Estimating the Input Power of a Power Plant Using the Efficiency of the Inverter

The study focuses on estimating the input power of a power plant from available data, using the theoretical inverter efficiency as the key parameter. The paper addresses the problem of missing data in power generation systems and proposes an approach based on the efficiency formula widely documented in the literature. In the absence of input data, this method makes it possible to estimate the plant’s input power using data extracted from the site, in particular that provided by the Ministry of the Environment. The importance of this study lies in the need to accurately determine the input power in order to assess the overall performance of the energy system.

一个包含数据要素的经济增长模型:生产率效应与数据要素化

数字经济时代,数据成为独立生产要素,是科技创新的新引擎和经济高质量发展的新动能。从纯数字资产与数据匹配性投入共同组成数据要素化投入的角度理解数据生产要素化,使用数据匹配性投入综合得分对中国数据要素化投入进行时空分析和生产率效应分析。结果表明,中国数据要素化投入存在明显的区域差异,基于数据要素化投入对经济产出的积极作用,其对区域经济协调发展具有重要作用;数据匹配性投入价格持续下降会影响生产要素间的交互作用,数据生产要素的使用带来生产方式的根本变革;数据生产要素化基于数据间的互联互通和经济融合,能够加快数据确权,促进生产要素合理配置,从而推动产业创新和经济高质量发展。

基于高通量监测数据的PMF源解析数据输入量研究

为探究数据输入量的变化对源解析结果的影响,以上海某工业区的大气重金属高通量监测数据为例,按不同数据量将监测数据分别输入至正定矩阵因子分解(Positive Matrix Factorization, PMF)模型中,通过考察模型中Q理论值(Qtheo)与Q计算值(Qtrue)的接近程度、源分类以及源贡献与研究区污染源分布特点的吻合情况,分析数据输入量对源解析结果的影响。结果显示:该区域大气重金属污染受工业生产主导(64.44%),其次是扬尘(19.60%)和交通运输(15.96%)。通过对数据量的考察,发现输入量为60~120时能够得出研究区域的污染源数量与贡献率,但考虑到测试成本、获取数据的时间,认为输入量为60~80时,也能得出合理的源解析结果。短期高通量的分钟级数据集,有益于PMF模型输出高精密度、高时效性的源解析结果,是解决应急污染监控的最佳手段。

生命体征智能采录系统在监护患者护理中的应用研究

目的探索生命体征智能采录系统在监护患者护理中的应用效果,用以解决原有手工抄录生命体征数据带来的效率低下、误差率高问题,推进全院一体化生命体征数据监测中心的建立。方法利用设备集成模块,将各类生命体征测量设备统一接入中心监护系统,中心监护系统将接收到的生命体征数据进行统一化、标准化和智能化处理,再通过数据网关转发数据至医院各业务系统,完成生命体征智能采录系统的设计,实现医疗设备应用过程中,采集数据的自动化传输、智能化存储和标准化应用。选取5个普通病房和5个重症监护室的生命体征数据采集时间及采录准确性、护理人员满意度作为评价指标对生命体征智能采录系统的效果进行分析。结果生命体征智能采录系统应用后,普通病房及重症病房各科室的生命体征数据采录时间均较系统应用前显著降低,每天平均节省时间分别为14.14~72.59 h、17.00~81.70 h;数据采录准确性和护理人员满意度均高于系统应用前,且差异均有统计学意义(P<0.05)。结论生命体征智能采录系统的应用,实现了生命体征测量设备互联、数据互通、生命体征数据采集流程的数字化,提升了护理安全和护理质量,可帮助医生动态监测患者病情变化并作出准确诊断。

