血小板微核糖核酸-26a-5p结合临床指标构建川崎病相关冠状动脉损伤的风险预测模型

目的探讨血小板源性微核糖核酸(miRNA,简称miR)联合其他临床指标用于预测川崎病(KD)相关冠状动脉损伤(CAL)发生风险的潜在价值。方法收集2018年2—11月在上海市儿童医院(上海交通大学医学院附属儿童医院)心内科住院治疗的70例急性期KD患儿的临床资料和血小板源性miRNA表达水平,并根据心脏彩色多普勒超声(简称心脏彩超)检查获得的冠状动脉(简称冠脉)Z值将患儿分为CAL组(14例)和非冠脉损伤组(NCAL组,56例)。收集KD患儿在接受静脉注射免疫球蛋白(intravenous immunoglobulin,IVIG)治疗前急性期的基本信息、症状和体征、实验室检查结果、心脏彩超检查结果,并测定患儿外周血中血小板miRNA表达情况,以miR-126-3p为标准化基因,采用2-△△CT法计算相关血小板miRNA的相对表达量。将CAL与NCAL组间单因素分析中P<0.2的变量纳入多因素logistic回归分析,探究冠状动脉病变的风险因素,构建风险预测模型,并绘制ROC曲线评估模型预测效能。结果CAL与NCAL组间的性别构成、年龄、体重、发热持续时间和部分特征性临床表现占比的差异均无统计学意义(P值均>0.05),CAL组身高显著低于NCAL组(P=0.010)。CAL组血小板-淋巴细胞比值(PLR)有低于NCAL组的趋势,但差异无统计学意义(P>0.05,但<0.2)。CAL组ESR值和总蛋白值有低于NCAL组的趋势,但差异均无统计学意义(P值均>0.05,但均<0.2)。以miR-126-3p为标准化基因,CAL组血小板miR-26a-5p相对表达量为3.000±0.768,显著高于NCAL组的2.500±0.808(t=-2.120,P=0.038)。将单因素分析中P<0.2的指标,即ESR、总蛋白、PLR和miR-26a-5p,以及研究显示为KD患儿CAL发生的风险因素总胆红素(TBil)共同纳入多因素logistic回归分析,结果显示ESR、总蛋白、TBil和血小板miR-26a-5p是影响患儿CAL发生的风险因素(P值均<0.05)。联合上述3种临床指标及血小板miR-26a-5p构建CAL风险预测模型,其ROC的AUC为0.856(95%CI为0.703~1.000),以预测概率0.365作为截断值时,模型的约登指数最高为0.707,模型预测灵敏度和特异度分别为0.727和0.980。结论血小板miR-26a-5p、ESR、总蛋白和TBil是影响KD相关CAL发生的风险因素,联合miR-26a-5p与上述3种临床指标构建的CAL风险预测模型具有良好的预测效能。

基于模型预测的直流微网多电力弹簧协同控制策略研究

针对新能源接入、负荷投切所导致的直流微电网电压质量下降与系统呈现低惯性的问题,传统惯性控制随着电网规模的扩大适应性降低,因此提出一种多直流电力弹簧(DC electric springs,DCESs)单元下的直流微网电压协同控制策略,首先采用分布式一致性算法通过稀疏通信网络交换本地信息与相邻信息,求解全局母线电压平均值,并引入积分环节提高传统通信方式的收敛性。接着考虑系统负荷投切以及源侧功率波动导致的电压突变,基于DCES中的双向全桥DC/DC变换器构建预测模型,令各DCES根据系统功率波动状态自适应求解最佳虚拟电容值,平滑直流母线电压,提升了动态响应速度,同时分析了系统电压的收敛性与稳定性。最后通过MATLAB/Simulink在随机波动负荷、实际光伏场景下从电压质量、即插即用性能、系统惯性3个方面验证了模型的有效性,所提出的控制策略在保证系统电压平稳的同时,具有更优的动态响应能力。

