一种基于视频的DEW水印算法

采用差分能量水印(DEW)算法,对视频数字作品进行了数字水印的嵌入、检测和提取研究。实验结果表明,该算法计算简单、速度快、易于实现,视频信号里可编码的数据量大,可以隐藏较多的信息,并且还可以满足水印的实时嵌入和提取。     

浅析电能计量装置的安装与校验

本文浅析了电能计量装置在安装时如何合理、规范接线,从而有效降低装接电差错率,避免不必要的计量差错;同时在电能计量装置现场校验时,增设互感器合成误差与互感器二次压降误差的测试项目,从而大大提高电能计量装置的计量准确性。     

从变质量物体的运动谈起

牛顿运动定律以及由牛顿第二定律推导出的动量定理、动量矩定理、动能定理,只适用于宏观低速的情况下,而且在运动的过程中,物体的质量是恒定不变的。然而在宏观低速的情况下,我们会遇到许多变质量物体运动的问题,在此情况下,牛顿运动定律以及由此推导出的三条基本定理将要做一定的修改,其表达式是不一样的。     

梅园节肢动物群落优势种分析

应用系统调查和能流量法分析了梅园节肢动物群落优势种,结果表明:不论数量和能流量分析,梅园节肢动物群落的主要害虫优势种均为朝鲜球坚蚧和桃蚜;而天敌优势种数量和能流量分析分别为黑缘红瓢虫、红点唇瓢虫和黑缘红瓢虫、草间小黑蛛.     

中国碳排放区域格局变化与减排途径分析

作为世界能源消费大国,中国的碳排放问题不仅体现在总量增长方面,而且也体现在碳排放的空间格局变化方面。从大区地域系统变化来看:东部地区的碳排放始终在全国占据着主导地位;中部地区碳排放在全国的比重表现出稳中有降的态势;西部地区比重虽较小,但基本保持着上升趋势。从省(区、市)级变化来看:1953年以来,碳排放的区域差异不断增大,并且其变化可以分为3个阶段:1952年为起始阶段、1953年-1980年为初级分化阶段、1981年-2005年为快速演进阶段。本文试图通过产业-能源关联和能源-碳排放关联两个基本评价模型,解析中国碳排放区域格局变化的原因。分析结果表明:①产业结构的演进决定着一次能源消费的基本空间格局;②地区产业结构多元化程度越是走向成熟,其一次能源消费的增速也就越是减缓;③缓慢的一次能源消费结构变化是难以降低地区碳排放增长的关键所在。因此,加快产业结构演进速率以逐步减缓地区一次能源消费总量增长,以及最大限度地改善各地区、特别是东部地区的一次能源供应结构,是有效控制区域碳排放增长的关键。     

能源区块链下的光-储-用价值链增值效应仿真分析

在碳中和碳达峰背景下,探讨光伏价值链系统的价值增值机制及其影响因素作用。结合储能技术与区块链技术构建能源区块链下的“光-储-用”价值链,并设计相应的能源区块链平台,利用系统动力学模型对价值链价值增值效应进行仿真研究。结果表明：区块链技术的应用能够有效提高能源区块链中交易双方的互信水平,光伏发电商、储能商以及用户都将取得较高的收益并且实现价值的增值;此外,不同装机容量与发电商平台投资系数对价值链系统价值增值水平呈现正相关关系。最后为我国区块链技术的应用和光伏产业的发展提出大力发展“光-储-用”的光伏利用模式,推动储能行业积极参与清洁能源价值链建设,加快能源区块链建设,以及健全相应的清洁能源市场体制机制等对策建议。     

