太阳城集团亚洲娱乐城-澳门太阳城集团娱乐城最新地址_百家乐电影网_全讯网xb112 (中国)·官方网站

一、項目進展 已注冊公司運營 二、企業信息 企業名稱 四川銘學智能技術有限公司 企業法人 林鈺 注冊時間 2017.11.29 注冊所在省市 四川省成都市 組織機構代碼 91510100MA6C766U7T 經營范圍 計算機軟硬件開發 企業地址 成都高新區天府大道北段1700號 獲投資情況 / 三、負責人及成員 姓名 學院/所學專業 入學/畢業時間 學號 林鈺 電信院/控制工程 2019.9/2022.6 201922000100 四、指導教師 姓名 學院/所學專業 職務/職稱 研究方向 李茜 電信院/電氣工程 副教授 能源系統智能感知 五、項目簡介 電力精靈—電力能源裝備健康狀態診斷平臺是集狀態數據匯集、故障診斷、狀態評估、檢修決策推薦、三維立體顯示、創新健康管理等多功能為一體的全棧式電力能源裝備健康狀況診斷平臺。該系統改進了市面上監測系統主要存在功能單一、智能化不足、電力能源裝備監測系統各自獨立等問題，創新性地提出電力能源裝備健康管理功能，同時覆蓋變壓器、海纜、蓄電池、開關柜、UPS、絕緣盤6類裝備，使用戶全面了解電力能源裝備的生命周期及整體健康情況，為用戶提供高效狀態檢修策略。

國軒高科股份有限公司（以下簡稱“國軒高科”）系中國動力電池產業最早進入資本市場的民族企業，于2015年5月成功上市，股票代碼002074，擁有新能源汽車動力電池、儲能、輸配電設備等業務板塊，旗下包括合肥國軒高科動力能源有限公司、工研總院、資本中心和東源電器四大板塊。 合肥國軒高科動力能源有限公司（以下簡稱“合肥國軒”）為國軒高科的全資子公司，成立于2006年5月，擁有合肥（新站、經開、廬江、肥東）、南京、青島、唐山、南通、柳州、宜春十大生產基地。 公司系國內最早從事新能源汽車動力鋰離子電池自主研發、生產和銷售的企業之一，專業從事新型鋰離子電池及其材料的研發、生產和經營，擁有核心技術知識產權。主要產品包括磷酸鐵鋰和三元材料及電芯、動力電池組、電池管理系統及儲能型電池組等。產品廣泛應用于純電動商用車、乘用車、物流車和混合動力汽車等新能源汽車領域，并與國內多家主要新能源整車企業建立了長期戰略合作關系。 公司作為國家級企業技術中心、三項國家“863”重大課題承擔單位，參與了三項新能源汽車創新工程，先后通過ISO9001、ISO14001、ISO45001三標一體認證和IATF16949質量管理體系認證，被評為國家CNAS認可檢測中心等，并在中國合肥、中國上海、美國硅谷、美國克利夫蘭、新加坡、日本筑波、德國等地建立了全球研發中心。2016年，由國軒高科牽頭的“高比能量動力鋰離子電池的研發與集成應用”課題、“年產6億安時鋰離子動力電池生產基地項目”、以及“新能源汽車鋰動力電池智能工廠”項目分別成功申報國家“十三五規劃”新能源汽車重大專項、發改委2016年增強制造業核心競爭力專項和工信部新能源汽車鋰動力電池智能工廠重點項目。 公司系國家火炬計劃項目單位、高新技術企業、安徽省政府質量獎、安徽省環境保護創新試點單位，并且擁有國家級博士后科研工作站和省級院士工作站，2019年1月國軒高科企業商標被國家知識產權總局認定為中國馳名商標。

