【技术规范】智能变电站 辅助控制系统设计技术规范 (2022 版),【技术规范】智能变电站 辅助控制系统设计技术规范 (2022 版),【技术规范】智能变电站 辅助控制系统设计技术规范 (2022 版)
【精益丛书四】精益物流-让物料流动起来,【精益丛书四】精益物流-让物料流动起来,【精益丛书四】精益物流-让物料流动起来
【评价标准】DB1304_T 353-2021 智慧平安社区建设体系评价标准,【评价标准】DB1304_T 353-2021 智慧平安社区建设体系评价标准,【评价标准】DB1304_T 353-2021 智慧平安社区建设体系评价标准
【深度报告】东吴证券-立足智慧矿山，发力充电网络,【深度报告】东吴证券-立足智慧矿山，发力充电网络,【深度报告】东吴证券-立足智慧矿山，发力充电网络
本文考虑了网内常规机组对系统短路容量的贡献，能够准确反映不同常规机组开机组合对系统安全稳定特性的影响。基于系统短路容量分析及安全稳定分析结果，提出了一种断面极限功率解析计算方法，并通过西北某电网实际算例分析，验证了所提方法的有效性和准确性。
传统的不确定性量化( uncertainty quantification，UQ )方法在处理高维问题时会遭遇维数灾难，解决这一挑战的一种方法是利用深度神经网络 ( deep neural networks，DNNs ) 强大的近似能力。然而，传统的 DNNs 通常需要大量高保真度 ( high-fidelity，HF) 数据训练来确保精确的预测，但由于计算或实验成本限制，此类数据可得性有限。为了减少训练费用，本研究引入了多保真度深度神经网络 ( multi-fidelity deep neural networks，MF？DNNs )，其中构建了一个子网络来同时捕获高保真度和低保真度 ( low-fidelity，LF ) 数据之间的线性和非线性相关性。MF？DNNs 的有效性最初通过准确近似各种基准函数来证明。随后，考虑输入不确定性的均匀分布或高斯分布，首次使用开发的MF？ DNNs来模拟1维、32维和100维环境中的偶然不确定性传播，UQ 结果证实，MF？ DNNs 能够熟练地预测兴趣参量 ( quantities of interest，QoI ) 的概率密度分布及其统计矩，而不会显著降低准确性。此外，MF？DNN 被用于模拟飞机推进系统内部的物理流动，同时考虑源自实验测量误差的偶然不确定性，基于二维欧拉流场和少量实验数据点，利用MF-DNNs对等熵马赫数分布进行了精确预测。总之，提出的 MF？DNN 框架在解决实际工程应用中的 UQ 和稳健优化挑战方面表现出巨大的潜力，尤其是在处理多保真度数据源时。
近年来学者们开发了多种用于机器状态监测的深度学习方法，在轴承故障诊断方面取得了令人瞩目的成功。尽管能够有效地诊断轴承故障，但大多数深度学习方法都非常依赖大量的数据，在工业应用中并不总是可获取到的。在实际工程中，轴承通常安装在经常发生速度和负载变化的旋转机械中，导致难以在所有操作条件下收集大型训练数据集。此外，在大多数深度学习算法中，物理信息常常会被忽略，有时会导致生成的结果不符合物理定律。为了应对这些挑战，本文提出了一种新的物理信息残差网络（PIResNet），用于学习嵌入在训练和测试数据中的底层物理信息，从而为不完美的数据提供符合物理规律的解决方案。在所提出的方法中，首先采用物理模态特性主导生成层来生成模态特性主导特征。然后，构建域转换层，以实现在不同运行速度条件下提取能够判别轴承故障的特征。最后，建立了一个并行双通道残差学习架构，可以自动提取轴承故障特征。使用可变运行速度和可变负载以及时变运行速度下的实验数据集进行验证，证明了PIResNet在非平稳运行条件下的优越性。
根据十三五全国旅游信息化规划，行业不断深化，旅游数字化、网格化、智能化取得明显进展,旅游公共信息服务水平显著提高。旅游信息化四大发展目标:信息服务集成化、市场营销精准化、产业运行数据化、行业管理智能化。
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。
2026年第二季度前十大交易均为后期风险投资轮，没有早期或种子期交易进入前列。加上交易数量萎缩，这一集中趋势表明投资者正为少数经过规模化、处于后期阶段的公司开出更少但实质上更大的支票。
在13个分指数中，有11个与6月份相比录得下降。值得注意的是，新订单指数7月份下跌2.7点，降至三年低点48.5，显示市场需求恶化。新出口订单指数跌破关键50点，降至49.6，重新进入收缩区间。在此背景下，产出指数7月份下降1.5点至49.9，指向制造业生产略有收缩。此外，投入采购指数下降2.0点至49.4，表明采购活动减少。此外值得注意的是，出厂价格尽管投入价格持续上涨，但仍进一步下降:材料价格持续上涨，但速度放缓，投入 价格指数为53.2。与此同时，出厂价格指数微降0.4点至47.8，显示出厂价格下降。
构建以兆瓦超充为主的充电基础设施是推动重卡电动化从封闭场景走向开放场景的关键。围绕“点-线-面”，联合客户与伙伴共同打造高质量兆瓦超充网络。
国际能源署光伏发电系统计划(TEA PPS)是国际能源署(1EA)内的一项合作计划(TCP)，成立于1993年。该计划的任务是“加强国际合作，以促进光伏太阳能作为可持续能源系统转型基石的作用。”为实现这一目标，该计划成员已开展多种光伏发电系统应用领域的联合研究项目。该整体计划由一个执行委员会领导，该委员会由每个国家或组织成员指派一名代表组成，该委员会指定不同的“任务”，这些任务可以是研究项目 或活动领域。
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
