补性.最后，提出一个跨分支融合模块，将低分辨率分支的全局信息逐步传播到高分辨分支中，得到一个融合了多尺度全局粗粒度和局部细粒度互补信息的特征.在iLIDS-VID,MARS和LS-VID三个数据集上的实验显示，本文提出的方法达到了比目前最好方法更好的性能，例如，在LS-VID上提升了4.5%mAP和...