基于可进化模型预测控制的含电动汽车多微电网智能发电控制策略

多微电网中的环境状态、控制资源及偶然事件均具有强不确定性,而电动汽车在参与电网削峰填谷的同时也给发电控制带来了挑战。为此,该文提出一种基于可进化模型预测控制(LBMPC)的含电动汽车多微电网发电控制策略。首先,基于控制器交互的多微电网互联结构,考虑了发电机端电压调节和负荷频率控制(LFC)之间的耦合关系,建立含电动汽车多微电网的发电控制模型;然后,设计了一种基于多智能体的控制器参数自适应算法:频率控制器以实时频偏和EV站输出功率边界为状态集,以模型预测控制(MPC)控制器的可调参数矩阵Q_(x)作为动作集,以频率偏差为奖励函数指标,电压控制器同理,从而实现MPC与PI控制器权重参数的自适应调整;最后,仿真结果表明,自动调压(AVR)回路增加了有功功率干扰,对LFC控制器提出了更高的要求,与传统控制和MPC算法相比,应用于控制器互联结构的可进化模型预测控制器能够在子微电网之间进行信息交换,并且根据环境状态实时更新控制器参数,显著提高了多微电网频率控制过程的鲁棒性和快速性。同时,与纯深度确定性策略梯度(DDPG)控制器相比,该文提出的双层控制结构在机器学习智能体出现故障无法正常输出动作时,能更好地保证系统的安全稳定运行。

基于分布鲁棒模型预测控制的微电网多时间尺度优化调度

源荷多元不确定性给“源荷储”一体化微电网优化调度带来了诸多挑战,但传统方案存在优化模型过于片面极端和时间尺度单一导致调度不合理的问题,无法兼顾可靠性和经济性,并且难以协调不确定性分析方法与不同时间尺度之间的配合关系。文中基于数据驱动的多离散场景分布鲁棒方法,提出一种微电网两阶段分布鲁棒日前优化调度模型,使用列和约束生成算法进行求解。结合改进分布鲁棒优化的不确定方法、多时间尺度调度策略和模型预测控制理论,通过逐级细化调度时间尺度和减小预测周期的长度来提高精度,以最小化发电成本以及调节成本等为目标建立日前-日内多时间尺度滚动优化调度模型,较大程度上抵抗系统不确定性因素的影响。结合算例仿真分析,进一步说明了所提模型能够有效消纳新能源、降低运行成本同时兼顾安全性和经济性。

基于SEER数据库构建微浸润乳腺癌腋窝淋巴结转移风险预测模型

目的分析微浸润乳腺癌(MIBC)患者腋窝淋巴结转移(ALNM)的影响因素,构建MIBC患者同侧ALNM风险预测模型。方法通过SEER数据库检索并筛选出2010-2015年病理确诊的4475例原发MIBC女性患者作为建模组,另筛选SEER数据库中2018-2020年病理确诊的2266例原发MIBC女性患者作为外部验证组,收集入组MIBC患者的临床病理资料,单因素分析筛选出影响MIBC患者ALNM的因素,将有统计学意义的变量纳入多因素Logistic回归分析,筛选出影响MIBC患者ALNM的独立影响因子并建立列线图,绘制受试者工作特征(ROC)曲线计算曲线下面积(AUC),绘制校准曲线,并行Hosmer-Lemeshow拟合优度检验进行模型评价。结果纳入6741例MIBC患者中发生同侧ALNM患者为309例,比例约为4.58%。建模组单因素分析显示:年龄、种族、组织学分级、病理类型、分子亚型、边侧与MIBC患者ALNM相关(P<0.05)。多因素分析结果显示:≤40岁、黑种人、组织学分级Ⅱ级及Ⅲ级、原发于右侧的MIBC发生ALNM的风险更高(P<0.05),分子亚型是MIBC患者ALNM的独立影响因素,但HR+HER2+、HR-HER2+、HR-HER2-三种分子亚型MIBC与HR+HER2-亚型间ALNM风险差异均无统计学意义。利用上述变量建立预测列线图,得出建模组AUC为0.716,(95%CI:0.682~0.750),最佳截断值为0.045,其敏感度为0.733,特异性为0.608。将新建的列线图模型用于验证组,其AUC为0.722(95%CI:0.667~0.777)。建模组及验证组的校准曲线Hosmer-Lemeshow拟合优度检验均P>0.05。结论通过SEER数据库建立的MIBC患者ALNM风险预测模型,预测能力较好,有望为临床实践提供参考。

