200MW低温堆余热排出系统安全分析程序研制

建立了200 MW低温供热堆余热排出系统的热工水力数学模型,该模型采用了一维均相模型,并做了漂移修正,研制了适用于该系统的稳态及瞬态热工水力特性分析程序,利用该程序对该系统投入运行后的特性进行了分析计算,分析时热源的用了温度边界,计算结果表明,200 MW低温供热堆余热排出系统能够满足停堆后堆芯余热安全排出的要求,从投入到稳定运行的过渡过程中,系统中各参数的变化趋势与理论分析相符。     

MIMO阵元方向性对系统性能影响研究

在考虑空间衰落相关性(SFC)的同时引入天线单元方向性,研究基于统计信道模型的终端MIMO多天线模型及性能评估方法.在Kronecker的MIMO信道建模中应用终端波达信号方位角功率谱(APS)模型.利用此MIMO信道模型概念,分析在统计衰落信道中MIMO阵元方向性对系统性能影响,包括对空间衰落相关系数、MIMO多径信道容量和误码率(BER)的影响.仿真和优化结果表明:终端MIMO多天线模型中阵元方向性对系统性能影响显著,合理安排阵元波束方向可增加约10%多径信道容量并明显减小误码率.     

利用实时功率曲线优化风功率预测系统

我国风电高速开发,大容量风场分布集中、容量增速过快。由于地区电网消纳容量有限,加之风电的随机性和间歇性,给电力系统的安全稳定运行造成了严峻的挑战,也不利于风电的进一步发展。提高输出功率的预测精度就很重要了。本通过对风电场所有风机的实时功率曲线的拟合,预测各风机的功率范围,叠加后得到整个风电场功率预测的置信范围,通过比较模型的预测输出和风场风功率置信区间。根据模型的相应修正规则对模型进行相应的调整,使得模型的预测结果最优化。     

美国互联网金融监管及对我国的启示

互联网金融是互联网与金融相结合,借助互联网技术、移动通信技术实现资金融通、支付和信息中介等业务的新兴金融模式。从业务模式看,互联网金融可分为第三方支付、财富管理（如货币市场基金,以下简称MMF）、众筹（Crowd Founding）、P2P网络借贷（Peer to Peer lending）、虚拟货币（Virtual Currency）等类型。按资金流向来看,互联网金融可分为融资型（如众筹、P2P网络借贷）、投资型（如MMF）、资金支付（各类第三方、移动支付）和其他（如比特币）等。国际上互联网金融的主要业务模式均兴起于美国。     

应急场景下基于可靠无线通信的D2 U功率控制机制研究

针对应急场景下通信可靠性低的问题,提出了无人机(unmanned aerial vehicle,UAV)辅助模式下基于自动重传请求(automatic repeat request,ARQ)的设备与无人机(device-to-unmanned aerial vehicle,D2U)通信功率控制策略.利用通信失败率来表示...     

多径信道下ZP-OFDM信号的时域参数盲估计

针对低信噪比多径信道下,零前缀正交频分复用（zero prefix orthogonal frequency division multiplexing, ZP-OFDM）信号时域参数估计精度低的问题,提出了一种改进的ZP-OFDM信号时域参数盲估计方法。该方法首先计算信号的功率自相关函数,并利用小波消噪及平滑滤波对其进行预处理,通过检测峰峰值距离的方法完成符号总长度的估计。然后计算单位符号总长度数据的幅度平方值并对其进行小波分解与重构,设定门限提取一个零前缀估计值。最后通过多段数据联合估计确定最终的零前缀估计长度。仿真实验结果表明,在低信噪比多径信道条件下,提出ZP-OFDM信号的时域参数盲估计方法具有良好的估计性能。     

基于小波规则的燃料电池电动汽车能量管理策略

通过分析影响燃料电池电动汽车燃料电池使用寿命的机理,提出一种具有实用性的基于小波规则的能量管理策略;根据负载瞬态功率需求,构建Haar小波双通道滤波器组,实现整车需求功率的小波一级功率分流,初步满足燃料电池的基频功率需求;结合基于规则的控制策略实现二级功率分流,以平衡峰值功率和负载高频波动功率;结合MATLAB-Sim...     

基于脉冲注入调制的LD光功率-电流-电压特性测试系统

为精确测试半导体激光器(LD)的光功率-电流-电压(LIV)特性,提出一种基于脉冲注入调制的方法,并据此研制新型的LD脉冲测试系统.系统通过给被测LD注入脉冲宽度、周期及幅度连续可调的脉冲电流,采集恒功或恒流工作LD的工作电流、两端电压、背光电流和输出光功率等信息,绘制LD的LIV特性曲线,并以此推断LD的性能.采取低占空比的脉冲注入,有效抑制了LD有源区温度升高,保证了测试的可靠性和准确性.实验结果表明,脉冲电流的稳定度达到10-4,系统满足设计要求,其性能优于连续测试系统.     

基于CEEMD-BiLSTM-RFR的短期光伏功率预测

由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomposition, CEEMD)将光伏序列进行分解,得到在不同时间尺度上的光伏分量;然后,通过Pearson相关系数分析各光伏分量与空气温度、太阳辐射度、风速、风向和空气湿度的关系,对于强相关分量建立关于气象因素的随机森林回归(random forest regression, RFR)预测模型,弱相关分量直接通过双向长短期记忆网络(bidirectional long short-term memory neural network, BiLSTM)进行预测;并将预测求和输出。通过安徽省蚌埠市光伏电站7月实测数据进行验证,实验结果表明,所提预测模型CEEMD-BiLSTM-RFR相比传统预测模型有较好的预测精度。     

基于多目标粒子群算法的无人机通信三维位置部署及优化研究

考虑无人机作为临时基站与地面终端用户通信问题,文中研究了节点的三维部署及功率分配的优化问题,以提高系统的能效和用户的覆盖率。首先,考虑了无人机通信节点的三维位置部署和链路传播模型,构建了无人机通信系统模型,并提出了以能效和覆盖率为目标的优化问题。然后,采用多目标粒子群算法对该非线性规划问题进行有效求解,得到其最优解。最后,仿真结果表明,该方案不仅能提高无人机网络的能效和覆盖率,而且能实现优化的节点三维位置部署和功率分配。同时,所提出的多目标粒子群算法与随机算法、贪婪算法相比,可减少迭代次数,防止陷入局部最优解。