针对传统谐波责任划分方法需采用专门同步设备监测数据，且需基于等值电路模型划分谐波责任，工程应用较为复杂等不足，采用现有谐波监测装置非同步测量数据，提出一种综合考虑了数据非同步性、场景划分和数据相关性的谐波责任划分方法。首先，对原始非同步监测数据集采用分段聚合近似算法进行降噪预处理，利用形状动态时间规整算法（shape dynamic time warping，ShapeDTW）实现数据匹配对齐；然后，利用点排序识别聚类结构的聚类算法（ordering points to identify the clustering structure，OPTICS）划分场景以处理电力系统中因负荷投切和无功补偿装置切换等情况导致的谐波责任变化；最后，基于相关性分析构建场景谐波责任和总谐波责任指标，在指标构建的过程中引入了场景时长占比这一因素以得到更加科学合理的总谐波责任值。通过仿真验证和电网实例验证，该方法能基于现有非同步性监测数据实现各用户合理时间尺度动态谐波责任划分，可为工程上的快速谐波责任划分提供一定的新思路和新方法。
近十年来，基于深度学习的软测量建模方法在工业过程中得到了广泛的研究和应用。然而，现有的软测量模型主要关注实时的当前步长预测，而忽略了提前的多步预测。在实际工业应用中，与当前的步骤预测相比，现场工作人员提前预测一些关键绩效指标更有用。目前，多步预测任务仍然存在两个关键问题：1）过程变量之间的复杂耦合关系和2）长期依赖学习。为了解决这两个问题，本文提出了一种基于图的时频双流网络来实现多步预测。具体而言，提出了一种多图注意层，从图的角度对过程变量之间的动态耦合关系进行建模。然后，在时频双流网络中，使用多GAT分别提取长期依赖性的时域特征和频域特征。此外，我们提出了一种基于最小冗余和最大相关学习范式的安全融合模块，将这两种特征结合起来。最后，在两个现实世界的工业数据集上进行的广泛实验表明，所提出的多步预测模型优于最先进的模型。特别是，与现有的SOTA方法相比，该方法在使用垃圾焚烧数据集的三步预测任务中，RMSE、MAE和MAPE分别提高了12.40%、22.49%和21.98%。
党和国家高度重视政务领域人工智能的应用与治理，《关于深入实施“人工智能+”行动的意见》和《政务领域人工智能大模型部署应用指引》等文件在明确安全稳妥有序推进人工智能在政务领域应用的同时，也提出要鼓励探索政务智能体、具身智能等创新应用。当前，政务智能体应用探索持续推进，将大模型能力与政务场景深度结合，在任务理解、流程再造、服务优化、决策支持等方面展现出巨大潜力，正成为推动政务智能化发展的重要抓手。
PID是比例(Proportional)、积分(Integral)、微分(Differential)的缩写PID是一种闭环控制算法，它动态改变施加到被控对象的输出值(Out)，使得被控对象某一物理量的实际值(Actual)，能够快速、准确、稳定地跟踪到指定的目标值(Target)PID是一种基于误差(Error)调控的算法，其中规定:误差=目标值-实际值PID的任务是使误差始终为0PID对被控对象模型要求低，无需建模，即使被控对象内部运作规律不明确PID也能进行调控
P&ID（Piping and Instrumentation Diagram）是 EPCC 项目的核心工程文档，核心作用是详细展示工艺系统中管道、设备、仪表、阀门及控制回路的连接关系与操作逻辑，贯穿项目设计、采购、施工、调试全流程。
