期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
电-声子耦合强度对量子点系统噪声的影响(英文)
被引量：
2
1
作者
杨凯华
刘成章
吴宇鹏
《原子与分子物理学报》
CAS
CSCD
北大核心
2009年第3期585-590,共6页
利用Lang-Firsov正则变换和Keldysh非平衡格林函数方法研究了低温下具有电子-声子相互作用的量子点系统的噪声.我们特别注意了电-声子耦合强度的变化对量子点系统噪声的影响.数值结果表明:随着电-声子耦合强度的增大,系统的噪声增大,同...
利用Lang-Firsov正则变换和Keldysh非平衡格林函数方法研究了低温下具有电子-声子相互作用的量子点系统的噪声.我们特别注意了电-声子耦合强度的变化对量子点系统噪声的影响.数值结果表明:随着电-声子耦合强度的增大,系统的噪声增大,同时微分噪声谱中会出现一系列的声子伴带峰,峰的高度和数目对电-声子耦合强度的变化非常敏感.我们也研究了系统的Fano因子,它显示系统噪声对肖特基(Schottky)公式的偏离.在高偏压区,Fano因子随着电-声子耦合强度的增大而增大.
展开更多
关键词
量子点
噪声
Keldysh格林函数
电
-声子
耦合
强度
在线阅读
下载PDF
职称材料
基于深度学习和改进K-means聚类算法的电网无功电压快速分区研究
被引量：
31
2
作者
赵晶晶
贾然
+1 位作者
陈凌汉
朱天天
《电力系统保护与控制》
CSCD
北大核心
2021年第14期89-95,共7页
随着电网规模的不断扩大,对整个大电网进行统一的电压调控变得越发困难。提出一种基于深度学习和改进K-means聚类算法的电网无功电压快速分区方法。首先建立电耦合强度矩阵反映系统节点间的电气耦合关系的强弱。然后采用深度学习中的稀...
随着电网规模的不断扩大,对整个大电网进行统一的电压调控变得越发困难。提出一种基于深度学习和改进K-means聚类算法的电网无功电压快速分区方法。首先建立电耦合强度矩阵反映系统节点间的电气耦合关系的强弱。然后采用深度学习中的稀疏自编码器,通过训练实现对输入的高维矩阵进行特征提取和降维。最后基于改进的K-means聚类算法用以对降维后的特征序列进行聚类分析,通过检验电气模块度值来确定最终的分区。以电气模块度、无功储备校验两个评价指标对电网分区质量进行评估。对IEEE39节点和IEEE118节点系统进行仿真分析,验证了所提方法在保证连通性以及充足的无功储备的的基础上,具有较高的电气模块度。
展开更多
关键词
电耦合强度
稀疏自编码器
改进K-means聚类算法
电
网分区
电
气模块度
在线阅读
下载PDF
职称材料
题名
电-声子耦合强度对量子点系统噪声的影响(英文)
被引量：
2
1
作者
杨凯华
刘成章
吴宇鹏
机构
北京工业大学应用数理学院
出处
《原子与分子物理学报》
CAS
CSCD
北大核心
2009年第3期585-590,共6页
基金
北京市科技新星计划(2005B11)
文摘
利用Lang-Firsov正则变换和Keldysh非平衡格林函数方法研究了低温下具有电子-声子相互作用的量子点系统的噪声.我们特别注意了电-声子耦合强度的变化对量子点系统噪声的影响.数值结果表明:随着电-声子耦合强度的增大,系统的噪声增大,同时微分噪声谱中会出现一系列的声子伴带峰,峰的高度和数目对电-声子耦合强度的变化非常敏感.我们也研究了系统的Fano因子,它显示系统噪声对肖特基(Schottky)公式的偏离.在高偏压区,Fano因子随着电-声子耦合强度的增大而增大.
关键词
量子点
噪声
Keldysh格林函数
电
-声子
耦合
强度
Keywords
quantum dot
shot noise
Keldysh Green function
the strength of electron-phonon coupling
分类号
O471.1 [理学—半导体物理]
O488 [理学—固体物理]
在线阅读
下载PDF
职称材料
题名
基于深度学习和改进K-means聚类算法的电网无功电压快速分区研究
被引量：
31
2
作者
赵晶晶
贾然
陈凌汉
朱天天
机构
上海电力大学电气工程学院
出处
《电力系统保护与控制》
CSCD
北大核心
2021年第14期89-95,共7页
基金
国家重点研发计划项目资助(2018YFB0905105)。
文摘
随着电网规模的不断扩大,对整个大电网进行统一的电压调控变得越发困难。提出一种基于深度学习和改进K-means聚类算法的电网无功电压快速分区方法。首先建立电耦合强度矩阵反映系统节点间的电气耦合关系的强弱。然后采用深度学习中的稀疏自编码器,通过训练实现对输入的高维矩阵进行特征提取和降维。最后基于改进的K-means聚类算法用以对降维后的特征序列进行聚类分析,通过检验电气模块度值来确定最终的分区。以电气模块度、无功储备校验两个评价指标对电网分区质量进行评估。对IEEE39节点和IEEE118节点系统进行仿真分析,验证了所提方法在保证连通性以及充足的无功储备的的基础上,具有较高的电气模块度。
关键词
电耦合强度
稀疏自编码器
改进K-means聚类算法
电
网分区
电
气模块度
Keywords
electrical coupling strength
sparse autoencoder
improved K-means clustering algorithm
division of reactive power and voltage
electrical modularity
分类号
TM714.2 [电气工程—电力系统及自动化]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
电-声子耦合强度对量子点系统噪声的影响(英文)
杨凯华
刘成章
吴宇鹏
《原子与分子物理学报》
CAS
CSCD
北大核心
2009
2
在线阅读
下载PDF
职称材料
2
基于深度学习和改进K-means聚类算法的电网无功电压快速分区研究
赵晶晶
贾然
陈凌汉
朱天天
《电力系统保护与控制》
CSCD
北大核心
2021
31
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
