空间电力负荷预测小区用地分析的模糊推理新方法

提出了一种在知识不完备情况下，能够同时考虑推理前提重要性权重和观察事实及规则知识等的不确定性和不精确性因素的新的基于模糊逻辑的推理方法，并将其应用于空间电力负荷预测的小区用地分析中，最后通过实例检验了该方法的有效性。     

基于双深度神经网络的光功率预测方法

光伏发电是新兴的清洁能源发电方式之一,其光功率受辐照度等环境因素影响较大,导致注入电网的电量不稳定。采集的环境数据能准确预测发电量变化趋势,对电网平稳运行具有重要意义。现有光功率预测方法大多采用单个模型构建预测结构,当面对不同环境数据时预测结果不够稳定。文中提出一种基于双深度神经网络的光功率预测方法,该方法以BPNN(back propagation neural networks)和LSTM(long short term memory)为基础判别器,并通过遗传算法将二者融合为更加精确和鲁棒的光功率预测模型。在东北电网实际数据集上的实验结果表明,相比现有单一神经网络模型,文中提出的方法具有更高的判别精度,且预测结果更加稳定。     

垂直增强型氧化镓MOSFET器件自热效应研究

本文设计了垂直增强型Ga₂O₃ MOSFET器件,针对氧化镓材料的热导率低,通过研究不同晶向材料、不同热阻和不同温度下器件的输出特性,分析器件的温度分布特点,对Ga₂O₃ MOSFET的热学特性进行分析.热导率模型通过研究氧化镓不同晶向时对器件的输出特性及温度分布的影响,得到[010]晶向的热导率最好, T=300 K时,比其他晶向的热导率高约0.1 W/cm K,相同电压下对应的输出饱和电流最大(V_gs=3 V时, I_dsat>400 A/cm²).进一步研究了不同晶向Ga₂O₃ MOSFET在不同环境温度时的输出特性曲线,随着热阻降低,器件边界散热能力提高,自热效应的影响被抑制,源漏饱和电流增大,边界热阻在0.01–0.005 cm²K/W时可确保器件的正常工作.这些都为日后优化器件性能提供了可靠的方法和参考价值.     

常见桩冠固位不良的临床症状及原因分析

指出牙齿修复中桩冠固位不良的临床症状，分析了原因。     

β-Ga2O3 SBD器件的解析模型与仿真研究

本文设计了不同电场调节策略的Ga₂O₃ SBD器件,通过研究器件结构、钝化层方案下器件电学特性,分析不同终端结构(场板结构FP、边缘终端结构ET、沟槽型Trench、高K钝化)下Ga₂O₃ SBD的结构设计.此外本文结合理论分析和实验数据拟合,完善了Ga₂O₃材料和器件模型,通过对比实验数据验证了模型的正确性.研究发现:(1)高K钝化(κ>100)结合场板结构可有效舒缓表面电场并提升结终端效率, 2μm Ga₂O₃ SBD采用BaTiO₃钝化场板可实现终端效率91.4%, V_br=1.43 kV,巴利加优值BFOM=1.62 GW/cm²,七倍于Al₂O₃ FP SBD;(2)采用BaTiO₃钝化的FP&ET复合终端可实现终端效率93.6%, V_br