Abstract The large-scale new energy station transmission system is relatively weak, and long-distance transmission is prone to transient overvoltage. The hysteresis of the control loop of the Static Var Generator (SVG) can also contribute to the increase of transient overvoltage. Therefore, this article first establishes a photovoltaic power generation model, SVG model, and photovoltaic grid-connected system. Secondly, the transient overvoltage coupling mechanism of photovoltaic grid-connected systems under various faults such as commutation failure, DC blocking, and DC restart was analyzed through PSCAD simulation. At the same time, the changes in transient overvoltage before and after the installation of SVG were compared, and SVG’s reactive power dynamic behavior was analyzed. Finally, the mechanism of SVG assisting in increasing transient overvoltage was summarized.

Abstract The magnetic sensitivity of the ensemble NV centers is directly related to temperature. In this study, we systematically investigated the temperature dependence of photoluminescence properties and optical detection magnetic resonance in ensemble NV centers from 1.6 K to 300 K. The magnetic sensitivity of the ensemble NV centers increases with the temperature rising in the range of 1.6 K to 75 K due to changes in contrast and linewidth, reaching a minimum near 40 K. Furthermore, the decrease in sensitivity is attributed to laser intensity overload at low temperatures by studying the influence of laser power on contrast and linewidth. These results offer valuable insights into NV magnetic sensing applications.

Microwave detection based on optical detection magnetic resonance technology (ODMR) of nitrogen-vacancy (NV) centers is simple and non-invasive. However, in high microwave power ranges, saturation appears and cannot be used for accurate power measurement. The self-coherent reference measurement for high-power microwave based on ODMR of NV centers has been demonstrated. Firstly, by introducing the principle of microwave self-coherent reference, that is, by adjusting the phase difference to achieve power regulation of microwave, a conversion model by phase modulation between enhancement and attenuation of microwave power is introduced. Then, the microwave self-coherent reference measurement is established under combinations of microwave power with different phase settings. Combined with the frequency modulation technology, the sensitivity of measurement is significantly improved from 4.59 nT/Hz 1/2 to 67.69 pT/Hz 1/2 . The maximum measurement range of microwave power can be extended to 2×10 4 times the initial saturated power of direct measurement with ODMR. The results show that the method efficiently overcomes saturation under the direct measurement of ODMR and provides useful technical assistance for near-field detection, performance monitoring, and problem diagnostics for microwave devices.

Fluorescence imaging and recognition are core technologies in targeted medicine, pathological surgery, and biomedicine. However, current imaging and recognition systems are separate, requiring repeated data transfers for imaging and recognition that lead to delays and inefficiency, hindering the capture of rapidly changing physiological processes and biological phenomena. To address these problems, we propose an integrated intelligent sensor for biological fluorescence imaging and ultrafast recognition. This sensor integrates an imaging system based on a photodetector array and a recognition system based on neural networks on a single chip, featuring a highly compact structure, a continuously adjustable optical response, and reconfigurable electrical performance. The unified architecture of the imaging and recognition systems enables ultrafast recognition (19.63 μs) of tumor margins. Additionally, the special organic materials and bulk heterojunction structure endow the photodetector array with strong wavelength dependence, achieving high specific detectivity (3.06 × 1012 Jones) in the narrowband near-infrared range commonly used in biomedical imaging (600–800 nm). After training, the sensor can accurately recognize biological fluorescence edges in real time, even under interference from other colored light noise. Benefiting from its rapidity and high accuracy, we demonstrated a simulated surgical experiment showcasing tumor edge fluorescence imaging, recognition, and cutting. This integrated approach holds the potential to establish a novel paradigm for designing and manufacturing intelligent medical sensors.

In order to solve the problems of the method involving the optimization of the traditional combustion chamber structure, which has a long computation cycle, high computation cost, and can easily fall into the local optimal solution, this paper refers to the concept of a fuzzy neural network in machine learning. This study proposes a method of combustion chamber structure optimization that uses a fuzzy neural network to prejudge the results of the fitness function before calculating it in order to reduce the periodicity of computation and improve computational accuracy. The validation results show that the combustion chamber structure optimization method proposed in this paper can effectively reduce the computational cost under the premise of guaranteeing optimization accuracy. Using the test function, compared with the traditional genetic algorithm, the average number of iterations at convergence is reduced by 28.59%, and the average number of calculations of the fitness function is reduced by 25.59%. When optimizing the combustion chamber structure, the peak pressure of the optimal combustion chamber structure is increased by 10.32%, the computational count is reduced by 23.33%, and the time consumed is reduced by 23.91% compared with the traditional genetic algorithm.