考虑相关风电场之间的影响因素可以有效提升新建风电场的风电功率预测精度，提出利用变分模态分解技术（VMD）将单风电场风电功率预处理分解为本征模态函数（IMF），然后将各风电场同频段分量，即低频分量、高频分量和残差分量，组合为二维特征矩阵作为卷积神经网络（CNN）的输入，利用卷积神经网络提取同分量子模态下空间特征信息，输入到长短时记忆网络（LSTM）提取时间序列中的长时依赖关系进行预测，最后将预测结果进行叠加，获得完整的预测结果。组合神经网络的超参数设置相较于单一模型对预测精度的影响更大，采用新型麻雀搜索算法（SSA）可以节省人工手动调制参数的时间、提高超参数设置的精度和效率。使用该方法对某风电集群中的新建基准风电场进行预测，预测结果表明经SSA优化的VMD-CNN-LSTM模型在预测风电集群数据上有较高的精度，预测效果好于对比模型LSTM，CNN-LSTM和SSA-VMD-LSTM。
能源危机促进了新能源的快速发展，以风电为代表的新能源机组在电网中的占比不断提高，但具有间歇性和随机性特征的风电机组通过非线性电力电子变流器大量接入电网对电力系统的安全稳定运行带来巨大挑战，主要原因之一是风机控制参数对其出力特性影响巨大，而风机实际控制参数难以收集，导致研究人员无法获得风机的精确模型，因此，从风机自身特性研究和电力系统稳定性分析的角度来看，对风机的真实控制参数进行高精度辨识具有极为重要的实际意义和研究意义。 《中国电力》2023年第6期刊发了薛飞等人撰写的《基于LSTM神经网络的双馈风机控制参数辨识方法》一文。文章提出一种基于LSTM的双馈风机控制系统参数辨识方法。基于RT-LAB半实物仿真平台获得来自真实控制器的双馈风机硬件在环测试数据，采用Person相关系数法提取高相关性特征并进行神经网络训练，利用LSTM神经网络对双馈风机的控制参数进行辨识。
摘 要？电池参数的准确辨识是电动汽车电池管理系统实现高精度状态估计的基础。针对遗忘因子递推最小二乘法（forgetting factor recursive least squares，FFRLS）辨识变化电池参数时精度不足的问题，本文提出以层数形式更新参数的自适应多层递推最小二乘（adaptive multi-layer recursive least squares，AMLRLS）电池在线参数辨识方法。AMLRLS算法以第L-1层辨识参数的电压误差作为第L层的目标值，递推分离出电压误差中的参数量，以所有层的参数量之和作为一个数据点的辨识结果，形成多层RLS结构更新参数。针对每一次辨识算法都计算至最大设置层的问题，设计层数选择器，将第一层FFRLS辨识结果的电压误差作为层数选择器的输入量，以电压误差大小自适应选择层数，减小计算量。搭建电池模型，仿真验证AMLRLS的参数跟踪能力。仿真结果表明，AMLRLS的参数误差比RLS最大降低了69%，比AFFRLS（adaptive forgetting factor recursive least squares）最大降低了46.5%。在实验验证中，AMLRLS在DST（dynamic stress test）工况下相较其他算法电压均方根误差和平均绝对误差最大降低了43.9%和32.1%，不同电流、不同温度和不同初始SOC条件下的实验结果验证了AMLRLS具有较强的适用性。最后，实验比较了各算法的计算时间，相较于未设置层数选择器的情况，AMLRLS在DST工况下计算时间缩短了37.4%，在FUDS下缩短了28.6%，减少了电池管理系统的计算负担。关键词？锂离子电池；参数辨识；最小二乘法；等效电路模型
学术报告|东南大学花为教授：高速化背景下的电机参数在线辨识方法研究 ？科技部中青年科技创新领军人才等。主持国家重点研发计划项目课题、973项目子课题、国家自然科学基金、江苏省重大科技成果转化资金、航空科学基金等科研项目 30 多项。共发表论文近200篇，其中SCI检索150 余篇。出版国家级规划教材工部、国际出版社专著2部。申请中国发明专利109件．PCT发明专利1件，己获授权发明专利60件，1件获第42 届瑞士日内瓦国际发明展览会银奖，中国专利优秀奖、江苏省专利项目金奖。
智能制造整体解决方案1（46页）,智能制造整体解决方案1（46页）,智能制造整体解决方案1（46页）,智能制造整体解决方案1（46页）
智能制造整体解决方案2（40页）,智能制造整体解决方案2（40页）,智能制造整体解决方案2（40页）,智能制造整体解决方案2（40页）
智能制造整体解决方案3（45页）,智能制造整体解决方案3（45页）,智能制造整体解决方案3（45页）,智能制造整体解决方案3（45页）
智能制造整体解决方案4（40页）,智能制造整体解决方案4（40页）,智能制造整体解决方案4（40页）,智能制造整体解决方案4（40页）
没有账户，需要注册
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。
OpenClaw:不仅是对话窗口，更是行动助手一人工智能代理(AI Agent)正深刻重塑科学研究基本范式，OpenClaw成为2026年开源AI代理平台代表。
境内运营中收集和产生的数据:向本国境内，但不属于本国司法管辖或未在境内注册的主体提供;未转移存储至本国以外的地方，但被境外的机构、组织、个人访问查看的(公开信息、网页访问除外)集团内部数据由境内转移至境外，涉及其在境内运营中收集和产生的数据
贫困生挖掘:结合宿舍门禁、出入口管理、点名管理等系统，经过大数据分析学生的家庭背景、在校消费时间、消费频次、消费金额、生活学习情况等，智能评估学生的经济实力，实现对于学生的精准扶持。
DSMM和围绕DSMM的数据安全治理体系获得全国广泛认同，已有超过200家DSMM测评案例，覆盖全国11个省及8个行业，越来越多的企业和机构正在加入到这个生态中来，更多细分行业的标准和实践正在开展中;数据安全官系列(CDSO/CDSE)也广受欢迎，发展迅猛。
对外开放稳步推进，制度框架也逐步完善。中国债券市场已成为全球第二大债券市场。 债券市场的重要性日渐凸显。党的二十大报告提出，要健全资本市场功能，提高直接融资比重。2023年中央金融工作会议指出，要促进债券市场高质量发展。党的二十届三中全会审议通过的《中共中央关于进一步全面深化改革推进中国式现代化的决定》提出，加快多层次债券市场发展。“十五五”规划建议提出，积极发展股权、债券等直接融资，稳步发展期货、衍生品和资产证券化。
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
