Real-Time Tunable Gas Sensing Platform Based on SnO_(2) Nanoparticles Activated by Blue Micro-Light-Emitting Diodes

Micro-light-emitting diodes(μLEDs)have gained significant interest as an activation source for gas sensors owing to their advantages,including room temperature operation and low power consumption.However,despite these benefits,challenges still exist such as a limited range of detectable gases and slow response.In this study,we present a blueμLED-integrated light-activated gas sensor array based on SnO_(2)nanoparticles(NPs)that exhibit excellent sensitivity,tunable selectivity,and rapid detection with micro-watt level power consumption.The optimal power forμLED is observed at the highest gas response,supported by finite-difference time-domain simulation.Additionally,we first report the visible light-activated selective detection of reducing gases using noble metal-decorated SnO_(2)NPs.The noble metals induce catalytic interaction with reducing gases,clearly distinguishing NH3,H2,and C2H5OH.Real-time gas monitoring based on a fully hardwareimplemented light-activated sensing array was demonstrated,opening up new avenues for advancements in light-activated electronic nose technologies.

Power consumption in a field emission panel

The power consumption and electric field distribution in a field emission display （FED） panel is optimized with a novel pixel structure. A circuit model is proposed to estimate the total power consumption in an FED panel which is composed of anode energy consumption, energy loss due to the leakage current and the energy dissipated in the parasitic capacitances. Moreover, the parasitic capacitances play a vital part in the power consumption and driving performance. In order to lower the parasitic capacitances, multiple dielectric layers are used as the gate electrode. Due to different etching speeds, a novel pixel structure is formed. As a result, the power consumption of an FED panel is reduced by 28% in a full white picture, and the electron beam performance is also better than that of the conventional structure.

A robust optimization model for demand response management with source-grid-load collaboration to consume wind-power

To accommodate wind power as safely as possible and deal with the uncertainties of the output power of winddriven generators,a min-max-min two-stage robust optimization model is presented,considering the unit commitment,source-network load collaboration,and control of the load demand response.After the constraint functions are linearized,the original problem is decomposed into the main problem and subproblem as a matrix using the strong dual method.The minimum-maximum of the original problem was continuously maximized using the iterative method,and the optimal solution was finally obtained.The constraint conditions expressed by the matrix may reduce the calculation time,and the upper and lower boundaries of the original problem may rapidly converge.The results of the example show that the injected nodes of the wind farms in the power grid should be selected appropriately;otherwise,it is easy to cause excessive accommodation of wind power at some nodes,leading to a surge in reserve costs and the load demand response is continuously optimized to reduce the inverse peak regulation characteristics of wind power.Thus,the most economical optimization scheme for the worst scenario of the output power of the generators is obtained,which proves the economy and reliability of the two-stage robust optimization method.

Multilevel Power Modeling of Base Station and Its ICs

A new power estimation method is proposed for base station(BS) in this paper.Based on this method,a software platform for power estimation is developed.The proposed method models power consumption on different abstraction levels by splitting a typical base station into several basic components at different levels in the view of embedded system design.In particular,our focus is on baseband IC(Integrate Circuit) due to it's the dominant power consumer in small cells.Baseband power model is based on arithmetic computing costs of selected algorithms.All computing and storage costs are calibrated using algorithm complexity,hardware architecture,activity ratio,silicon technology,and overheads on all hierarchies.Micro architecture and IC technology are considered.The model enables power comparison of different types of base stations configured with different baseband algorithms,micro architectures,and ICs.The model also supports cellular operators in power estimation of different deployment strategies and transmission schemes.The model is verified by comparing power consumption with a real LTE base station.By exposing more configuration freedoms,the platform can be used for power estimation of current and future base stations.

某纯电驱动重载车辆能耗预测模型

高精度能耗预测模型是准确预测车辆续驶里程的重要前提。针对载荷大幅度变化且非结构化道路运行的纯电驱动重载车辆,建立其组合能耗模型,该模型由能耗计算基本模型与长短时记忆(Long Short-Term Memory,LSTM)神经网络差值修正两部分组成。基于能量流动过程驱动电机和变速器效率建模,结合汽车行驶动力学建立能耗计算基本模型;采用LSTM神经网络来修正基本模型能耗预测结果与车辆典型工况功率测试值的差值,有效提高了大幅变载荷且低信噪比坡度环境下的车辆能耗预测精度,因此组合能耗模型具有参数简单和模型拟合不需解释能耗规律的优点。经试验测试分析,与VT-Micro能耗模型和径向基(Radial Basis Function,RBF)神经网络能耗模型相比,所提组合能耗模型的功率预测平均误差率分别降低了17.76%和3.35%,能够实现纯电驱动重载车辆复杂工况下能耗的准确实时预测。