基于CNN-LSTM的数字微流控系统液滴运动时间预测模型

由于数字微流控芯片在制造和使用过程中可能存在潜在故障,并且芯片的应用领域对安全性要求极高,因此需要对芯片进行全面的测试以确保其可靠性和安全性。提出融合卷积神经网络(CNN)算法和长短期记忆(LSTM)神经网络的预测模型。利用机器视觉技术获取数字微流控驱动控制系统数据,基于CNN-LSTM模型对数字微流控系统液滴运动时间变化进行预测及相关性分析,并与传统的LSTM神经网络模型进行对比。实验结果表明,在驱动电压90 V下,CNN-LSTM模型在预测精度上明显优于LSTM神经网络模型,决定系数(R^(2))达到0.9543,均方误差(MSE)仅为6.5301,平均绝对误差(MAE)为1.9179,平均绝对百分比误差(MAPE)为5.0520,预测值与实验值之间的拟合程度高。结果表明,CNN-LSTM的预测准确率高于传统的LSTM神经网络模型,能有效识别实验器件健康状态、较好预测潜在故障时间,具有有效性和优越性。

基于模型预测控制的多能源微网仿射优化调度

受源荷日前预测误差较大的影响,多能源微网存在优化调度方案变化范围较大,且难有足够的不确定性应对裕度的问题。为解决上述问题,提出一种基于模型预测控制的多能源微网仿射优化调度方法。首先,通过不断更新预测信息以保证源荷预测精度。在此基础上,采用仿射算法表征源荷预测的不确定性。然后,将仿射优化调度模型嵌入滚动优化中,并在每次滚动优化中求解仿射优化调度模型。最后,仿真结果验证了所提方法能够有效降低优化调度方案的保守性与提高不确定性应对能力。

基于可学习模型预测控制的含风电多微网频率控制方法

负荷波动、分布式电源出力的强随机性以及多微电网更为复杂的结构设计给微电网负荷频率稳定控制带来了巨大挑战。因此,提出了基于可学习模型预测控制的含变速恒频双馈风机多微电网负荷频率控制(LFC)方法。首先,搭建了包含风力发电机组、储能、微型燃气轮机及负荷的互联多微电网负荷频率控制模型。其次,提出了一种可学习的模型预测控制算法,其能够基于深度强化学习对模型预测控制器实现参数自适应。最后,通过仿真验证了所体控制方法具备在线学习及经验回放能力,在不同的复杂运行工况下均能实现频率的稳定控制。

基于模型预测控制的微压氧舱系统设计

为提高微压氧舱压力控制精度和氧气浓度控制效果,本研究建立舱内压力系统数学模型和氧气浓度数学模型,分析为降低氧气浓度而进行的通风换气对舱内压力的影响,提出了基于模型预测控制(model predictive control,MPC)的系统控制策略。通过样机性能测试,表明所提出的控制策略可行,可精确控制压力波动幅度,维持舱内目标氧气浓度。

基于虚拟同步发电机的孤岛微电网逆变器模型预测控制策略

虚拟同步发电机技术可应对新能源发电的间歇性和波动性,在电力领域中受到了广泛的关注和应用。针对孤岛微电网逆变器采用虚拟同步发电机控制策略时,底层控制采用电压电流串级比例积分控制结构,存在控制参数整定烦琐、结构复杂、动态响应能力弱等问题,提出一种基于虚拟同步发电机的构网型孤岛微电网逆变器模型预测电压控制策略。首先,分析了虚拟同步发电机的控制策略,由此生成参考电压幅值与相位;其次,根据逆变器的开关函数构建了三相逆变器输出电压空间矢量模型,在此基础上推导及优化了逆变器输出电压离散预测函数模型,并由价值函数以参考值与预测值误差最小化为原则筛选出最佳开关序列作用于逆变器;最后利用MATLAB/Simulink平台搭建仿真模型,仿真分析显示,采用VSG-MPVC策略可提高孤岛微电网系统的稳定性和动态响应能力,改善系统暂态过程。