基于时频域联合数据辅助MIMO均衡算法的多维度复用千公里级相干传输系统

基于少模光纤的模式复用系统利用单根纤芯中的正交模式实现各独立信道的并行传输,能够有效提升系统容量,解决单模光纤系统的容量危机.本文联合使用模式复用、波分复用与偏振复用技术,基于六模渐变型光纤实现了80个波长通道下32 Gbaud四模双偏振16阶正交振幅调制信号的1000 km相干传输,并在接收端使用时频域联合数据辅助8×8多输入多输出最小均方算法,以补偿由光纤传输导致的模式耦合及模间色散等线性损伤.与传统的纯时域或纯频域多输入输出最小均方均衡算法相比,该算法分别实现了57.1%的收敛速度提升与25.1%的收敛误差下降.经过1000 km少模光纤传输后,80通道每个模式及偏振态的误码率均低于开销为20%的软判决前向纠错编码阈值2.4×10^(-2),系统净速率达68.2 Tbit/s.

含有输入时滞的非线性系统的输出反馈采样控制

针对含有输入时滞和低阶非线性项的非线性系统,提出一种基于采样机制的无记忆输出反馈控制方法.该方法移除了传统预测控制方法预测映射难以确定的限制,同时避免了时滞依赖方法对过去时刻状态信息的依赖性,在实际中更易实现.首先,根据系统输出在采样时刻的信息,利用加幂积分技术和齐次占优思想设计了无记忆输出反馈采样控制器.然后,利用齐次系统理论提出了闭环系统的稳定性条件.最后,仿真结果验证了所提方法的有效性和优越性.

数据处理与信号调理组合系统设计

数据处理组合与信号调理组合是自动化测试系统的重要测试设备,数据处理组合包括电源、控制器、DA输出、AD采集、数字IO信号处理、串行总线通信及1553B总线通信等几个部分,目的是能够实现模拟量及数字量信号控制输出、模拟量及数字量信号采集监测、RS422串行总线通信及1553B总线数据通信等基本功能,模块化设计采用PXI总线架构形式,优点是成熟稳定可靠并且能够支持扩展,数据处理组合控制器接收指令与各功能板卡配合完成所需功能;信号调理组合作为被测与数据处理组合的中间信号转接设备,实现了数据参数的接口匹配及信号隔离等功能,重点对信号调理电路及芯片进行了计算研究,经实验测试实现了不同幅值的数字量信号和模拟量信号输入输出转换及不同转换比例的电压电流转换,经实际应用满足了信号转换及隔离等功能。

经济增长目标设置对科技创新投入的影响——基于静态和动态面板数据模型的研究

国家提出“实施创新驱动发展战略”以及“创新发展”居首位的五大发展理念,科技创新投入是创新驱动发展的前提和基础。本文采用省级面板数据,运用静态和动态面板数据模型探讨经济增长目标设置如何影响科技创新投入。研究发现:经济增长目标设置对科技创新投入并非单向线性影响,而是呈U形曲线关系。经济增长目标设置对5类科技创新投入的影响存在差异,主要表现为U形曲线拐点所对应的目标水平。这揭示了经济增长目标设置在科技创新领域的非预设结果,弥补了以往研究忽视目标设置对不同类型科技创新投入异质性效果的局限。

LSMW的Direct Input方法在SAP中的应用

LSMW为系统应用程序和产品的数据处理软件(SAP)提供批量数据导入平台,Direct Input方法是LSMW批量数据导入的方法之一。以上传采购订单为例,介绍了采用LSMW的Direct Input方法上传数据的步骤和方法。将LSMW的Direct Input方法应用于华能集团SAP中,显著提高了SAP启动时海量数据导入的速率,保证了SAP按时上线运行。

河南省大中型工业企业技术创新Panel Data模型分析

从投入-产出的角度对河南省各市地大中型工业企业技术创新的差异化进行研究.应用面板数据模型对18个市地大中型工业企业的技术创新投入对产出的结构影响进行深入分析,找出它们之间的结构差异并说明其存在的原因,为各市地提升大中型工业企业技术创新能力提供一些具有针对性的建议.

