激光技术支持三星WSP技术

三星最新的晶圆级堆叠封装（WSP）包含4块512Mb DDR2 DRAM芯片，藉以提供容量2GB的高密度内存。利用TSV处理的2GB DRAM，三星还能开发出首款基于高级WSP技术的4GB DIMM。     

下一代无源光网络的演进路线与研究进展

无源光网络是目前实现宽带接入的主流技术,正处于快速演进阶段。在比较下一代无源光网络备选技术的基础上,重点介绍多波长堆叠无源光网络的工作原理和关键实现技术,并综述了这种无源光网络的实验演示系统现状和低成本光网络单元研究进展。     

Jaz可堆叠光谱仪模块

海洋光学Jaz模块传感系统现在提供了Jaz脚本语言（Jaz-SPL）支持,使用户可以自定义光谱仪数据采集、处理和导出功能。     

一种SSAE+BPNN的变工况飞灰含碳量软测量方法

火电机组变工况运行使数据呈现多模态特征,导致基于浅层网络结构的回归软测量模型的预测精度下降。研究一种改进的BP神经网络(back propagation neural network,BPNN)软测量方法：首先利用堆叠稀疏自编码器(stacked sparse autoencoder,SSAE)强大的深度学习能力提取原始数据特征,然后再利用BPNN对提取特征进行回归分析。经实验验证,SSAE+BPNN软测量方法的均方误差为0.135 8×10^–3,平方相关系数为0.983 2,其预测精度和泛化能力显著优于BPNN。将其应用于某台灵活调峰的超超临界660 MW发电机组飞灰含碳量软测量中,预测结果的平均相对误差为0.91%,总体相对误差控制在±5%以内,具有良好的工程应用价值。     

基于沙戈荒新能源送出特性的特高压工程知识图谱构建技术研究

为了解决直流系统中工况变动及负载变更条件下造成的故障电弧识别准确率低的问题,提出了一种基于自适应噪声的完全集合经验模态分解-希尔伯特（complete ensemble empirical mode decomposition with adaptive noise-Hilbert transform, CEEMDAN-HT）包络谱和堆叠自编码器（stacking automatic encoder,SAE）的直流串联故障电弧诊断方法。首先参考雄安高铁站区直流系统典型负载搭建含混合负载的直流串联故障电弧实验平台,采集多工况下的电流信号并建立故障电弧数据库。其次采用CEEMDAN对原始信号进行分解得到多个固有模态函数（intrinsic mode function,IMF）,然后进行HT变换Hilbert transform）分析包络谱,组成首尾相接的高维特征样本,最后将样本输入SAE模型中学习特征,实现变负载下的直流故障电弧识别。实验结果表明：该方法能够很好地发挥CEEMDAN-HT从原始信号中提取故障电弧特征和SAE无监督学习的能力,不需要人工设置阈值即可准确识别故障电弧并进行负载分类,平均准确率可达98.9%。     

不同鉴别阈值条件下SiPM光子计数激光雷达探测模型及性能分析

硅光电倍增管（Silicon Photomultiplier, SiPM）具有极高的探测灵敏度和响应速度,且在多光子条件下具有较高的动态范围以及线性响应的特性,在光子计数激光雷达应用中有独特的优势。然而,由于SiPM多像元、单时间通道的工作模式,其输出电压信号相较于其他单光子探测器更大概率出现脉冲堆叠现象,不同鉴别阈值条件下的SiPM探测过程更为复杂。针对该问题,本文建立了SiPM光子事件响应模型,以此为基础分析了由脉冲堆叠引发的屏蔽效应和触发效应两种特殊情况的时域分布,最终建立了SiPM半解析的探测概率与虚警概率模型。同时,搭建了基于SiPM探测器的光子计数雷达系统,通过观察实测输出电压波形以及光子点云分布与理论模型相符（R²>0.95）。通过查全率与查准率对不同鉴别阈值的SiPM光子点云分布进行定量评价,并给出最优鉴别阈值区间,这对基于SiPM的光子计数激光雷达系统硬件参数的优化设计以及探测性能的定量分析具有重要的指导意义。     

InAs基范德华异质结界面电荷转移特性第一性原理计算的研究进展

由低维InAs材料和其他二维层状材料堆叠而成的垂直范德华异质结构在纳米电子、光电子和量子信息等新兴领域中应用广泛。探索跨结界面的电荷转移机制对于全面理解该类器件的非凡特性至关重要。第一性原理计算在揭示界面电荷转移特性与各种能量稳定型InAs基范德华异质结的电、光、磁等原理物理特性和器件性能变化之间的内在关系方面发挥着不可比拟的作用。文中梳理、总结和探讨了近年来InAs基范德华异质结间界面电荷转移特性的理论研究工作与潜在的功能应用,提出在理论方法和计算精度方面大力发展第一性原理计算的几个途径,为更好地开展InAs基范德华异质结的基础科学研究和应用器件设计提供可借鉴的量化研究基础。     

基于堆叠稀疏降噪自动编码器的地区风电场群高精度超短期风电功率预测

为解决风电功率预测过程中面临的风电数据量大且复杂化以及如何提高预测精度的问题,基于堆叠稀疏降噪自动编码器提出地区风电场群高精度超短期风电功率预测方法。该方法采用自编码器对输入风电功率数据进行降维提取特征,为进一步增强自动编码器的抗干扰性,对其引入稀疏性约束和降噪技术。该方法能够有效降低数据的解析难度和提高特征提取的可靠性。通过实际算例验证,该预测方法可有效提高多风电场功率预测的精度。