三江源移民安置区农户能源利用及对生态环境影响——以贵南县为例

三江源地区是长江、黄河、澜沧江三大河流的发源地,是我国重要水源涵养区,由于其生态系统十分脆弱,生态地位特殊,受到广泛的关注。本研究从三江源移民安置区农户能源利用对三江源生态系统影响的角度,使用问卷调查法、半开放式访谈法和生态系统服务功能评价法,对三江源移民安置区农户能源利用现状、农户对现有能源满意度和农户能源环保认知对三江源生态系统服务功能价值影响进行研究,结果表明:①三江源移民安置区种植农户能源利用结构较多样,以畜粪和秸秆为主要能源,放牧农户能源利用结构单一,基本依靠畜粪;②农户普遍对能源现状满意度低,放牧农户满意度低于种植农户;③农户倾向于使用环保能源,但对能源环保认知度较低,阻碍了清洁能源的广泛使用;④农户使用生物质能源导致生态系统服务功能价值每年损失约23.6737亿元。     

基于能级模型的我国金属矿产资源评价

针对我国金属矿产资源的开采利用量大、浪费严重和我国金属矿产资源评价模型研究匮乏等问题,本文首次提出金属矿产资源能级的概念——金属矿产资源为国民经济和社会发展提供商品或服务的能量大小.建立了基于金属矿产资源质量M、数量Q、重要程度I和技术条件T等4个指标的定量评价模型,对各指标进行细化、归一化并划分等级.以金属铁、铝、金、铜、钼、钨、锡为例的分析表明,其能级分别为1.748、1.015、1.65、1.353、2.419、2.953、2.025,能级模型可对我国所有的金属矿产资源进行能级测算和划分,从而针对不同能级的金属矿产资源采取不同的开采、管理措施,实现我国金属矿产资源的有效管理.     

税收优惠的节能减排效应——基于省级面板数据的实证分析

本文借助国家税务总局提供的减免税调查数据,在使用因子分析等方法测算节能减排效率的基础上,建立面板数据模型,在考虑经济发展水平、工业产业结构、R&D投入强度、出口依存度等节能减排的其他主要影响因素的同时,通过实证检验税收减免率与节能效率、减排效率、节能减排效率之间的关系,分析我国现行税收优惠政策的节能减排效应,包括总体分析、分地区分析两个方面.实证结果显示,无论是从全国总体看,还是分地区看,税收减免率与节能效率、减排效率、节能减排效率之间基本上都呈现出了正相关关系,但税收优惠对节能效率、减排效率、节能减排效率的提高的促进效应,只在90％的置信度下显著,或者不显著,没有达到在95％或99％的置信度下显著.这说明税收优惠可以在促进节能减排中发挥作用,但作用有限.究其原因,可能与税收优惠具有激励作用而不具有约束作用有关,要充分发挥税收在促进节能减排中的重要作用,需要激励性税收政策和约束性税收政策的有效结合.     

Artificial intelligence implication on energy sustainability in Internet of Things: A survey

The massive number of Internet of Things (IoT) devices connected to the Internet is continuously increasing. The operations of these devices rely on consuming huge amounts of energy. Power limitation is a major issue hindering the operation of IoT applications and services. To improve operational visibility, Low-power devices which constitute IoT networks, drive the need for sustainable sources of energy to carry out their tasks for a prolonged period of time. Moreover, the means to ensure energy sustainability and QoS must consider the stochastic nature of the energy supplies and dynamic IoT environments. Artificial Intelligence (AI) enhanced protocols and algorithms are capable of predicting and forecasting demand as well as providing leverage at different stages of energy use to supply. AI will improve the efficiency of energy infrastructure and decrease waste in distributed energy systems, ensuring their long-term viability. In this paper, we conduct a survey to explore enhanced AI-based solutions to achieve energy sustainability in IoT applications. AI is relevant through the integration of various Machine Learning (ML) and Swarm Intelligence (SI) techniques in the design of existing protocols. ML mechanisms used in the literature include variously supervised and unsupervised learning methods as well as reinforcement learning (RL) solutions. The survey constitutes a complete guideline for readers who wish to get acquainted with recent development and research advances in AI-based energy sustainability in IoT Networks. The survey also explores the different open issues and challenges.