在海上风电离岸距离越来越远、容量越来越大的背景下，直流输电被广泛认为是远海风电向岸上输送的必然选择。目前模块化多电平换流器（modular multilevel converter，MMC）是柔性直流输电换流器的主要方式。但是MMC的体积重量大、成本高，导致海上换流平台成本高、建设和运行难度大。虽然目前已有大量研究关注MMC的紧凑化技术，但是其功率密度的可提升程度仍然有限。近年来，基于二极管整流器的海上风电直流输电方案得到日益广泛的关注。这种方式在海上风电场侧采用二极管整流器替代MMC，而后经过直流海缆连接至岸上换流器。相比于MMC，二极管整流器在成本、体积、重量、损耗以及可靠性等方面均具有较为显著的优势。
近年来，中国大力发展清洁能源，不断优化能源结构，能源绿色低碳转型取得显著成效。其中，以风能为主的清洁能源成为政策发力点和重要发展趋势，尤其是在“双碳”目标和“十四五”规划的指引下，开发海上风电是中国推动可再生能源发展的重点领域。随着海上风电装机容量的逐渐增加，柔性直流输电技术已成为大规模远距离海上风电输送的主要途径。当岸上交流电网发生故障时，岸上换流站输出功率大幅度下降。然而，由于柔直系统的解耦作用，风电机组感受不到岸上的故障，输出功率全部注入柔直系统。柔直系统的输入功率大于输出功率，产生的盈余功率引起直流电压大幅度上升，若不采取措施，将对柔直系统造成极大的危害。
准确模拟大型锂离子电池（LLBs）的电化学过程，包括估计过程中的电化学状态分布，对于LLBs的设计和管理至关重要。基于二维物理的模型可以准确地描述LLB的电化学过程。然而，由于存在复杂的偏微分方程（PDE），求解模型成为一项具有挑战性的任务。本文开发了一个物理信息复合网络（PlCN）作为二维物理模型的替代模型。具体来说，PlCN由四个深度神经网络（DNN）组成，分别估计四个关键电化学状态的分布。由于PlCN的架构受到PDE特性的启发，它可以通过四个轻量级DNN实现高精度。此外，通过结合物理和数据，PlCN使用有限的数据实现了准确的估计。它甚至可以估计可能无法直接测量的电化学状态分布。MoreoverPICN提出了一种基于低频信息的预训练策略和两阶段损失平衡策略，以解决PlCN训练中可能出现的收敛失败和损失不平衡问题。PlCN是通过将物理与数据相结合来模拟LLBs电化学过程的新尝试。大量实验表明，它比最先进的模型要好。 关键词：数据、电化学过程、锂离子电池、物理学、替代模型。
对于机械系统的预测和健康管理，一项核心任务是预测机器的剩余使用寿命（RUL）。目前，具有自动特征学习的深度结构，如长短期记忆（LSTM），在RUL预测方面取得了很好的性能。然而，传统的LSTM网络只使用最后一个时间步的学习特征进行回归或分类，效率不高。此外，一些具有领域知识的手工制作的特征可能会为RUL的预测提供额外的信息。因此，将这些手工制作的特征和自动学习的特征集成到RUL预测中是非常有动力的。在这篇文章中，我们提出了一种基于注意力的深度学习框架，用于机器的RUL预测。LSTM网络用于从原始数据中学习序列特征。同时，所提出的注意力机制能够学习特征和时间步长的重要性，并为更重要的特征和时间步分配更大的权重。此外，开发了一个特征融合框架，将人工生成的特征与自动学习的特征相结合，以提高RUL预测的性能。对两个真实数据集进行了广泛的实验，实验结果表明，我们提出的方法优于现有技术。 关键词：注意力机制、特征融合手工特征、长短期记忆（LSTM）、机器剩余使用寿命（RUL）预测、预后和健康管理（PHM）。
中服云物联网平台，业界领先，功能强大
开源,一款,基于,go,语言,开发,商业级,saas,云原生,微服务,工业物联网平台，中服云工业物联网平台
一款,适用于,多个,场景,开源,工业物联网平台，中服云工业物联网平台，业界领先的工业物联网平台
设备管理体系的推进与评价对于组织来说意义重大，它就如同生产运营的坚固基石一般。在企业等各类组织的生产经营过程中，设备是不可或缺的重要部分，而设备管理体系能够全方位覆盖设备资产从设计、制造、采购、安装，到使用、维护、维修、改造乃至报废等全生命周期的各个环节。通过细致地管理这些环节，比如借助设备档案对设备的详细记录，管理人员可以更高效地开展设备维护和维修工作，有力保障生产线稳定运行。同时，随着企业发展需求的变化，还能及时对现有机器设备进行合理的改造升级与更替，确保企业生产线跟上时代步伐，快速更新技术。这一系列举措能让生产经营活动更加有序、稳定地开展，为组织的持续发展筑牢根基，避免因设备方面出现问题而导致生产停滞等不良情况的发生，是保障组织生产运营顺畅进行的关键所在。
没有账户，需要注册
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。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
中服云工业物联网平台入选工信部工业互联网优秀产品、制造业与互联网融合发展试点示范项目，并获评工业互联网平台20强之一。未来，中服云将继续深耕工业物联网领域，以自主可控的平台技术赋能更多行业的数字化、智能化转型。
本白皮书中，“800V直流供配电系统”用于指面向数据中心场景的系统级供电与配电架构;“800V直流母线”用于指系统中的主干直流配电电压平台;“SST”用于指固态变压器技术路线;“PDM、PDU、rPDUPowerShelf、Sidecar”等机柜侧设备名称在不同生态和厂商中可能存在功能边界差异，本文主要按照系统功能进行归纳，具体定义应以产品规格书和项目方案为准
当人工智能以前所未有的速度重塑千行百业，医疗 健康领域也正在经历一场从“经验驱动”迈向“数 据智能”的深刻变革。医学影像贯穿疾病筛查、临 床诊断、治疗规划、疗效评估和随访管理全过程， 具有应用频率高、数据规模大、临床价值直观等特 点，已成为人工智能率先实现规模化应用的重要医 疗场景之一。
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
