Machine-learning based decomposition and monitoring of behind-the-meter resources

With the rapid integration of behind-the-meter (BTM) resources, monitoring the working status of these resources has become a very important task, followed by distributed terminal load decomposition and monitoring can provide real-time power consumption information for the grid and users, which is an effective means to support energy efficiency management and load forecasting. The traditional monitoring method adopts an intrusive design and is difficult to promote and apply on a large scale, so it is of great significance to study proper methods for non-intrusive BTM resources monitoring (NBRM). Load identification is the key to NBRM, based on the characteristic analysis of typical residential loads. The current mainstream load decomposition methods are analyzed, the advantages and disadvantages of the current mainstream methods based on deep learning are sorted out and finally, the results of each algorithm are compared with common data sets.     

相变储能材料在电池热管理系统中的应用研究进展

分析了动力型电池组在运行中的热问题对电动车在各种环境下的服役性能的重要影响.在简单归纳采用风冷、液冷方式的热管理系统的优缺点的前提下,着重总结了采用相变材料(PCM)的热管理系统原理、设计所需电池和PCM的主要参数,以及该研究领域进展和效果评价.指出基于PCM的热管理方法是开发结构紧凑的高性能锂离子动力电池系统的重要发展方向,值得引起更多的关注.     

基于BTM的物联网服务发现方法

针对物联网（IoT）服务描述文本篇幅较短、特征稀疏,直接采用传统的主题模型对IoT服务建模得到的聚类效果不佳,从而导致无法发现最佳服务的问题,提出了一种基于BTM的IoT服务发现方法。该方法首先利用BTM挖掘现有IoT服务的隐含主题,并通过全局主题分布和主题-词分布计算推理得到服务文档-主题概率分布;其次利用K-means算法对服务进行聚类,并返回服务请求的最佳匹配结果。实验结果分析表明,该方法能够有效提高IoT服务的聚类效果,从而得到匹配的最佳服务。与现有的HDP（Hierarchical Dirichlet Process）、基于K-means的隐狄利克雷分配（LDA-K）等方法相比,该方法进行最佳服务发现的准确度（Precision）和归一化折损累积增益（NDCG）均有一定幅度的提高。     

Modeling and Analysis the Effects of EMP on the Balise System

Balise system is one kind of high-rate point-mode data transmission equipment. It plays an indispensable role in Chinese Train Control System (CTCS), and it has been immigrated and widely used for passenger dedicated lines and high-speed lines. Thus, its working conditions directly affect train operation safety. However, the balise information transmission system (BITS) is based on the principle of electromagnetic induction, and the communication process is susceptible to external electromagnetic interference. Therefore, it is vital to study the influence of transient signal interference on the balise system. This paper builds the up-link model between the vehicle antena and the balise, and verifies the model’s correctness using finite-difference time-domain method and electromagnetic field theory. This paper analyzes the effect of electromagnetic pulses on the transponder's uplink and simulates the coupled current under irradiation. The spectral distribution of the three types of pulse interference is analyzed according to relevant standards. Strong electromagnetic pulses have a strong energy distribution in the working frequency band of the up-link, which will generate in-band interference and bit errors. It will affect the balise communication and threaten the safety of train operation. As we know we are the first to analyze the effects of EMP on Chinese BITS, which will lay a foundation for the research of electromagnetic anti-interference or protection to high-speed railway.     

全自动半钢乘用子午线轮胎二次法成型机第一段设备的研制

研制全自动半钢乘用子午线轮胎二次法成型机第一段设备,其主要包括主机、胎体供料系统、电气控制系统、气动控制系统及辅件。主机部分由主轴箱、床身、尾座、C/C鼓、成型工装、后压辊、下压辊、海绵压辊、边压辊等部件组成;电气控制系统采用模块化设计、分布式控制结构,具有触摸屏式人机界面及网络通讯功能;气动控制系统采用分布式结构。主轴箱轴系采用过定位方式及成型工装部件采用统一接口形式等措施,实现了设备的全自动化,降低了工人的劳动强度,提高了设备的生产效率和胎体筒的成型质量。     

基于BTM7752G芯片的智能型电动操作机构控制器的研制

设计了一款基于大功率驱动芯片BTM7752G为核心功率器件的直流电机驱动装置系统,该系统用于电力系统开关设备的智能化控制。系统以ATmega128为主控芯片,完成对电气开关设备所需的智能化实时动作指令解析、机构装置位置状况检测及数据传输处理、远程控制和实时状态显示等智能化功能处理。BTM7752G芯片内置过压、过流保护功能,有利于复杂电磁环境的拓展利用及功能的稳定性。该系统提供的器件选型设计方案不仅有利于新旧设备智能化改造升级时的工厂预装和维护简约化,也能在常规电气设备电动操作机构导入智能化电器功能时提供参考。     

孟加拉工程中控制网坐标系统的应用

本文通过对孟加拉坐标系统的介绍,论述了孟加拉使用的UTM、BUTM、BTM三种坐标系统及相互的转换关系。并通过在工程中实践应用,为后续的孟加拉工程提供了经验。     

高频异质结晶体管直流和交流模型及其验证

针对漂移扩散方程和能量平衡方程的解建立了SiGe HBT的直流和交流理论模型,综合考虑了速度饱和效应、基区和发射区的禁带变窄效应和复合效应,并与台面型SiGe HBT实验结果进行了比较,截止频率为10.5 GHz,电流增益为45,与理论结果基本符合.     

融合BTM和图论的微博检索模型

微博数据量庞大且微博文本的字符数少、特征稀疏,为提高检索精度,提出一种融合BTM和图论的微博检索模型,通过词汇语义相关度计算微博文本中带有标签的特征相关度,构建bi-term主题模型,用JSD距离计算映射到该模型中短文本的词对相关度,抽取CN-DBpedia中实体及图结构,再使用SimRank算法计算图结构中实体间的相关度。综上3种相关度为该模型最终相关度。最后使用新浪微博数据集进行检索实验,实验结果表明:对比于融合隐含狄利克雷分布算法与图论的检索模型和基于开放数据关联和图论方法系统模型,新模型在MAP、准确率和召回率上性能有明显提高,说明该模型具有较优的检索性能。     

基于BTM图卷积网络的短文本分类方法

由于短文本长度较短,在分类时会面临数据稀疏和语义模糊等问题.提出新型图卷积网络BTM_GCN,该网络利用双项主题模型(Biterm Topic Model,BTM)在短文本数据集上训练出固定数量的文档级潜在主题,并作为一种节点嵌入到文本异构图中,再与异构图中的文档节点进行连接,最后利用图卷积网络来捕获文档、词与主题节点...