2019年上海市科技進步一等獎 在復雜多變海況與惡劣運行環境中，大型綜合電力系統各類型擾動和故障頻繁，嚴重影響了大功率變頻裝置與高精密儀器的可靠運行，系統安全穩定問題遠比陸地電網嚴峻，亟需突破解決。提高裝備性能和系統調控水平，是保障我國由造船大國向造船強國轉型升級的重大需求。圍繞綜合電力系統優化與智能運行技術難題，歷經十余年的產學研攻關，取得了多項獨創性技術成果： 1、發明基于多電平功率模塊的大功率變頻系統及自適應虛擬同步電機控制技術，研制國產5MW大功率多重優化控制變頻裝置。 2、首創多頻帶混合電力濾波器及參數動態優化技術，開發變壓器可控預充磁裝置，研制船舶電能質量診斷與協同優化控制系統。 3、提出大型船舶電站-電網自適應廣域協調保護方法，研制協調保護裝置與模糊多目標故障智能自愈系統。 4、發明船舶負載功率波動模糊分頻與協同優化分配技術，提出綜合電力系統分級協同穩定控制機制與方法，開發船舶能量動態智能優化管理系統。 項目獲16項專利，成果整體達國際領先水平，打破了國外技術壟斷與封鎖，解決了我國民用船舶電力系統關鍵裝備“卡脖子”的問題，有效支撐了綜合電力系統的優質運行。成果已成功應用于“海洋981”半潛式鉆井平臺、“雪龍2”等綜合科考船、大型箱船，其中“東方紅3”科考船電網運行參數部分世界領先，獲CCTV、新浪網等多家權威媒體報道。項目核心裝備與系統打通了高技術船舶上下游產業鏈，推動了上海船舶工業高端化轉型與發展，近三年新增產值10.39億、利潤1.48億、利稅0.5億，衍生技術已拓展應用至多個配電網示范工程。 圖 2 自主優化控制大功率變頻裝置 圖 3 混合濾波器實物圖  圖 4 電能質量主動優化控制系統 圖 5   智能保護與自愈系統現場應用及測試

項目成果/簡介:2019年上海市科技進步一等獎在復雜多變海況與惡劣運行環境中，大型綜合電力系統各類型擾動和故障頻繁，嚴重影響了大功率變頻裝置與高精密儀器的可靠運行，系統安全穩定問題遠比陸地電網嚴峻，亟需突破解決。提高裝備性能和系統調控水平，是保障我國由造船大國向造船強國轉型升級的重大需求。圍繞綜合電力系統優化與智能運行技術難題，歷經十余年的產學研攻關，取得了多項獨創性技術成果：1、發明基于多電平功率模塊的大功率變頻系統及自適應虛擬同步電機控制技術，研制國產5MW大功率多重優化控制變頻裝置。2、首創多頻帶混合電力濾波器及參數動態優化技術，開發變壓器可控預充磁裝置，研制船舶電能質量診斷與協同優化控制系統。3、提出大型船舶電站-電網自適應廣域協調保護方法，研制協調保護裝置與模糊多目標故障智能自愈系統。4、發明船舶負載功率波動模糊分頻與協同優化分配技術，提出綜合電力系統分級協同穩定控制機制與方法，開發船舶能量動態智能優化管理系統。項目獲16項專利，成果整體達國際領先水平，打破了國外技術壟斷與封鎖，解決了我國民用船舶電力系統關鍵裝備“卡脖子”的問題，有效支撐了綜合電力系統的優質運行。成果已成功應用于“海洋981”半潛式鉆井平臺、“雪龍2”等綜合科考船、大型箱船，其中“東方紅3”科考船電網運行參數部分世界領先，獲CCTV、新浪網等多家權威媒體報道。項目核心裝備與系統打通了高技術船舶上下游產業鏈，推動了上海船舶工業高端化轉型與發展，近三年新增產值10.39億、利潤1.48億、利稅0.5億，衍生技術已拓展應用至多個配電網示范工程。圖 2 自主優化控制大功率變頻裝置圖 3 混合濾波器實物圖 圖 4 電能質量主動優化控制系統圖 5  智能保護與自愈系統現場應用及測試知識產權類型:發明專利 、 軟件著作權技術先進程度:達到國際領先水平成果獲得方式:與企業合作獲得政府支持情況:國家級計劃/專項類別:科技部重大專項、上海市重大項目等

本發明涉及一種基于光伏預測誤差模糊性的電力系統調度方法。步驟：本發明將獲取光伏預測出力 和實測出力的歷史統計數據，及氣象預測信息，估計未來一天光伏預測誤差的概率分布參數。針對光伏 預測誤差的不確定性，引入模糊理論，并利用信息熵轉換法將光伏預測誤差隨機變量轉換為光伏預測誤 差模糊變量。根據光伏功率短期預測的結果，并考慮光伏預測誤差的模糊性，建立含光伏發電的模糊機 會約束調度模型。將所建立的模型中含有模糊變量的約束條件轉化為清晰等價類。最后利用 C

本發明公開了一種基于電力系統底層故障信息的復雜故障串聯 整合方法。包括以下步驟：獲取底層故障的底層故障信息，將按各底 層故障第一排序時刻先后順序列于時間軸上；并將時間窗口的起點置 于首個底層故障的第一排序時刻處；辨識時間窗口內底層故障兩兩之 間的關聯性，區分復雜故障的類型；對辨識出的第一排序時刻非相鄰 的連鎖故障和保護隱藏故障進行修正；將時間窗口起點移動至下一個 相鄰底層故障的第一排序時刻處，對該時間窗口內底層故障的關聯性 進行辨識；重復上述步驟，直到所有底層故障的關聯性辨識完畢，得 出復雜故障的串