基于环境中移动运输代理的传感器网络建模

针对大型稀疏传感器网络中的数据获取,本文提出了一种利用环境中普遍存在的移动代理来连接稀疏传感器的网络体系结构和一种2-维网格随机游走分析模型;提出的传感器网络模型由3个抽象层构成,即由无线传感器构成的底层、由各种运输代理构成的中间层和由接入点/中央存储库构成的顶层。具体实现原理是位于中间层的移动运输代理从底层分布的无线传感器收集数据并缓冲数据,然后经过游走运输,最后将从底层的无线传感器收集的数据交付到顶层必要的接入点进行必要的存储和处理,从而实现整个传感器网络的数据获取;理论分析和仿真实验结果表明,提出的基于移动运输代理的传感器网络模型不仅具有较好的鲁棒性和可扩展性,而且相比于基站网络模型和Ad-hoc网络模型,在传感器功率消耗、数据成功率和基础设施投入成本方面有明显的优势。

基于数字孪生模型的数字化电网能耗自动监测系统研究

当前使用的数字化电网中,存在感知终端种类较多,对于传统的能耗自动监测系统来说获取的数据传输实时性不足,导致监测结果出现偏差,为此设计一种基于数字孪生模型的数字化电网能耗自动监测系统。系统主要从硬件和软件两方面进行设计:在硬件设计中,根据不同的应用层次,设计系统的总体架构。主要对硬件中的无线通信网络进行搭建,选择基于LoRa无线通信技术的RTU设备作为通信主体。设计LoRa无线开关电路,实现ZigBee设备之间的无线数据传输和交换;软件设计中,设计能耗数据采集主线程,分析数字孪生模型映射交互关系,基于数字孪生模型与实际运行工况之间的映射关系实现能耗指标实时监测。实验结果表明,与传统系统相比,设计得到的检测结果与实际的能耗情况更加相符。

计及动态碳排放对新能源消纳市场的价格研究

通过丰富电力市场交易方式,可有效提高新能源消纳水平。针对现有电力市场无法有效控制碳排放的特点,提出计及动态碳排放的电力市场出清方法,将火电碳排放成本动态传导到电价中,从而使部分发电权向新能源转移。同时,当发生弃能时,对弃能机组引入价格因子替换报价,进行电力市场二次出清,深度促进新能源应发尽发,以激励相容机制平衡发电权转受让方收益。采用改进的IEEE 30节点系统进行仿真验证,提出的电力市场交易机制能有效降低火电机组的碳排放并促进风光消纳,验证了该方法的有效性。

考虑灵活爬坡辅助服务和弃风惩罚的现货电能量市场出清模型

为解决风电不确定性引起的系统爬坡能力不足、高比例风电接入时系统总运营成本偏高等问题,提出了计及改进灵活爬坡辅助服务和弃风惩罚的现货电能量市场出清模型。首先,分析了单台机组在出力状态、投入/退出过程中需要满足的爬坡速率约束,以及系统因净负荷波动需要满足的爬坡能力约束,提出了改进的灵活爬坡辅助服务产品。然后,以发电计划和机组状态为决策变量,构建了计及灵活爬坡辅助服务和弃风惩罚的目标函数。最后,通过两个算例从风电预测误差、风电渗透率和弃风惩罚成本等不同角度进行深入分析,验证所提出清模型的有效性。算例结果表明,所提出清模型既提高了系统运行的灵活性和经济性,又提升了高比例风电的消纳能力。

基于理论力学的旋耕机核心结构布局研究

针对现有的旋耕机作业效率和作业水平较低、作业效果无法达到农民要求的问题,基于理论力学对旋耕机的核心结构布局进行了设计与分析。旋耕机的主要组成包括机架、传动系统、电源和动力装置、旋耕刀和工作部件、避障系统、耕深调节装置及悬挂装置。为了保证旋耕机在作业过程中的动力匹配,通过建立旋耕机各部件的功耗数学模型,以优化旋耕机的结构和运动参数,提升旋耕机的作业性能。为了验证旋耕机的性能,对其进行机械作业性能测试,结果表明:旋耕机的作业效果良好,最终确定的旋耕机的基本性能参数合理。