基于血清miR-351、miR-638水平构建2型糖尿病患者颈动脉粥样硬化的影响因素列线图预测模型与评价

目的基于血清微小核糖核酸(miR)-351、miR-638水平构建2型糖尿病(T2DM)患者颈动脉粥样硬化(CAS)的影响因素列线图预测模型并予评价。方法选取2021年3月—2022年12月新疆医科大学第一附属医院内分泌科收治的T2DM患者182例作为观察组,另选医院同期体检健康者91例作为健康对照组。比较2组血清miR-351、miR-638及血糖、血脂水平差异;T2DM患者根据是否合并CAS分为CAS亚组(n=79)和非CAS亚组(n=103),并比较2亚组临床特点差异;多因素Logistic回归分析T2DM合并CAS的危险因素;依据危险因素构建T2DM合并CAS发生风险列线图预测模型;受试者工作特征(ROC)曲线分析预测效能,以Bootstrap法、决策曲线分析该模型校准度与决策能力。结果观察组血清miR-351水平高于健康对照组,血清miR-638水平低于健康对照组(t/P=9.999/<0.001、12.051/<0.001)。观察组高密度脂蛋白胆固醇(HDL-C)水平低于健康对照组(t/P=11.060/<0.001),空腹血糖(FPG)、餐后2 h血糖(2 h PG)、糖化血红蛋白(HbA 1c)、总胆固醇(TC)、三酰甘油(TG)、低密度脂蛋白胆固醇(LDL-C)水平均高于健康对照组(t=18.034、20.355、21.744、7.991、20.682、13.256,P均<0.001);多因素Logistic回归分析显示,HbA 1c、TC、TG、LDL-C、miR-351升高为T2DM合并CAS的独立危险因素[OR(95%CI)=8.129(3.377~19.567)、1.444(1.093~1.908)、7.868(2.254~27.459)、2.728(1.241~5.997)、1.337(1.039~1.721)],而miR-638升高为其保护因素[OR(95%CI)=0.046(0.006~0.337)]。ROC分析显示,HbA 1c、TC、TG、LDL-C、miR-351、miR-638水平及预测模型的曲线下面积(AUC)为0.863、0.670、0.693、0.726、0.776、0.655、0.936,以预测模型的AUC最大(Z=3.468、6.602、5.832、5.599、5.064、6.674,P均<0.001);采用Bootstrap法对列线图模型进行内部验证,重复抽样1000次(B=1000)显示,C-index为0.871,提示该列线图模型预测能力较好。决策分析显示,该模型的阈值概率0.01~0.97,净收益率>0,高于两条无效线。结论T2DM患者血清miR-351水平升高,miR-638水平降低,参与了T2DM患者CAS的发生及进展。HbA 1c、TC、TG、LDL-C、miR-351升高为T2DM合并CAS的独立危险因素,miR-638升高为其保护因素,基于miR-351、miR-638及其他独立危险因素构建的列线图预测模型对T2DM合并CAS有良好预测价值,可用于评估T2DM患者合并CAS发生风险。

弹药贮存微环境温度智能化预测

高效、准确获取弹药贮存微环境温度变化规律是开展弹药寿命评估与延寿的关键。结合神经网络算法以及传热学原理,研究了弹药贮存微环境温度预测模型,并基于此模型开发了一套弹药包装箱微环境预测软件,用以预测不同气候环境下包装箱内部的温度变化。在敦煌、漠河进行了相关试验,用以验证软件预测正确性以及参数优化。结果表明:应用基于神经网络算法开发的包装箱微环境预测软件,根据不同包装箱材料,调控贮存地点以及控制贮存起始温度,可以实现对箱内温度的控制。

