11月10-11日,由湖南省能源局指导,中国化学与物理电源行业协会储能应用分会主办的“第三届全国电源侧储能技术及应用高层研讨会”在长沙华天酒店召开。来自电网公司、设计院、系统集成商等领域的400余人参加了本次研讨会。 会议期间,中国电力工程顾问集团华北电力设计院有限公司信息中心项目经理陆明泉分享了主题报告《智慧能源解决系统方案》。中国储能网对其演讲内容进行了梳理,并在此分享给大家,供大家学习、交流。
我国 VR/AR 产业发展取得了积极成果,但也存在一些问题与挑战。我国应紧抓 5G 与人工智能机遇期,突破业界惯有展厅级、孤岛式、小众性、雷同化的发展瓶颈, 聚力融合创新与规模应用,实现产业级、网联式、规模性、差异化的虚拟现实普及之路
谈及 「车路协同」,恐怕除了专业人士,绝大多数人都未必听说过这个名词。 但是,这却是近年最后的两大概念相遇后能否实现 1+13 作用至关重要的一环。 第一个概念,是智能驾驶,当然更多人会称之为 「无人车」。不需要人驾驶,车辆自动行驶,这是多么美妙的事情。所以大量厂商,均在涉足这一块。百度旗下的 Apollo,就是国内比较著名的无人车解决方案,已经开放输出给多家合作车商。Apollo 开放已拥有 126 家合作伙伴 第二个概念,则是今年大热的智慧城市概念下的智能路网,其最典型的应用就是通过信号灯上的摄像头、道路边上的传感器监控道路的车辆数量,然后通过人工智能来协调信号灯的时间和切换,从而提升单位时间里面道路的通行效率。这类项目,包括 BAT、平安、华为均有涉足。
2020 年 9 月 22 日 我国向世界郑重宣布 中国将提高国家自主贡献力度 采取更加有力的政策和措施二氧化碳排放力争于 2030 年前达到峰值 努力争取 2060 年前实现碳 中和 。能源 活动产生的碳排放占我国二氧化碳排放总量的比重超过 90 占温室气体排放总量的 70 左右 。中国从碳达峰到碳中和只有 30 年的时间 远低于发达国家的 60 70 年时间 能源转型和碳减排承受较大压力 。在 2060 年实现碳中和目标对于能源行业清洁低碳转型既是挑战也是机遇 需要能源供给侧和消费侧协调一致 通过大幅提升能源利用效率和大力发展非化石能源并举 以更低的能源消耗支撑我国经济社会发展目标的实现和居民生活水平的断提高 进而加快实现由高碳向低碳 再由低碳 向碳中和的 转变 。预计碳达峰和碳中和目标会分解至省内各级行政区域及行业 逐步落实到企业 将对企业生产经营和可持续发展提出新要求 。
我们在通信网络、IT、智能终端和云服务等领域为客户提供有竞争力、安全可信赖的产品、解决方案与服务, 与生态伙伴开放合作,持续为客户创造价值,释放个人潜能,丰富家庭生活,激发组织创新。 华为坚持围绕客户需求持续创新,加大基础研究投入,厚积薄发,推动世界进步
将整个服务区划分为若干个小无线区,每个小无线区分别设置一-个基站负责本区的移动通信的联络和控制,同时又可在MSC的统一-控制下,实现小区间移动通信的转接及与公众电话当的网的联系。
互联网+传统行业,没有固定模式,本质是为用户提供极致的用户体验。BAT三巨头拥有入口级产品,已获取海量用户,移动各环节布局完善,盈利模式清晰,纯线上资源格局稳定。BAT三巨头各自扶持自己生态体系内的公司,通过各行业垂直平台整合线下业务。
海量数据分析:对“数据”、“分析”、“机器学习”等关键词进行全网爬取,通过数据清洗、数据分析、数据可视化等步骤对 12 万条网络公开招聘信息进行分析。 定向问卷调查:通过互联网向数据团队相关从业者和负责人发放定向问卷,并回收近千份有效问卷。 深度访谈:对 6 位优秀数据团队负责人进行深度访谈,涵盖国内外不同行业及发展阶段的公司或组织。
没有账户,需要注册
语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI
时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR
2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。
超硬材料制品是典型的“材料—工具”型制造:金刚石刀头、锯片、工程钻、磨轮,最终用在石材与建材加工、路面与混凝土切割、玻璃与陶瓷、半导体与蓝宝石加工。产品小批量、多品种,工艺链却很长。 这条工艺链把同一道围墙切成几段:压制、烧结、焊接、磨削与检测分散在不同厂房,一段停摆,整批报废。以下痛点与解法取自一座已投运的园区平台,数据为界面实测值,企业名称脱敏。
印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。
石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。
油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南