本發明公開了一種煉鐵生產過程伴生能源的整體梯級回收系統,包括:包含燃氣輪機的高爐煤氣燃機發電系統和包含雙壓余熱鍋爐的余熱回收發電系統;還包括燒結煙氣回收系統和冷卻熱廢氣回收系統。所述的燒結煙氣回收系統將來自燒結機的燒結煙氣經除塵器除塵后,在第一引風機的抽吸作用下送入雙壓余熱鍋爐;所述的冷卻熱廢氣回收系統將冷卻熱燒結礦后產生的熱廢氣在第二引風機的抽吸作用下也送入雙壓余熱鍋爐。本發明系統將燒結工藝顯熱和煉鐵過程伴生的低熱值高爐煤氣進行整體回收,并且梯級利用,形成完整的、能穩定運行的中低溫余熱、低熱值高爐煤氣高效綜合利用系統。

本發明公開了一種能源回收自清潔的垃圾輸送系統，包括：用于輸送垃圾桶升降循環的升降機構，所述升降機構具有環形輸送件，環形輸送件上間隔布置有多個連接座，每個連接座上轉接有所述的垃圾桶；安裝在所述升降輸送機構兩側并用于保持垃圾桶升降運動姿態的限位軌道，靠近所述升降機構的底部設有無限位軌道作用的垃圾傾倒位；置于各樓層并用于控制垃圾桶在垃圾投放口停止的即停機構；位于所述升降機構下方的垃圾儲存箱，用于儲存各垃圾桶翻轉倒出的垃圾。本發明適用于高層建筑各樓層垃圾的升降輸送；節省電梯運輸垃圾的功耗，節能減排；減少垃圾處理的人力消耗，降低管理成本。

隨著電網數據規模越來越大，所蘊含的價值也越來越多。清華大學信研院研發了基于機器學習方法的能源互聯網能量管理系統，主要功能為對電網的穩定性進行預測和可視化。系 統分為訓練部分和預測部分。訓練部分通過歷史數據進行機器學習，建立一個電壓穩定性的 分類器。分類器訓練完成后，再對新增的未知數據進行預測。訓練部分主要分為特征提取、 類別標記、特征壓縮、分類器類型選擇。預測部分主要分為分類器數據啟動階段和預測輸出 階段。本系統提出利用機器學習方法對電網電壓穩定性進行預測，進一步綜合多個節點給出 電網態勢感知的評估結果。在訓練每一個節點分類器的時候，本系統將特征選取的時段和預 測時間節點拉開，形成一種延時的預測方法，本發明對復雜系統有著更好的還原效果。2 應用說明本系統實施電壓穩定性預測的具體步驟為:步驟 1:通過部署在關鍵測點的同步相角測量單元 PMU 采集電網實時數據，所述 實時數據包含電網中每個關鍵測點的電壓 U、 有功 P、無功 Q、電流 I;分別計算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，電壓的變化 量比上無功的變化量的衍生量 dU/dQ，用這 些衍生量作為特征，來表征量的時間變化速 率;步驟 2:對步驟 1 中提取的特征進行數 據降維與壓縮;根據特定時刻電壓 U 是否恢 復到標準值的 0.8 倍來區分每組樣本組是否 穩定，用 0 標記穩定，用 1 標記不穩定;步驟 3:選擇分類器，建立一個電壓穩 定性的分類器;步驟 4:訓練分類器;當分類器訓練完 成后，將訓練好的參數儲存起來;步驟 5:進入預測部分的數據啟動階段， 填充特征矩陣，沒有輸出;步驟 6:把多個節點的特征按照順序排列，形成特征矩陣;特征矩陣填充完成后， 根據分類器給出的預測結果;特征時段向前滑動，最初的特征被拋棄，新特征補充在隊尾， 分類器持續給出預測結果;步驟 7:每隔一定時間間隔 ，要把新收集來的數據與以前的數據一起，重新回到步驟 4 訓練分類器，更新參數。在具體系統搭建過程中，我們充分利用現有機器學習平臺。其中 Hadoop 的文件管理系統 HDFS 負責數據存儲;Spark 負責模型訓練;Storm 負責在線預測;Kafka 負責在 Storm 和Hadoop 之間傳遞更新后的模型參數。