第五代PSU/NCAR中尺度模式(MM5)介绍Ⅱ:第一猜测场的形成(DATAGRID模块)

:通过对DATAGRID模块的主要功能、基本原理及其结构的介绍 ,同时对模块的操作使用方法给予了说明。并对模块的主要控制参数进行了较为详尽的讨论 ,最后 。

不同输入变量对光伏功率异常数据修复的影响分析

光伏电站及分布式光伏设备输出功率数据记录因量测设备异常、通信故障、信号干扰等因素会出现异常,影响电网决策。因此,本文提出基于遗传算法优化初值的反向传播神经网络,利用GA-BP神经网络进行异常数据修复,建立线性内插法数据修复模型作为对照组,研究了以数值气象记录(辐照强度、气温、相对湿度、风速及风向)、天气类型、邻近相似电站功率等参数的不同组合作为神经网络的输入变量对修复效果的影响。实例分析表明,采用全部的输入变量可取得较好的修复效果。

创新投入对大数据企业绩效的影响及其门槛效应

作为一项风险投资活动,创新投入是大数据企业开展创新活动的重要支撑,但其效应具有较高的不确定性。对创新投入与大数据企业绩效的实证研究成果很有限,迄今尚未有学者关注非线性影响。探讨创新投入对大数据企业绩效的影响及其门槛效应,对于大数据企业通过创新投入提升绩效具有重要的理论和现实意义。为此,从理论层面梳理创新投入对大数据企业绩效的影响,在此基础上以2013-2019年沪深A股上市大数据企业为研究样本,构建基准回归模型、调节效应模型及门槛效应模型,实证检验创新投入对企业绩效的影响,并考察了技术积累的调节效应及创新投入与企业绩效之间存在的非线性关系。研究发现,创新投入有助于提升大数据企业绩效,且影响存在一定的滞后性。这一结论在经过引入工具变量、混合回归及替换被解释变量等一系列内生性检验和稳健性检验之后依然成立。调节效应检验表明,技术积累对创新投入与企业绩效关系具有负向调节效应。门槛效应检验表明,创新投入对企业绩效的影响存在非线性关系,需要控制创新投入的比例。因此,大数据企业应制定可持续的创新投入规划,合理配置内部研发资源,重视创新人才的引进和培养,并寻求与研究机构的合作;加强创新管理,提高企业探索性创新能力;科学制定计划,建立内部预警机制,防止过度创新投入抑制企业绩效。

辽宁省科技金融投入产出效率研究

科技金融作为一种新兴的金融业态,已成为推动地区经济发展、促进社会转型升级的重要引擎。辽宁省作为东北老工业基地,其科技金融的发展对于推动区域经济的转型升级具有重要意义。通过选取2015—2022年辽宁省十四个地级市的科技金融相关数据,利用数据包络分析法对辽宁省科技金融投入产出效率进行测算,并从综合效率、纯技术效率和规模效率三个层次展开研究。研究结果表明:辽宁省各地区科技金融投入产出效率较低;从市域角度来看,多数地级市存在一定的科技金融资源浪费情况,科技金融投入产出效率地域差异明显。

基于朴素贝叶斯的医院信息安全态势感知系统设计

医院信息安全态势感知系统在受到网络攻击时,数据的分析处理存在过拟合情况,系统的信息分析能力存在不足。为此,设计基于朴素贝叶斯的医院信息安全态势感知系统。以原有的感知系统整体架构作为基础,在数据采集部分设计输入保护环节,并重新规划数据采集步骤;利用朴素贝叶斯设计分类模型,感知医院信息安全态势类别,根据医院信息分布特点与态势评估因素计算态势评估值,结合态势类别实现对医院信息安全完整的感知。实验结果表明:所设计系统能够保证信息的完整度在90%以上,信息增益明显,有效提高了该系统的信息分析能力。

