论文部分内容阅读
Investigation and analysis of incidence of awareness in patients undergoing cardiac surgery in Beiji
【机 构】
：
DepartmentofAnesthesia,BeijingChaoyangHospital,CapitalUniversityofMedicalSciences,Beijing100020,Chin
【出 处】
：
中华医学杂志英文版
【发表日期】
：
2005年118期
其他文献
在全球碳中和目标下,光伏等清洁零碳新能源成为碳减排的关键,分布式光伏也成为该行业发展的重要方向.由于分布式光伏出力具有较强的随机性和波动性,精准功率预测是其参与电网调度运行的基础.在当前分布式光伏所获取信息有限的情况下,提出了一种基于邻域前向时序最优组合的分布式光伏超短期功率预测模型,考虑邻近区域分布式光伏站点间实时出力关联性,挖掘生成区域性多气象状态时空耦合预测场景.模型扩展有效信息维度,在不依赖于地表气象观测装置的情况下进行高效训练建模,具有经济、轻量与易部署的特点,提升了有限信息下的分布式光伏超短期
在分析中低压开关柜常见弧光保护方案、总结现有弧光保护方案存在问题的基础上,提出一种基于GOOSE(通用面向对象变电站事件)通信的中低压系统弧光保护无死区控制方案.通过建立弧光保护装置与所有间隔层综合保护装置共有的GOOSE网络,实现弧光保护与间隔层综合保护装置的信号传递.该方案可以实现母线区和间隔区的弧光保护,而且可以实现断路器与TA(电流互感器)死区之间发生弧光故障时的快速保护.弧光信号传输光纤敷设在柜内完成,大大减少了弧光信号传输光纤敷设施工量,通过GOOSE网络实现跳闸信号传递可以有效减少电缆的敷设
光伏发电功率预测是光伏发电规划和电网经济运行的重要基础.针对K-means算法无法确定最佳聚类数和聚类结果不稳定的问题,以及GBDT(梯度提升树)预测结构简单、预测精度低的缺点,提出集成聚类和XGBoost的组合预测算法用于构建短期光伏发电功率的预测模型.首先,采用Mean-shift(均值漂移算法)、凝聚层次聚类算法和DBI(戴维森堡丁指数)优化K-means算法,解决了无法确定最佳聚类数和聚类结果不稳定的问题;其次,在集成聚类得到的聚类结果数据上,训练得到不同气象类型下的XGBoost预测模型,以此来