With the advent of the plug-in hybrid electric vehicles (PHEVs), the vehicle-to-grid (V2G) technology is attracting increasing attention recently. It is believed that the V2G option can aid to improve the efficiency and reliability of the power grid, as well as reduce overall cost and carbon emission. In this paper, the possibility of smoothing out the load variance in a household microgrid by regulating the charging patterns of family PHEVs is investigated. First, the mathematic model of the problem is built up. Then, the case study is conducted, which demonstrates that, by regulating the charging profiles of the PHEVs, the variance of load power can be dramatically reduced. Third, the energy losses and the subsidy mechanism are discussed. Finally, the impacts of the requested net charging quantities and the battery capacity of PHEVs on the performance of the regulated charging are investigated.

With the continuous development of the Internet and social media, the Internet has gradually become the main position of incident discussion. The particularity of the police makes the police-related online public opinion show the innovative characteristics of increasing number, diverse types, diverse carriers, serious phenomenon of "network trial", and mixed political factors. It is particularly important to establish and improve the integrated mechanism of "sentiment and action" that meets the requirements of modern police development, to accurately warn and deal with police-related online public opinions. Based on the development characteristics of police-related online public opinion stage, this paper analyzes the current practical difficulties in the early warning and disposal of police-related online public opinion, and discusses the method of constructing the early warning and disposal mechanism of police-related online public opinion under the integrated background of "sentiment indication and action", so as to improve the monitoring and coping ability of police for online public opinion, and provide a scientific basis for the governance of police-related online public opinion.

A compact integrated tri-band antenna for Sub-6GHz and millimeter wave (mmW) 5G mobile devices is developed. The antenna comprises a multiple-input-multiple-output (MIMO) antenna pair consisting of two symmetric inverted-F antenna (IFA) units and five split ring resonator antenna (SRRA) units. The inserted SRRA units serve the dual-purpose of forming a mmW array and mitigating mutual coupling among the IFA units at 3.5 GHz. The antenna covers a small area of 39.48 × 5.7 mm 2 and can operate in three bands: 3.29-3.79, 4.79-4.92 and 24.15-29.58 GHz. The tri-band antenna might be a promising choice for 5G mobile devices.

Topological materials with well-defined surfaces and edges have become a prominent research topic. As topological insulators, MnBi2Te4 thin films, with their unique surfaces, exhibit exceptional electron transport properties and good applicability in low-noise, high-sensitivity photoelectric detection. This paper reports a straightforward, efficient, and cost-effective thermal evaporation method for preparing quantum MnBi2Te4 thin films, along with an investigation into their photoelectric detection performance. These films can be used to fabricate array devices, with the resulting photodetectors achieving a response current of 97 mA W−1 at room temperature and a response speed of <1 ms. Moreover, they demonstrate stability in the air for >30 d, with the photoelectric performance degrading by <15%. Our research introduces a new application for topological materials in photoelectric detection and establishes a strong foundation for the design and development of high-performance photodetectors in the future.

Despite the substantial economic impact of digital platforms, research on platform risk evaluation has been sparse. In this study, we investigate whether online content can serve as leading indicators of digital platform survival. We employ machine learning techniques to extract features from three types of online content, that is, user generated content, platform generated content, and third party generated content and examine their utilities in predicting platform survival. Using a predictive XGBoost algorithm and data crawled from a leading web portals of digital platforms for online lending in China, we find online content are strong predictors of platform survival. Furthermore, we use casual forest models to reveal the differences among the three type of online content in terms of predictive utility. Interestingly, we find the presence of third-party generated content indicates lower probability of platform survival while the platform with more user generated content has higher chance to survive. The relationship between platform generated contents and platform failure is not significant. Based on the results, we provide practical implications for market managers and platform owners.