计及灵活性供需的多场景分布式电源双层规划

高渗透率可再生能源并网对电力系统提出了更高的灵活性要求;在可再生能源系统规划阶段计及多种灵活性资源协同优化可有效提升系统灵活性,为此,基于灵活性调节能力分析,提出计及灵活性的配电网分布式电源双层规划模型,将经济目标和灵活性目标作为优化目标,构建了多场景协调优化规划模型;考虑到风光场景集过大所带来求解效率较低的问题,在仿射传播(affinity propagation,AP)聚类算法的基础上提出一种基于AP-Kmedoids的双层场景缩减技术,并对缩减后的场景进行校验。最后通过算例采用整数自适应粒子群算法(adaptiveparticleswarm optimization,APSO)-混沌粒子群算法(chaos particle swarm optimization,CPSO)混合求解策略对双层规划模型进行仿真,结果验证了所提规划方法在提升经济性和灵活调节能力方面的有效性。

基于碳排放流的综合能源系统碳排放监测方法

针对电-气耦合的综合能源系统,提出了一种基于碳排放流的碳排放监测方法,将发电侧碳排放分摊到各节点负荷与各支路功率上,从而实现碳排放的准确追踪与溯源。首先介绍了碳排放流原理;接着研究碳排放流在电网及气网中的应用,建立电网及气网碳排放监测模型,并基于碳排放流理论提出一种碳排放监测方法;最后通过仿真表明,该综合能源系统碳排放监测方法能够同时表明系统时间与空间上的碳足迹,克服传统碳计量方法统计过于宏观的局限性。

精细护理应用于急性肾小球肾炎的临床分析

目的精细护理应用于急性肾小球肾炎的临床分析。方法选取2015年4月至2016年4月在大连市友谊医院肾内科就诊的80例急性肾小球肾炎患者,随机分为试验组和对照组,对照组40例,采取普通护理措施,试验组40例,在对照组的基础上使用精细护理,比价两组患者的临床有效率和对护理的满意度。结果试验组护理满意度和临床有效率均高于对照组,差异有统计学意义(P<0.05)。结论精细护理应用于急性肾小球肾炎的患者,可有效提高临床有效率,提高护理满意度,值得在临床推广。

基于口内数码照图像深度学习的牙周病早期筛查研究

目的:基于卷积神经网络(convolutional neural network,CNN)的深度学习技术构建人工智能(artificial intelligence,AI)牙周病早筛模型,辅助非牙周医生对牙周病进行早期筛查。方法:收集南昌大学第二附属医院口腔医学诊疗中心就诊的牙周非健康人群以及牙周健康人群的口内数码照和临床资料。基于VGG-16结构对口内数码照图像进行训练和测试,建立口腔九宫格、正位咬合、正位咬合(剔除无效背景)3种训练集模型。结果:共收集到578位研究对象的3869张口内数码照图像,其中牙周健康图像2230张,牙周非健康图像1639张。采用VGG-16结构建立3种训练集模型,对九宫格口内数码照、正位咬合口内数码照、正位咬合(剔除无效背景)口内数码照预测的准确度分别为66.62%、64.66%、77.44%,曲线下面积(area under curve,AUC)值分别为0.651、0.767、0.784。结论:本研究构建的VGG-16模型能有效通过对口内数码照图像识别,辅助非牙周医生对牙周病进行早筛。

考虑CVR的主动配电网优化运行方法

随着碳中和目标的明确,通过技术手段降低社会用能成本对能源低碳转型有着重要意义。基于此提出一种主动配电网降压节能(conservation voltage reduction,CVR)运行方法。采用负荷指数模型,通过有载调压变压器(on-load tap changer,OLTC)调节实现降压节能运行,配以网络重构、分布式电源(distributed generations,DGs)调节等主动管理策略保证降压节能运行的同时满足供电电能质量要求,实现一段时间内配电系统总能耗最小。通过IEEE 33节点配电网算例分析,验证了所提方法的有效性和合理性。

基于H∞无迹卡尔曼滤波的退役锂离子电池SOC估计

电动汽车的锂离子动力电池退役后,具备在储能系统等场合继续使用的潜力,其SOC(电池荷电状态)的准确估计对于退役电池的梯次利用具有重要意义。针对传统UKF(无迹卡尔曼滤波)算法出现模型参数不确定及采样噪声干扰导致估算精度下降甚至系统发散等问题,提出一种HUKF(H∞无迹卡尔曼滤波)算法。该算法在UKF基础上,利用H∞控制理论引入调整因子来修正UKF中计算协方差时遇到的病态矩阵,提高对异常值和非高斯噪声的鲁棒性。实验结果表明,改进算法以较快的收敛速度实现了更精确的SOC估计,且鲁棒性较好,满足了退役电池SOC估计的实际需求。

考虑能质系数的工商业园区综合能源协同优化方法

针对综合能源利用效率,区别于传统能源效率计算,提出基于热力学第二定律的综合能效计算方法,首先建立考虑能源能质系数的工商业园区模型,能源的利用效率不仅要从数量上,更要从质量上考虑,以综合能源效率最大和碳排放最小为目标函数,结合加权法在MATLAB/Cplex软件上进行求解。结果表明,系统中加入能质系数后,可更加准确地衡量各设备的出力情况,在多目标分析中,考虑能质系数能够有效减少碳排放并且可提高能源的梯级利用。

渠道引流推荐研究

本文通过对渠道客户行为偏好的深入分析,结合对引流对象的研究分类成果,构建客户渠道引流推荐模型,挖掘存在可引流价值的客户。并通过客户渠道引流场景的设计,制定相应的引流策略,实现客户渠道引流推荐。

软土地基混凝土管桩竖向承载力时间效应分析

本文对2个工程管桩承载力不足的原因进行了分析，指出桩的入土时间和桩的休止时间的差别。

基于人工智能识别心电图的一种低钾血症快速辅助诊断模型

目的应用人工智能(AI)识别心电图(ECG),构建快速无创识别低钾血症模型。方法选取2017年9月至2019年5月在南昌大学第二附属医院门诊及住院患者标准十二导联ECG和血清钾值,根据时间将采集的ECG与血清钾标本进行匹配,获得ECG-血钾数据集。笔者建立了一个深度学习模型,并随机选取ECG用以交叉验证,用来评估ECG信号筛选低钾血症的性能。结果本研究共应用了9 161对份ECG,其中,80%(7 413对份)用作训练数据集,20%(1 748对份)用作验证数据集。结果表现,N末端脑钠素氨基酸前体>300 pg/ml或血清镁<0.75 mmol/L的患者可能更易患低血钾症;血清钾值>1所对应的ECG更有可能是低钾ECG。在排除混杂因素12导联模型的验证集中,低钾识别的接受者操作特性曲线下的面积为0.796,其诊断的特异性为71.1%;而敏感性为71.4%。结论 AI识别ECG可快速无创且有效地筛选低钾血症,其准确性明显高于人工识别。