AI使能的高能效无线通信技术

随着5G无线通信网络大规模部署的开展，网络所消耗的能量正在成倍提升。尽管传统基于站点、频带和时隙静态关断的技术能够显著地提升整个无线网络传输和运营的能效，但面对大通量、高动态的5G业务需求，缺少AI支持的静态关断已无法满足系统的能效指标。因此，从无线通信网络的业务与传输层、媒体接入层和物理层等层面，探讨AI技术引入对提升无线通信网络能效带来的积极影响。利用AI所提供的高度非线性拟合能力和泛化能力，针对无线网络业务的有效调度、传输任务的合理分配、收发机的通用架构以及基带和射频系统的联合优化等方面开展高能效的优化设计。通过搭建原型系统并分析部分案例，提出了相关建议，旨在促进5G和6G无线通信网络的能效提升。     

太阳追踪系统控制器的设计与应用

为提高太阳能板接收能量的效率,设计了一种日光垂直追踪系统的电机控制方法。该方法与传统的使用单片机控制的步进电机控制系统不同,其利用FPGA实现对步进电机的控制。根据步进电机的运转特点,设计了步进电机控制算法,运用直接数字式频率合成器(DDS)技术,实现了对步进电机在各种运行模式下加减速、正反转及精确定位的控制仿真,其性能稳定可靠。同时,利用FPGA提供的可配置资源,在应用中,可以用同一块FPGA芯片对多台电机进行控制,从而大幅度降低光伏发电的成本。采用FPGA来实现的太阳能追踪系统能有效提高太阳板的光电转化效率,并具有较广泛的应用前景。     

InSAR技术在水电站库区滑坡体部位形变监测中的应用

澜沧江上游流域水电站库区大部分为峡谷地带，由于地形复杂、交通不畅等原因，在变形的临发阶段，人员不仅难以快速到达现场，而且到现场可能存在危险，使得传统的监测方法在该地区实施困难。主要针对澜沧江流域库区水位抬升或下降过程中引起的库区内多个滑坡体发生滑坡的问题，采用InSAR技术手段代替传统测量手段对滑坡体进行监测，依据监测对象的形变信息进行安全性分析以及灾害预警，确保电站安全运营和滑坡体部位人民生命财产安全。     

电网厂站接线图人工智能识别关键方法

矢量化的电网厂站接线图需要调度运维人员参考设计图纸进行人工绘制及导入，工作量巨大且极易出错。针对电网厂站接线图中图元、文字以及接线关系3个核心的识别问题，提出一套基于人工智能的完整电网厂站接线图识别方法，显著提升识别的效率和准确性。通过结合分级预处理的重叠滑窗机制与YOLOv4算法，解决电网厂站接线图的“大图像小图元检测”问题；通过迁移学习与卷积循环神经网络结合，提升包含中文电气文本的识别率；通过嵌入电气领域知识与规则，提升接线识别的准确率。最后，根据获取的电气元件信息、文本信息、连接线信息，完成其他下游任务。采用实际调度系统导出的电网接线图数据集，设计了图元、文字、接线识别三方面的对比实验，验证了所提方法的有效性。     

矿区承包商HSE管理存在的主要问题与对策

矿区承包商施工作业中，时常发生火灾、高处坠落、触电、物体打击、环境污染等事故，导致人员伤害、财产损失等后果。根据目前矿区承包商的类型，确定易发生事故的承包商，并分析其HSE管理中存在的主要问题，依据产生的原因，给出相应的对策措施，以实现提高矿区承包商的HSE管理水平，降低其事故率。     

针对柔性高压直流输电系统的交互式教-学优化算法

提出一种针对柔性高压直流输电系统(VSC-HVDC)的交互式教-学优化算法(ITLO)以获取最优PI控制增益.首先在原始教-学优化算法中引入多个班级来扩大搜索范围;然后在不同班级的教师或学生之间建立小世界网络(SWN),通过深度交互学习实现精确搜索.交互式教-学优化算法能够合理权衡搜索范围和搜索精度,从而有效避免算法陷入局部最优.通过3个算例对所提出算法的有效性进行测试,即有功功率和无功功率追踪、电网短路故障和风电并网,仿真结果验证了其相较于现有启发式优化算法的优越性.     

某抽水蓄能电站主变直流偏磁现象及抑制措施研究∗

直流偏磁是一种变压器非正常运行状态,简述了变压器直流偏磁产生机理及其不良影响;介绍了某抽水蓄 能电站主变直流偏磁现象,并结合电站主接线形式、主变联接方式等实际情况,提出在主变中性点加装电容隔直自动 投退装置的解决方法.该方法通过动态监测、实时自动投退隔直电容,在确保主变中性点有效接地的前提下,达到抑 制侵入变压器直流电流的目的.隔直装置运行效果表明,该方法有效解决了变压器直流偏磁问题,保证了主变和电站 的安全稳定运行.     

无协调主体的多产消者完全端到端交易机制

产消者之间进行能量交易对促进分布式资源就地消纳具有重要意义。为此，在充分考虑产消者利益诉求的基础上，提出了一种无协调主体的多产消者完全端到端交易机制，以实现社会福利最大化。以微网为例，对产消者内部资源进行建模，并引入物理网络约束，提出多产消者能量交易集中式优化模型。通过支路撕裂法及拉格朗日对偶分解，将问题转化为分布式优化问题，并利用交替方向乘子法求解。可证明此机制无需第三方主体协调，仅需在交易主体间进行信息传递，通过各主体内部进行资源调配即可完成优化，实现完全分布式求解。此外，所得价格更符合实际市场的运作规律。最后，以4个微网为例进行分析，验证了所提交易机制的可靠性以及有效性。     

结构参数对各向异性磁电阻(AMR)磁场传感器性能的影响

采用磁控溅射工艺制备NiFe合金薄膜，通过电子束蒸发制备Barber电极，获得了各向异性磁电阻(AMR)线性磁场传感器。通过材料芯片技术，系统研究了图形化的NiFe薄膜宽度、厚度以及Barber电极角度、间距等因素对传感器性能的影响。测试结果表明，在设计的工艺条件下，NiFe薄膜宽度为36μm、厚度为28 nm、Barber电极角度为40°以及电极间距为10μm时，该磁场传感器在磁场范围为±5 G内灵敏度最大，达到1.17 mV/(V·G)。研究工作为进一步发展基于AMR效应的角度及磁场传感器芯片提供参考。     

基于机器学习的遥感影像云检测研究进展

在对地观测领域中云检测是遥感定量化应用的重要环节，同时也是卫星气象应用的关键步骤。近年来，基于机器学习的遥感影像云检测逐渐成为该领域的研究热点，并且取得了一系列研究成果。系统阐述了近10 a来国内外基于机器学习的遥感影像云检测的研究进展，将算法模型分为传统的机器学习模型和深度学习模型两类，并对两类中的具体模型进行详细介绍，对比分析不同模型的优缺点及其适用情况。重点介绍了传统机器学习中的支持向量机（SVM）、随机森林等方法，深度学习中的神经网络模型，包括卷积神经网络（CNN）、改进的U-Net网络等模型。在此基础上，分析了基于机器学习的遥感影像云检测研究中存在的问题，讨论了未来潜在发展方向。