考虑合约转让的风-水-火中长期交易出清模型

风电出力的不确定性导致执行中长期合约时产生弃风或遭受偏差惩罚,为弥补中长期合约交易灵活性的不足,提升风电的消纳比例,提出一种考虑合约转让的风-水-火中长期交易出清模型。考虑风电出力的不确定性,根据风电出力的概率分布,将其出力品质区间划分为确定部分和不确定部分;风电确定部分参与上层的中长期市场交易,以电力系统总体购电成本最小为目标,建立风电确定部分、火电和水电中长期竞价模型,得到中长期合约交易的合约电量和价格,并将出清结果传递给下层;剩下的风电不确定部分参与下层合约转让交易,利用蒙特卡洛方法将风电不确定部分生成典型场景集,以风电利益最大化为目标,以水电和火电利益诉求为约束,建立风电、水电和火电三方自主协商的合约转让交易模型,从而充分挖掘水电和火电的灵活性调节能力,将原中长期合约中水电和火电承担的电量转移给风电,并将合约转让交易情况反馈给上层,进一步优化上层中长期出清结果。改进的IEEE30节点系统算例结果分析表明:所提出清模型不仅提升了风电在中长期市场的消纳水平,而且降低了二氧化碳等污染物的排放,同时也有效保障了各合约转让交易参与主体的利益,增强了市场主体参与合约转让交易的积极性和主动性。

考虑氢能储运特性的配电网集群划分与氢能系统选址定容策略

电-氢能源系统(IEHS)的合理规划对能源结构转型具有重要意义,充分利用氢储能的可移动特性可降低IEHS综合成本,提出一种考虑氢能储运特性的配电网集群划分与氢能系统规划策略。首先,将氢能系统拆分为多个氢能子系统(HES),建立多个HES之间的气氢拖车交通运输及储运成本模型;其次,基于电力-交通网架结构与新能源分布情况提出配电网集群划分方法;最后,根据集群划分结果,建立HES双层选址定容模型,该模型以IEHS年综合成本最低为目标,分层解决单个集群内HES的容量配置问题、各集群内部HES选址定容及气氢拖车配置问题。结果表明:提出的策略可以减小氢能储运压力、降低IEHS综合成本,提升风、光消纳水平,加快系统潮流计算迭代收敛速度。

基于北斗短报文通信和组合模型算法的信标机设计

针对传统信标机落地后回收效率低、功率损耗大的问题,研制了一种可指示落点位置的新型信标机。在硬件部分,该信标机选用低功耗单片机STM32L431控制GPS定位模块和北斗短报文模块,并对供电电路实时采集。在软件部分,采用组合模型算法预测下一时刻的位置信息,并增加了“休眠工作”模式,实现与“正常工作”模式的循环切换。实验结果表明,组合预测结果和实地结果在经度、纬度和高度方向上的差值均在±25 m内,即落点搜寻工作可在以组合预测落点坐标为中心,维度为25 m×25 m×3 m的空间体内开展,提高了回收效率;双模切换的工作方式将能量损耗降低至传统信标机的64.7%,续航时间延长了11.16 h,具有较高的应用价值。

基于数据驱动模型的反窃电行为精准取证系统

反窃电行为现场蹲守取证的时效性与准确性均较差,导致取证工作效率下降,且取得的证据不完整,设计基于数据驱动模型的反窃电行为精准取证系统。在现场布设反窃电稽查仪、红外摄像头,在采集层获取用户相关用电数据以及视频图像,并通过通信层的集中器将数据传输到主站层。主站层借助数据驱动模型从用电数据以及视频图像中挖掘证据,对获取的证据进行实时整理和归纳,完成反窃电行为精准取证。实验结果表明,利用所设计系统对窃电用户进行检测与识别后所得F1值均大于9,且接近于10,能够实现反窃电行为精准取证。

多线程多核服务器功耗模型及性能监控

针对现有服务器的CPU功耗准确性不足和多线程处理功耗负载不平衡问题,本文提出了一种多线程和多核服务器CPU功耗模型。该模型采用前后端分离的整体架构思想,根据服务器功耗模型实时获取CPU的线程数、频率及利用率。通过日志文件进行反馈多线程和多核功耗模型,达到最佳服务器负载平衡。仿真测试的结果表明,改进的服务器功耗模型在CPU利用率方面比传统服务器提高了6%,内存以及I/O通信方面也有明显改善,为多线程和多核服务器提供了一种新的功耗模型思路。

