会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

人工智能2.0时代的人才培养和通识教育课程建设

DeepSeek以“推理能力+第-梯队性能”为核心基础，叠加:开源开放、超低成本、国产自主研发三大优势，不仅实现技术代际跨越，更推动AI技术普惠化与国产化生态繁荣，成为全球大模型赛道的重要领跑者。

  • 2025-08-01
  • 阅读328
  • 下载1
  • 23页
  • pdf

中国人工智能应用发展报告

习近平总书记指出:“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的'头雁”效应”，“加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题”。人工智能作为战略性的通用目的技术，正在重构生产要素配置方式，催生新型产业形态，其引发的“人工智能+”效应已从技术范式包新上升为驱动经济高质量发展的核心动能，其发展水平直接关系到国家竞争力强弱与现代化经济体系建设进程。全球主要经济体纷纷将人工智能纳入国家战略体系，2024年我国也首次将“人工智能+”写入《政府工作报告》，2025年政府工作报告进一步指出，要持续推进“人工智能+”行动，支持大模型广泛应用。

  • 2025-08-12
  • 阅读237
  • 下载0
  • 23页
  • pdf

基于混沌粒子群的双馈风电机组LVRT实测建模及暂态参数辨识

中国风电发展迅猛，占比逐年升高，正加速由“辅助电源”向“主力电源”转变。建模仿真是保障大规模风电并网安全稳定运行的必要条件，然而风电机组的控制结构复杂，控制策略具有专有性，控制参数属于机组制造商的商业机密，难以准确有效的获取，风电机组仿真模型的准确性难以保证，进而影响大规模风电并网仿真结果可信度。如何建立风电机组通用仿真模型并准确获取其控制参数已成为学术研究的难点与热点问题。

  • 2025-07-17
  • 阅读234
  • 下载0
  • 23页
  • pdf

空间智能赋能应急管理数字底座建设

基于视频监控的目标检测 基于人工智能算法，构建无人机目标检测能力，支持30多种目标的智能监测，可融合多业务场景过滤检测结果，识别精度达90%

  • 2025-07-10
  • 阅读302
  • 下载3
  • 23页
  • pdf

江南大学李科等｜基于MSCNN-BiGRU-Attention的短期电力负荷预测

现代化进程的加速推进带来电力消费量的迅猛增长，对电力负荷的预测精度提出了更加严格的要求。短期电力负荷预测能推动电力系统发电端的多能源优势互补以及用电端合理分配、管理和调度，保障了电力系统的稳定运行。准确有效的电力负荷预测，能够为国家相关能源政策的制定提供依据，为相关电力设备的生产与基础设施建设规划提供明确的方向，为电力系统的运行效率提供保障。

  • 2025-07-09
  • 阅读440
  • 下载0
  • 23页
  • pdf

上海电力大学 陶磊等｜基于深度学习的直流微电网虚假数据注入攻击二阶段检测方法

微电网由分布式电源、储能装置和各类负载组成。近年来，直流微电网受到广泛的关注。相较于交流微电网，直流微电网有着更高的效率和可靠性，因此对于直流微电网的研究越来越多。直流微电网在孤岛运行下主要分为集中式控制和分布式控制。集中式控制需要一个强大的中央控制器维系系统运转，存在成本高、单点故障率高的缺点，因此目前大多数直流微电网采用分布式控制。分布式控制通过构建一种引入邻居通信策略的二次控制器，实现分布式电源的电流分配。

  • 2025-06-20
  • 阅读323
  • 下载0
  • 23页
  • pdf

五凌电力有限公司 吴辉等｜基于BiLSTM与自注意力机制生成对抗网络的GSA防护方法

随着现代电网基础设施的不断发展，传统的数据采集与监视控制（supervisory control and data acquisition，SCADA）系统由于其更新率低、异步采样的缺点已经无法满足智能电网对电力系统实时监控的需求。相比于SCADA系统，相量测量装置（phasor measurement unit，PMU）具有更快的采样率，可以快速、精确采集测量数据（电压、电流的相位信息）。PMU所采集的数据能用于实时监测电力系统的动态稳定性、故障定位、相角稳定性分析等。因此，PMU被广泛地应用于智能电网的各种基础设施中。

  • 2025-06-13
  • 阅读344
  • 下载0
  • 23页
  • pdf

云南电网有限责任公司 沈鑫等｜融合SENet注意力机制和GA-CNN的非侵入式负荷识别方法

针对卷积神经网络模型负荷识别性能差、识别时间长等问题，提出了基于遗传算法优化CNN-SENet网络的居民负荷识别方法。首先，在卷积神经网络通道加入SENet模块，提升模型对关键特征的重要表征能力。其次，采用加权像素化处理负荷的U-I轨迹图，得到WVI特征矩阵，将其作为特征参量构建CNN-SENet模型。最后，利用遗传算法优化CNN-SENet模型超参数，提升模型负荷识别性能。通过对比不同算法的负荷识别能力，验证了本文方法对卷积神经网络性能的提升以及在负荷识别方面更优的性能表现。同时，为进一步提升准确率，未来的方向将从改进优化算法出发，提升对超参数的寻优能力。

  • 2025-06-06
  • 阅读415
  • 下载0
  • 23页
  • pdf