基于模型预测控制的直流微电网虚拟惯性优化方法

为了提高直流电压的稳定性、动态特性以及安全性,提出一种基于预测模型控制的直流微电网虚拟惯性滚动优化方法。首先,建立含虚拟惯性控制单元的直流微电网线性离散模型,用以预测系统输出量的未来趋势。其次,设计模型预测控制器:以直流电压跟踪误差、虚拟惯性系数两者的加权二次方和最小为目标,希望直流电压维持稳定并且惯性响应的强度不要太大;以直流电压及其变化率限制为约束,防止因动态电压超过安全阈值而导致切机、切负荷甚至系统崩溃问题;在每个采样时刻,求解各控制单元的虚拟惯性系数并将其输出,从而实现虚拟惯性的优化控制。同时,通过控制性能分析,给出控制器主要参数的选取原则。最后,通过负荷突变、风速随机波动等典型工况下的硬件在环测试,验证了所提方法的可行性和有效性。

DAB储能变换器双闭环模型预测控制与PI补偿控制策略研究

针对直流微电网中分布式电源输入输出功率不稳定造成的直流母线电压波动问题,鉴于双有源桥(DAB)储能变换器具有能量双向流动的特点,提出一种基于内模原理的双闭环模型预测控制策略。在分析DAB变换器扩展移相调制原理与特性基础上,重点研究电压外环和电流内环的模型预测控制策略。针对模型预测控制性能依赖电路参数准确度问题,分别从电路主要参数失配对功率传输和直流母线稳压的影响两个角度出发,深入分析模型参数敏感度。最终设置直流母线电压稳态误差灵敏度区,在误差灵敏度区外仅采用双闭环模型预测控制以保证系统的动态响应性能,在误差灵敏度区内采用双闭环模型预测控制和PI补偿控制以消除系统稳态误差。搭建实验平台进行实验验证,结果表明:在系统受到扰动时,DAB储能变换器可实现快速地充放电对系统进行补偿,混合控制策略可快速保持母线电压的稳定,实现系统功率均衡,增强系统抗扰能力。

基于模型预测控制的多微网系统2阶段优化调度

针对多微网系统集中式优化所带来的巨大计算压力以及源荷不确定性给系统稳定运行所造成的影响,提出了基于模型预测控制的多微网系统2阶段优化调度方法。针对日前阶段,考虑微网间源荷时空互补特性,以微网间热电交互功率、各微网中可控微源出力以及储能系统出力为优化变量,建立最小化多微网运行成本的日前优化模型,并利用同步型交叉方向乘子算法求解日前调度计划;针对日内阶段,为应对源荷预测偏差,用模型预测控制对储能系统进行合理调控,以平滑热、电网联络线,跟踪日前调度计划。算例结果表明,所提优化调度方法可缓解集中式优化的计算压力,提升系统运行的经济性与可靠性。

基于外泌体多miRNA表达水平构建的子痫前期风险预测模型效能分析

目的 探讨基于多个外泌体微小RNA(miRNA)表达水平构建子痫前期(PE)风险模型的可行性,并验证其对PE的预测效能。方法 选择2019年6月—2021年12月建档且孕周≤20周的孕妇1 037例作为研究对象,入组后收集所有患者首次建档的一般资料及实验室检查资料。通过qRT-PCR分析所有样本中外泌体miRNA表达情况(包括miR-155-5p、miR-215-5p、miR-203a-3p、miR-199a-5p及miR-125a-3p)。而后对所有患者随访至妊娠结束,统计随访期间PE发生情况并根据结果将患者分为PE组及对照组。使用Cox回归分析PE的影响因素,以ggrisk包构建多miRNA风险模型,并采用受试者工作特征(ROC)曲线评估所构建模型对PE的预测效果。结果 截至2022年10月31日随访结束,最终完成随访974例(93.92%)。PE组65例和对照组909例。PE组年龄、孕前体质量指数(BMI)、孕12周腰围均大于对照组,吸烟史及饮酒史占比高于对照组(P<0.05)。PE组三酰甘油、低密度脂蛋白胆固醇、总胆固醇、丙氨酸转氨酶、天冬氨酸转氨酶、血小板分布宽度、平均血小板体积、血红蛋白、miR-155-5p、miR-199a-5p、miR-215-5p水平均高于对照组,而促甲状腺激素、miR-125a-3p及miR-203a-3p水平低于对照组(P<0.05)。miR-125a-3p、miR-155-5p、miR-199a-5p、miR-203a-3p及miR-215-5p表达水平为PE发生的独立预测因子(P<0.05)。由上述外泌体miRNA构建的风险预测模型在PE发生方面具有良好的预测价值(AUC=0.998,P<0.001),敏感度为96.92%(63/65),特异度为93.94%(854/909)。结论 miR-125a-3p、miR-155-5p、miR-199a-5p、miR-203a-3p及miR-215-5p与PE的发生相关,以上述外泌体中5个miRNA构建的PE预测模型效果较好。