基于ConvLSTM的移动边缘计算服务器能耗模型

针对现有能耗模型对动态工作负载波动具有低敏感性和低精度的问题,该文基于卷积长短期记忆(convolutional long short-term memory, ConvLSTM)神经网络,提出了用于移动边缘计算的服务器智能能耗模型(intelligence server energy consumption model,IECM),用于预测和优化服务器的能量消耗。通过收集服务器运行时间参数,使用熵值法筛选和保留显著影响服务器能耗的参数。基于选定的参数,利用ConvLSTM神经网络训练服务器能耗模型的深度网络。与现有的能耗模型相比,IECM在CPU密集型、I/O密集型、内存密集型和混合型任务上,能够适应服务器工作负载的动态变化,并在能耗预测上具有更好的准确性。

基于改进PCA算法的火电机组供电煤耗负荷特性建模分析

针对火电厂机组供电煤耗较高、分析精度较差的问题,研究基于改进主成分分析(PCA)算法的火电机组供电煤耗—负荷特性建模分析方法。基于火电机组阀点效应的煤耗—出力函数,充分考虑火电机组在平稳负荷出力、升负荷出力、降负荷出力时的负荷特性,构建火电机组供电煤耗—负荷特性模型,以PCA为基础加入遗传神经网络(GABP),生成改进PCA算法,通过PCA降低网络输入变量冗余,增强学习效率,再利用GABP实现神经网络权值的优化,训练神经网络得出最优解,实现火电机组供电煤耗—负荷特性模型分析求解。试验结果表明:该方法分析获取的供电煤耗率低,节能效果较好,平均总煤耗成本为10.25万元,可精准地显示火电机组的实际运行情况,为降低火电机组供电煤耗提供理论依据。

基于风险预警的银川市用电负荷气象服务指标

[目的]为保障电力供应的安全性、可靠性和经济性,文章以银川市为例,评估了各区域2014~2022年用电气象风险。[方法]基于自动气象站观测资料和用电负荷资料等,筛选危险性指标、敏感性指标和易损性指标,采用相关性分析、百分位法、归一化等方法,建立了用电气象风险评估模型。[结果]用电负荷月变化结果表明:用电负荷峰值出现在供暖期及过渡期(1月、3月、10~12月)和夏季(6~7月),低谷出现在4月和9月,进一步通过相关性分析发现,气温越高,用电负荷越大;相关性分析及专家问卷调查结果表明:用电灾害风险指标为高温强度、高温频率、日用电量、用电负荷、人口密度、小区用电设施,其权重为:0.5、0.5、0.98、<0.01、0.99、<0.01;用电气象风险模型结果:银川市用电气象风险高风险区和较高风险区主要在金凤区,兴庆区主要处于中风险地区,西夏区以较低风险和低风险为主。[结论]根据用电气象风险评估模型及用电部门的实际需求,可为区域电力供应提供合理的电力调度和供给策略。

基于分层模糊神经网络的边缘侧光伏发电能量预测

以分布式光伏为代表的新能源广泛接入,带来业务实时响应、台区内智能分析处理等新需求,目前关于分布式新能源消纳本地自治的解决方案还鲜见报道,新能源消纳的关键在于光伏发电的准确预测与边缘物联装置研制。基于电网调度物联网,面向台区自治快速响应的需求,提出一种结合台区能量路由器的新能源消纳本地自治解决方案,研制面向分布式新能源消纳的能源控制器,并基于分层模糊神经网络算法对光伏发电的能量进行预测。研究表明,所研制的能源控制器以及提出的分层模糊神经网络模型在边缘侧台区自治中具有一定的效果和优势。

面向功率灵活分配的逆变器能耗控制研究

逆变器能耗与其功率分配之间存在直接联系,当功率分配不合理时,逆变器的能耗较高。为了降低逆变器能耗,提升负荷波动环境下逆变器能量转换的可靠性,提出面向功率灵活分配的逆变器能耗控制方法,分析逆变器运行特性,在此基础上构建两个逆变器并联的等效电路,根据下垂控制方程设计用于能耗控制的逆变器下垂控制器,采用控制器对逆变器运行过程中的有功、无功功率展开灵活分配,以此控制逆变器的运行能耗。实验结果表明,所提方法的功率分配效果好、在负载波动环境下控制适应性和可靠性强、能耗较低。