FDI攻击下移动机器人弹性预测镇定控制研究

提出一种具有自适应预测时域的输入重构弹性自触发模型预测控制(self-triggered model predictive control,ST-MPC)算法,平衡机器人系统网络安全和资源受限之间的矛盾.首先,基于自触发非周期采样特征和虚假数据注入(false data injection,FDI)攻击模型设计输入重构机制,确保机器人系统可快速重构,能削弱FDI攻击影响的可行控制序列.其次,结合输入重构机制设计关键数据选取条件和预测时域调节机制,从实现最大化触发间隔和降低优化问题复杂度两个方面降低资源消耗.然后,基于输入重构和预测时域调节机制设计弹性ST-MPC镇定控制算法,并推导FDI攻击下算法的可行性和闭环系统稳定性条件.最后,通过仿真实验验证所提出算法能够在抵御FDI攻击前提下保持较好的控制性能及资源利用率.

基于DEA模型的我国亚运会举办城市投入产出效率研究

运用数据包络分析(DEA)模型对我国亚运会举办城市的投入和产出数据进行分析,评估各城市在举办亚运会过程中的资源利用效率.结果表明,产出没有达到最大值,存在潜在的提高空间.CCR模型中,北京市效率值最低;BBC模型中,3个亚运会举办城市的效率值均达到有效;SBM模型中,在规模报酬不变或可变时,北京市的效率值最低;超效率模型中,广州市的效率值最高.最后,提出加快我国体育事业未来发展的对策.

就业训练中心的职业技能培训效率研究——基于DEA-Malmquist评价模型的分析

基于2012—2021年份《中国劳动统计年鉴》中全国23个省、自治区、直辖市就业训练中心的面板数据,构建DEA-Malmquist评价模型,对各省就业训练中心职业技能培训的投入产出效率进行分析。结果显示,当前各地就业训练中心投入产出效率整体虽处于规模递增状态,但粗放型特征比较明显。建议各地提高对职业技能培训重要性的认识;协调区域间优质资源共享、构建清晰完整的职业技能发展路径;化解潜在的技术退步风险、改进资源投入方式;抓住“互联网+”机遇,积极探索新的效率增长点;实现培训效率和就业水平的整体提升。

产教融合背景下现代职业教育投入产出效率评价--基于甘肃、陕西两省的对比分析

为贯彻落实党的二十大精神,统筹解决人才培养与产业发展不协调的问题,以产教融合为背景,运用DEA-SBM模型、Malmquist指数及互信息熵,对2018—2021年甘肃与陕西两省高职院校的产教融合资源投入产出效率进行评价与对比分析。研究结果显示:两省高职院校均处于低效率水平,主要原因是技术进步水平不足;甘肃与陕西的省属院校在投入产出效率上均高于地级市属院校,其中陕西省省属院校的效率显著高于甘肃省,而其地级市属院校效率则相对较低;两省地级市属院校在专任教师数量、企业兼职教师时长及生均财政拨款方面存在投入冗余现象。此外,高职院校理工农医专业的相关度与其投入产出效率之间存在显著正相关关系。以上结论为推动高职院校管理改革及深化产教融合提供了重要参考。

环境适应的高斯噪声数据增强强化学习方法

状态向量输入的强化学习方法是一种基本的强化学习研究方向,具有广泛的应用前景。针对目前强化学习方法数据效率低下导致学习时间较长从而难以在现实环境中应用的问题,提出了一种环境适应的高斯噪声数据增强(environment-adapted Gaussian noise augmentation,EAGNA)方法,并将其作为一个模块插入到软演员-评论家(soft actor-critic,SAC)和近端策略优化(proximal policy optimization,PPO)方法中。针对任务环境中状态向量的各个元素分布范围,对每个元素添加具有不同均值和标准差的高斯噪声,从而达到增强数据的目的。在OpenAI Gym基准测试的3个基于状态向量输入的控制任务中,EAGNA较原算法获得了更高的平均回报,提高了算法的数据效率。特别是在具有复杂状态输入的Lunar Lander控制任务中,EAGNA获得的平均回报比SAC和PPO方法分别高出30.52和26.09。