订阅最新相关文献

Point-of-care(POC)testing for electrical detection of cardiovascular disease(CVD)can enable effective screening and surveillance.However,the complexity and diversity of serum samples interfere with the transduction of electrical signals,limiting the sensitivity and accuracy of the biochemical assay.Here,we present the development and performance of an electrical POC assay based on self-assembled lipid-capped transistor sensory interfaces for the simultaneous detection and profiling of five myocardial injury biomarkers,with detection limits as low as pg/mL levels.By reducing Debye screening and non-specific adsorption through phospholipid self-assembly,the electrical assay maintains high sensitivity and specificity in human serum,as well as promising quantitative accuracy.For acute myocardial infarction(AMI)animal modeling,our assay detects variations in key biomarker characteristics within 15 to 45 min after the onset of myocardial injury,with a detection time window more than 30 min earlier than biochemical assays.Through the combination profiling of five biomarker signatures from 265 clinical serum samples,our assay achieves 91.7％accuracy for AMI identification and 79.6％accuracy for cardiovascular disease classification,effectively monitoring the prognosis of AMI patients.This assay may provide reliable clinical guidance for the early diagnosis,risk assessment,and prognosis monitoring of CVD.

配电网长期运行中台账数据与实际拓扑及线路参数难以匹配,严重制约配电网的安全高效运行.为此,提出一种基于稀疏回归和聚类修正的配电网拓扑与线路参数联合辨识方法.首先,基于量测数据与配电网拓扑及线路参数的耦合关系,构建配电网拓扑与线路参数联合辨识模型.其次,提出拓扑预辨识‒参数求解‒联合精确辨识的思路,利用电压相似度对配电网拓扑预辨识.再次,基于顺序向后选择算法与稀疏回归求解线路参数辨识方程,结合改进的空间聚类算法,提取精确配网拓扑,实现配电网拓扑与线路参数的联合辨识.最后,通过仿真实验对所提方法的可行性和有效性进行验证.研究结果表明,所提方法能有效辨识配电网拓扑及线路参数,具有良好的鲁棒性,能适用多种复杂工况.

自动化技术是推动电力系统向高可靠、高效率、强互动演进的核心驱动力.文章系统研究该技术在输、配、用电3大环节的应用.输电环节,重点分析SCADA/EMS 及WAMS如何实现电网实时监测、分析与稳定控制;配电环节,探讨配电自动化系统实现故障自愈及对分布式能源的协同管理;用电环节,研究智能电表、AMI、用户侧能源管理等构建的互动用电生态.通过剖析关键技术应用,揭示自动化技术对提升电力系统安全性、经济性与灵活性的决定性作用.

Development of an appropriate control methodology for the operation of a five-phase induction motor(FPIM)in an electric drive system is of great importance.Among the various controller options,direct torque control(DTC)is a well-known technique that enables the achievement of motor torque with minimal fluctuations.Additionally,Takagi-Sugeno-Kang fuzzy controllers(TSKFCs)can provide rapid responses when confronted with sudden input variations.Hence,this paper presents a TSKF-DTC-based scheme for an FPIM drive.Furthermore,a five-level aligned multilevel inverter(AMI)is employed to achieve accurate results with reduced fluctuations in the electromagnetic torque.AMI facilitates a smaller number of switches compared to the other configurations.Additionally,the space-vector modulation method is employed to generate the correct pulse sequence for a five-phase/leg inverter,enabling the motor to operate.Two TSKFCs are utilized on the FPIM DTC to ensure precise control of the flux and torque.To provide a clearer visual representation,the responses of the proposed TSKF-based DTC for an FPIM are compared with those of a 3-phase motor.Initially,the proposed technique is simulated and tested using the OPAL-RT platform to derive the results through hardware-in-the-loop testing.

高渗透分布式电源(distributed generation,DG)并网及智能电表广泛接入导致电力系统运维复杂性增加,传统拓扑与参数辨识算法表现出精度不足和鲁棒性较差的局限性.文中提出一种基于图嵌入的参数-动态拓扑联合辨识方法,该方法依次按照编码、解码、优化 3个阶段,通过分析电网结构特征,综合考虑一阶相似度和二阶相似度信息以重构电网的邻接矩阵,进而通过采样和聚合修正节点特征.在 IEEE 118节点系统中对所提方法进行不同数据异常场景下的数值仿真.结果表明,所提方法在抵抗噪声、数据缺失和 DG 随机性等方面具备一定优势,相较于传统方法,能够捕捉电网结构中的深层关联信息,显著提高线路参数辨识精度,均方根误差(root mean square error,RMSE)降低约 20%～30%.

