面向配电网弹性提升的需求响应优化配置策略

社会和经济的发展对电力系统供电质量提出更高的要求,尤其是与用户相连的配电网易受扰动影响,需加强其供能弹性。随着智能电网技术的发展,通过优化资源配置、灵活调度需求响应资源,可以提高电网供能弹性。采用基于力学映射模型的多阶段弹性评估模型量化需求响应的优化配置对配电网弹性的提升效果,并通过遗传算法求解该非线性优化问题。最后,以IEEE 33节点系统为例验证该模型在需求响应配置问题中的合理性和有效性,并分析优化配置方案对配电网弹性的提升效果。     

含MMC的交直流输电系统短路电流统一求解方法

针对含模块化多电平换流器(MMC)的交直流输电系统短路电流水平校核问题,在考虑MMC的运行方式和控制系统的基础上,建立了MMC交流侧故障模型。在对比分析了同步机电源和MMC输出短路电流的机理后,通过近似求解并网点(PCC)处电压将MMC交流侧故障模型简化为电流源模型以实现PCC处电压和MMC输出电流之间的解耦。对支路进行合理编号并筛选出电源支路和待求短路电流所在无源支路,基于电网络理论将联络节点构成的无源网络用混合参数表征,经推导得到了含MMC的电网短路电流计算的统一求解方法。不同工况下的仿真结果表明,通过建立各控制策略下的MMC交流侧故障模型,所提算法能准确统一求解不同MMC交流侧故障下的短路电流,可用于含MMC的交直流输电系统的设备选型和保护系统设计。     

基于FDA的居民用户空调用电行为分类分析方法

针对居民空调用电行为分类中存在事件型数据,导致分类分析耗时长、结果不准确等问题,提出一种基于函数型数据分析（FDA）模型的居民空调用电行为分类分析方法。该方法采用多重分形理论提取居民用电行为特征,使用函数型数据分析算法对居民空调用电行为进行聚类后获取居民空调用电行为类别,采用改进动态时间规整算法对居民空调用电行为实施分类处理,得到居民空调用电行为。根据非介入式设备采集到的实际居民用电行为信息检验该方法的有效性,实验结果表明:该方法可以较好地提取居民用电行为特征,且可有效提高用户空调用电行为分类精度以及缩短分类耗时,可充分描述居民空调开启情况以及消耗电量,具备较好的应用效果。     

黑磷纳米盘-层等离激元系统中的各向异性可调多阶强耦合

黑磷支持各向异性的表面等离激元,可用于设计具备更多功能的原理性器件。用时域有限差分法数值模拟了中红外到远红外波段基于黑磷的层-盘-层系统中不同等离激元模式之间的杂交行为。通过动态调节黑磷中的载流子浓度,可以实现两个晶格方向上强耦合现象的产生与控制。对不同模式间的耦合进行分析并计算,得到吸收光谱中的拉比分裂能最高可达42.9 meV。此外,还计算了偏振角度对各向异性强耦合的影响,其最高可以实现6个吸收频带。该模型可为构建未来在中远红外波段工作的基于二维材料紧凑型各向异性等离激元器件提供基础。     

ADS-B延迟转发电文检测及干扰台定位方法

广播式自动相关监视(ADS-B)技术因明码广播特点,面临较严重的电子欺骗风险.针对延迟转发电文的检测与相应干扰台定位问题,根据ADS-B地面站接收电文的位置间隔的分布特点,该文提出利用顺序电文间瞬时速度与关注期内平均速度间的差异性检测延迟转发电文的方法.根据延迟转发电文的原始电文位置与干扰台间的空间关系,利用ADS-B地面站获取的延迟转发电文位置及时间戳,采用多点定位技术实现对干扰台定位.仿真结果表明,利用瞬时速度与平均速度间的差异性可以有效地实现对延迟转发电文存在与否的检测,干扰台的定位精度与ADS-B地面站的定时精度、采用定位的电文数目、干扰台与航线间距离和干扰台方位等因素有关,且采用正视区域的位置电文可以获得对干扰台较好的定位性能.该文方法可以使ADS-B地面站独立地检测延迟转发干扰和定位相应干扰台.     

An improved U-Net for cell confluence estimation

Cell confluence is an important metric to determine the growth and the best harvest time of adherent cells. At present, the evaluation of cell confluence mainly relies on experienced labor, and thus it is not conducive to the automated cell culture. In this paper, we proposed an improved U-Net algorithm (called DU-Net) for the segmentation of adherent cells. First, the general convolution was replaced by the dilated convolution to expand the receptive fields for feature extraction. Then, the convolutional layers were combined with the batch normalization layers to reduce the dependence of the network on initialization. As a result, the segmentation accuracy and F1-score of the proposed DU-Net for adherent cells with low confluence (<50%) reached 96.94% and 93.87%, respectively, and for those with high confluence (≥50%), they reached 98.63% and 98.98%, respectively. Further, the paired t-test results showed that the proposed DU-Net was statistically superior to the traditional U-Net algorithm.