本研究提出了一种基于动态物理半经验模型的数字孪生框架，用于工业涡轮轴发动机的实时状态监控与故障诊断。该框架结合了物理模型的解释能力与数据驱动的适应性，通过时间窗口残差嵌入方法与动态自适应阈值技术，提升了故障特征的时间表征与诊断鲁棒性。研究以某两轴涡轮轴发动机为对象，建立了详细的组件级模型，并利用实验数据与性能图谱进行参数校准。通过构建包含多种故障类型的故障表，结合模式识别分类器与严重性感知融合机制，实现了对故障类型及其严重程度的准确识别与分类。仿真验证表明，该系统能够有效检测并诊断包括执行器、过程与传感器在内的多种故障，提供早期预警与故障演化时间线，为工业燃气轮机的智能维护提供了可行方案。
在现代工业体系中，旋转机械（如电机、泵、风机、齿轮箱、压缩机等）是生产流程的核心动力单元。一旦发生突发性故障，不仅会造成产线停摆、经济损失，还可能引发安全事故。因此，实现对设备故障的早期预警与精准诊断，始终是预测性维护（Predictive Maintenance, PdM）和设备健康管理（Prognostics and Health Management, PHM）领域的核心目标。
本文咱们要分享的是：ARIMA–Prophet–LightGBM的趋势分解与残差学习混合预测模型。
没有账户，需要注册
母公司公司的总目标是什么?母公司要求该业务单位做什么?将业务单位的定位是什么(基础业务还是边缘业务)
随着人工智能的迅猛发展，知识图谱与大模型作为两大核心研究领域，各自彰显出独特的技术优势。知识图谱以结构化方式精准刻画实体关联，为知识表示与推理提供了可解释的框架;大模型则凭借海量数据训练展现出卓越的自然语言理解与生成能力，具备强大的泛化学习性能。
国内重点工业物联网平台四类厂商分类及选型指南
工业物联网平台发展重点： 一是行业深耕化，从通用型平台向“一米宽、百米深”的行业垂直平台转型，聚焦能源、交通、化工等领域的特定需求，沉淀场景化解决方案与行业Know-how，而非追求“大而全”的覆盖能力。 二是智能融合化，工业大模型与平台深度结合，实现工业知识的智能化重构、应用开发的低代码化升级，以及生产运营的自感知、自决策、自优化闭环管控，AI成为提质增效的核心变量。 三是生态协同化，平台不再是单一技术载体，而是串联产业链上下游的协同中枢，通过跨系统数据融合、产学研用金深度合作，形成“数据-算力-应用”的生态闭环，赋能供应链协同与产业集群升级。 四是部署灵活化，采用“平台化产品+私有化部署”结合的模式，兼顾中小企业轻量化需求与大型集团定制化诉求，支持公有云、私有云、边缘端的混合部署，平衡成本与安全性。
当前，我国低空经济已进入产业化加速期，形成贯穿技术研发、装备制造、运营服务、基础设施的全链条生态体系。为深入贯彻国家发展战略，系统推进低空经济高质量发展，充分发挥标准化在产业发展中的基础性和引领性作用，统筹推进低空经济标准化建设，形成全国“一盘棋”的工作格局，特制定本建设指南。
2025年7月，党中央召开城市工作会议指出:“我国城镇化正从快速增长期转向稳定发展期，城市发展正从大规模增量扩张阶段转向存量提质增效为主的阶段”，标志着我国城镇化正式迈上高质量发展、内涵式发展新征程。会议明确提出的“六个城市”发展目标，对我国城市发展的未来走向具有重大战略引领意义，也为各地系统谋划部署下一阶段实施路线提供了基本遵循。
市场进入品质驱动新阶段，规 模增长与结构演变并存 中国家电市场正步入从规模扩 张向品质升级的关键转型期。 尽管行业整体保持稳健增长， 但增速放缓与需求结构变化正 推动行业进入深度竞争新阶段。
深企投产业研究院是深企投集团旗下的高端智库，聚焦产业发展，服务区域 经济，致力于为各地提供产业发展落地方案。研究院总部位于深圳，服务区域覆 盖全国主要省市。研究院集聚一批经济研究和产业研究专家，以 985 院校研究生 为主体，链接高校专家学者，为全国各地政府及机构提供智力支持。
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