窃电是一种违法行为,将导致电力企业收入损失、运营成本增加和安全性受损等.传统的窃电检测方法主要是数据统计分析和人工现场核查相结合模式,具有人力成本高、定位效率低等特点,尤其在精准辨析非法用电方面存在较大的缺陷.随着先进计量基础设施(advanced metering infrastructure,AMI)和新一代人工智能技术的进步,用电信息采集系统的海量时序用电数据,为窃电检测的发展奠定了较好的基础.该文首先从基于时间序列的窃电检测方法流程入手,剖析数据处理、特征提取、二分类等窃电检测的内在机理;然后,深入分析近8年的文献趋势及机器学习、深度学习等人工智能方法在窃电检测技术方面的优势、局限性和实际影响,进一步梳理其所面临的挑战,包括数据隐私问题、实时处理要求和低误报率等;最后,讨论克服这些挑战并提高检测系统可靠性的潜在解决方案和新兴趋势,包括多源数据融合、小样本学习检测、跨数据集检测等.以期为人工智能赋能窃电检测技术发展及为能源领域的研究人员、从业人员和政策制定者提供一定的借鉴.

针对低压配电台区长期面临的档案归属不清、线路物理参数缺失等问题,提出一种智能感知的透明台区建设方案.通过在表箱侧部署具备高级量测能力的边缘感知终端,构建"云—管—边—端"协同架构,实现台区"变压器—分支—表箱—用户"多层级动态拓扑的自动识别及线路阻抗的实时监测.在银川原隆村的试点应用表明,该系统能够准确还原鱼骨形、放射形等复杂台区的物理拓扑,户变识别准确率超过99%,并能有效监测线路分段阻抗特征,为低压配电网的数字化建模与状态感知提供了关键技术支撑.

针对心电图信号时空特征联合建模中存在的多尺度病理表征弱、时序依赖建模能力不足与跨尺度节律解析受限问题,提出一种层次化时空混合模型M2SRC-TBL,空间构建多尺度残差卷积模块(M2SRC)与多层级卷积架构,采用分层递减卷积核策略提取QRS波群、ST-T段等多尺度形态特征,结合改进的2D-SE模块动态增强关键波形特征的鉴别能力,解决了单一卷积核难以同时捕获宽波群与局部偏移的问题;设计全局到局部时序建模架构,利用Transformer Encoder建模RR间期等长期节律特征,通过双向长短期记忆网络(BiLSTM)解析ST段瞬时偏移等局部特征,实现全局节律与局部动态的联合表征.基于PTB-XL数据集进行二分类与20类细粒度分类实验,采用Focal Loss函数缓解类别不平衡影响.实验结果表明,在心肌梗死检测的二分类任务中,模型准确率、召回率与F1分数分别达98.22%、98.07%、98.14%;在心肌梗死类别检测的细粒度分类任务中,F1分数达96.57%.消融实验表明,空间多尺度建模使F1分数提升4.85个百分点,层次化时序设计提升1.64个百分点.混淆矩阵分析显示,模型对下壁心肌梗死(IMI)、前壁心肌梗死(AMI)等主要类别的识别准确率超过97%.该模型通过时空特征联合优化有效提高了心肌梗死诊断精度,为复杂心电信号的智能解析提供了可行方法.

　　智能电网作为现代电力系统发展的核心方向，依托先进的信息、通信与控制技术，实现电力生产、传输、分配与使用的智能化管理。在这一进程中，电力通信技术扮演着"神经中枢"的关键角色，贯穿发电、输电、变电、配电及用电全过程，为电网的实时监控、调度控制、故障响应和信息共享提供坚实支撑。本文系统分析电力通信技术在智能电网中的应用，阐述其在保障电网安全性、经济性与可靠性方面的基础性作用。首先介绍电力通信技术的基本内涵及其在电力系统中的功能定位，继而重点探讨其在智能电网中的多维度应用，包括广域测量系统(WAMS)中的高速数据传输、配电自动化中的双向通信支持、智能变电站的 IEC 61850 标准应用、高级量测体系(AMI)中的用户侧互动，以及在需求响应与分布式能源接入中的协调控制。同时，文章分析当前面临的挑战，如通信带宽受限、传输时延影响控制实时性、网络安全威胁加剧、设备与系统间互操作性不足等问题。针对上述问题，提出加强通信网络架构优化、推进 5G与光纤复合应用、强化安全防护体系、推动标准化建设与培养专业人才等对策建议。研究表明，电力通信技术与智能电网的深度融合，是实现电网数字化、自动化与互动化的关键路径，对推动能源结构转型与电力系统高质量发展具有重要意义。

目的:分析研究主动脉内球囊反搏泵对急性心肌梗死患者经皮冠状动脉介入(PCI)治疗生存率的影响.方法:选取2023年1月～2023年12月本院收治的急性心肌梗死患者80例,采用随机数字表法分为对照组与观察组,每组40例.对照组采用常规PCI术治疗,观察组在对照组基础上应用主动脉内球囊反搏泵置入治疗,比较两组血流动力学指标、焦虑和生活质量评分指标、再梗死率及生存率指标、不良事件发生率指标.结果:治疗后,观察组心率低于对照组,舒张压、收缩压、平均动脉压均高于对照组,焦虑自评量表(SAS)评分低于对照组,健康调查简表(SF-36)评分高于对照组(P<0.05).观察组1周再梗死率低于对照组,1周、1年生存率均高于对照组,不良事件总发生率低于对照组(P<0.05).结论:急性心肌梗死患者PCI治疗中应用主动脉内球囊反搏泵能够缓解患者症状,提高生存率.