适用于光伏微网系统的并网点电压模型预测控制

微网系统中的光伏发电功率波动会导致电网电压升高或波动,为了降低高渗透率光伏带来的电能质量问题,提出了针对储能功率模型预测控制的光伏发电系统电能质量提升算法,该方法具备自适应优化功能,通过模型预测控制反馈校正和滚动优化,获得微网线路阻抗等关键参数的精确值,同时还考虑了储能荷电状态等运行参数,保证了储能系统的安全稳定运行。仿真结果证明了该控制策略的有效性。

基于残差生成器的Buck双向变换器改进模型预测控制

在以光伏储能装置为主体的直流微网中,外部扰动容易引起直流母线电压波动,导致系统输出电能质量下降。为提升系统动态响应性能,针对直流微网中常用的Buck型双向DC-DC变换器,提出一种基于残差生成器的改进电流补偿模型预测控制策略。首先,对模型预测控制(MPC)环节进行线性等效,证明采用校正前PI+MPC控制时,系统在0 rad/s时存在失稳风险。然后,由此设计负低-高通滤波器校正环节,并从调节系数变化和模型参数不确定性等角度进行分析,验证改进后系统的稳定性和动态性能得到明显改善。仿真与实验结果表明,基于残差生成器的电流补偿能有效平抑外界扰动引起的母线电压波动,负低-高通校正环节在改善系统性能的同时又进一步抑制电感电流噪声,进而平滑母线电压曲线。最终,证明提出的改进策略可显著提升直流微网的动态响应性能。

微纳卫星与非合作翻滚目标对接的模型预测控制

针对多约束下微纳卫星与非合作翻滚目标对接过程中的位置跟踪与姿态同步问题,设计了基于模型预测控制(MPC)的对接控制器。首先,考虑动力学耦合问题,建立了六自由度姿轨耦合相对动力学模型。然后,充分考虑了可能存在的实际工程约束,包括输入饱和约束、移动过程中的速度约束、追踪星光学设备视场约束、安全接近走廊约束等,设计了基于MPC的对接控制器,确保精确完成对接操作的同时尽量减少推进剂消耗以获得最优接近轨迹。最后,仿真结果说明了本文所提出控制策略的有效性和鲁棒性,所设计控制器可以在满足多种约束的基础上,实现微纳卫星对非合作翻滚目标的对接,并对干扰具有鲁棒性。

基于改进模型预测的并网变换器自适应虚拟惯性控制策略研究

针对低惯性直流微电网中母线电压易受网内功率波动影响的问题,提出了一种基于改进模型预测的直流微电网并网变换器自适应虚拟惯性控制策略。首先,电压外环引入自适应类虚拟同步发电机控制,通过将控制方程中的虚拟惯性参数与电压变化率结合起来,实现虚拟惯性参数的灵活可调。其次,在电流内环引入模型预测控制,并采用改进延时补偿算法,实现对给定电流值快速跟踪的同时改善控制系统的动态特性。最后,基于Matlab/Simulink建立了系统模型进行仿真。结果表明,与传统的虚拟惯性控制策略相比较,所提控制策略下的直流母线电压波动幅值更小且动态性能更佳,可以有效提高直流母线电压的稳定性和直流微电网的惯性。