支撑电力能源清洁高效转型的用能权交易研究与展望

在“碳达峰·碳中和”的战略目标驱动下,用能权作为以综合能源消费量为标的的市场化交易产品,可有效提升用能效率。当前,用能权交易在电力行业尚处于初级阶段,考虑到日益提高的电能消费比例、偏低的用电效率,在电力行业进一步推进用能权交易对实现用能清洁高效转型具有重要意义。从电力视角总结了推进用能权交易面临的挑战及关键问题,并提出了相应的建议与展望。简要介绍了用能权的概念,系统梳理了中国试点省份的用能权交易机制,总结了用能权的模型,并指出了在电力行业推进用能权交易的意义。从分配、交易、清缴3个环节剖析了当前形势下在电力行业推进用能权交易面临的挑战及亟待研究的关键问题。在此基础上,提出了用能权交易的相关建议及研究展望,以期为在电力行业推进用能权交易提供借鉴。     

城轨牵引供电系统多尺度和多物理域建模仿真方法

城轨牵引供电系统实际运行涉及电、磁、热、力等多物理域耦合作用,以及多时间、空间尺度变化过程。然而,传统建模仿真方法尺度分离、机理单一,难以对系统的多尺度和多物理域状态进行统一描述及全面分析。因此,首先提出一种城轨牵引供电系统多尺度和多物理域建模仿真方法,采用Simscape平台和模块化、组件化、可视化建模思想,设计多尺度和多物理域的系统级建模框架;然后基于并行协同交互策略,提出一种模式自适应的多尺度仿真方法,实现多尺度模型之间的有机高效融合;接着基于分级多域反馈,提出系统级的多物理域仿真方法,保证多物理域模型的耦合交互仿真;最后基于仿真验证了所提出的多尺度和多物理域建模仿真方法的有效性,表明多尺度和多物理域模型能够统一描述系统在多个物理域下的宏观及微观特性,全面、充分地表征系统运行的实际物理过程。     

美军杀伤盒使用方法研究

杀伤盒是美军创建的概念,主要用于协调和整理联合火力,实现联合对地火力打击或对地空中支援等联合作战任务时,能够快速区分好高度层和时间,实现基于规则生成指令方便任务执行。该文对美军杀伤盒从基本概念、使用需求等方面进行了阐述,并进一步从使用规则和算法模型描述杀伤盒规划使用的基本方法,可为我军联合火力支援协调和联合空域管控提供参考。     

深度强化学习在典型网络系统中的应用综述

近几年来,以深度强化学习(Deep Reinforcement Learning,DRL)为代表的人工智能技术被引入计算机网络系统设计中,促使网络领域走向数据驱动和智能化,并在典型的网络系统中不断取得新的突破。计算机网络应用的难点是难以对多变的网络环境进行复杂准确的建模,借助深度神经网络出色的特征提取能力,深度强化学习能够更好地以试错的方式探索更优的决策,并具有端到端的设计优势。首先阐述深度强化学习技术的原理,包括多种典型的深度学习中使用的神经网络结构、基于值函数和基于策略梯度的深度强化学习训练算法;之后详细分析了深度强化学习技术在计算机网络领域中解决资源调度问题的研究现状,包括任务调度、视频传输、路由选择、TCP拥塞控制以及网络缓存;最后给出了在计算机网络应用中使用深度强化学习仍存在的挑战。     

基于数据访问计数的NAND闪存缓存管理算法

针对现有的NAND闪存缓存管理算法对缓冲区替换页选择和替换代价考虑不足,以及算法时间开销大的问题,提出基于数据访问计数的NAND闪存缓存管理算法.该算法首先考虑NAND闪存读写代价的不同以及数据访问频度的差异,对数据页进行冷干净、冷脏、热干净、热脏划分并分别采用LRU队列进行管理.然后,根据提出的数据访问计数策略计算数据页的访问计数值.最后,结合队列长度和数据页访问计数值给出了新的数据页替换策略.基于QEMU和Linux的仿真实验结果表明,与LRU、CF-LRU、LRU-WSR、CCF-LRU、LLRU等现有算法相比,所提算法能够有效降低写闪存次数,减少程序运行时间.     

基于协同仿真技术的车辆非线性平顺性分析

汽车悬架中存在多种非线性因素,采用非线性模型的时域求解可获得更准确的平顺性分析结果.考虑到单一软件的局限性,本文采用协同仿真技术分析非线性车辆模型的平顺性.用机械系统软件ADAMS建立汽车多体模型,并用MATLAB/Si mulink的S函数建立路面模型、轮胎模型和驾驶员模型.以随机生成的路面不平度数据为输入,在Si mulink环境下建立协同仿真模型并完成车辆非线性模型的时域求解.给出了平顺性协同仿真算例,并根据响应量时间历程数据计算了簧载质量加权加速度均方根值和车轮动载均方根值.平顺性分析结果表明该协同仿真方法合理、可靠,满足非线性车辆模型的平顺性时域分析需要.     

调味香料草豆蔻精油的超声-微波辅助提取及其包结物

通过单因素实验和响应面实验优化了草豆蔻精油(AKEO)的超声-微波辅助提取条件,在修正的最佳条件下(微波功率550 W,提取时间7min,液料比8∶1 (mL/g),超声功率50 W),AKEO得率为0.40%。此外,为提升AKEO的稳定性,采用β-环糊精钾有机骨架(K-β-CD-MOF)作为壁材,制备了K-β-CD-MOF-AKEO包结物,并利用紫外分光光度法测定了该包结物在20～50℃时的包结常数、包结比、热力学函数ΔH、ΔG及ΔS。结果发现,K-β-CD-MOF与AKEO的包结比为1∶1,ΔG为负值表明该包结物的形成为自发反应。