• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

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
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

基于图卷积网络和风速差分拟合的中长期风功率预测|《中国电力》

为充分利用数据特征间的先验关系,提高风电场中长期发电功率预测精度,提出一种基于图卷积神经网络(GCN)、风速差分拟合(DF)、粒子群优化算法(PSO)的中长期风功率预测模型。通过分析风力发电全过程,挖掘风功率影响因素及因素间的相互关联性,搭建GCN模型,分别拟合风速和功率利用效率,进一步结合基于DF的风速-功率计算模型计算风功率,模型的损失包含功率损失、风速损失和功率利用效率损失3个部分,采用粒子群优化算法为这3部分损失确定合适的权重。2个风电场的实际算例表明,该模型未来10天风功率预测的相对均方根误差分别为11.44%和13.09%,具有较高的预测精度。

  • 2025-09-09
  • 阅读811
  • 下载0
  • 23页
  • pdf

2019年互联网趋势报告

我们使用数据来讲述我们所关注的与业务相关的趋势故事。我们希望别人接受我们的想法,并因此而变得更好。当前互联网用户人数已经达到38亿,占世界总人口的一半以上。当市场进入主流阶段后,就很难找到新的增长点,其中最明显的一点就是新智能手机出货量在2018年迎来下降。尽管电子商务在实体零售中的份额继续上升,但增长速度却在放缓。同时,互联网广告增长强劲&创新态势十分健康。

  • 2021-06-17
  • 阅读810
  • 下载0
  • 328页
  • pdf

国网安徽省电力有限公司 桂前进等|基于时序分解与共形分位数回归的超短期光伏功率区间预测

本文提出了一种基于时序分解与共形分位数回归的超短期光伏功率区间预测方法,并在真实光伏出力数据上进行了验证。实验结果表明,通过在NeuralProphet模型中引入日周期成分与季节周期成分,提高了模型对光伏功率时间序列周期性信息的学习能力;通过引入AR-Net自回归模型,可以有效捕捉光伏时序数据间的时间相依性,实现了对光伏波动性细节的追踪,有效提升了确定性预测的准确度;通过引入共形分位数回归方法,使用小样本数据构建区间预测模型,在共形校准中引入经验分位数,根据测试数据实时调整预测区间,在保持较低的预测区间宽度的同时,有效保证了预测区间覆盖率。同时,即使在光伏出力数据波动较为剧烈的场景,本文方法仍然能在设定的置信度下有效地覆盖实际的光伏出力数据,极大地增加了光伏功率区间预测的稳定性与可靠性。

  • 2025-06-05
  • 阅读809
  • 下载0
  • 24页
  • pdf

《西安市大数据产业现状及未来趋势》

2020 年西安市大数据产业总产值达 1370 亿元,同比增 长 242%;其中大数据业务收入占 210.5 亿元;涉及大数据业 务的企业共 225 家,其中以大数据相关业务为核心业务的 企业共 151 家,以中小微企业居多,总营收达 107 亿元;大 数据研发投入 390 亿元,同比增长 150%;大数据企业专利累 计数量达 6353 件。大数据产业相关从业人员达 2.6 万人, 专业研发人员超过 8000 人,产业规模正在稳步扩大

  • 2021-06-23
  • 阅读808
  • 下载2
  • 19页
  • pdf

IMT-2030(6G)推进组:无线人工智能(AI)技术研究报告

伴随着人工智能(artificial intelligence, AI)三大驱动力——算力、算法和数据相关技术 的不断发展,AI 技术正在人类社会中掀起新一轮的技术革命。特别地,作为 AI 技术的一个 重要研究方向,机器学习(machine learning, ML)利用了深度神经网络(deep neural network, DNN)的非线性处理能力,成功地解决了一系列从前难以处理的问题,在图像识别、语音 处理、自然语言处理、游戏等领域甚至表现出强于人类的性能,因此近来受到了越来越多的 关注。

  • 2023-03-05
  • 阅读807
  • 下载1
  • 112页
  • pdf

《中国数字乡村发展报告》60页

全球经济增长乏力背景下,数字经济快速发展并产生巨大活力,正成为全球经济新动能,成为撬动全球经济的新杠杆。新兴技术加速与经济社会各领域深度融合,日益成为引领经济社会发展的先导力量,成为各国推动经济社会转型、培育经济新动能、构筑竞争新优势的关键力量。

  • 2021-09-16
  • 阅读805
  • 下载0
  • docx

智能化安全运营中心应用指南(2025版)

国内智能化安全运营正处在一个充满机遇和挑战的关键发展阶段。A 技术的深度赋能、自动化水平的持续提升、数据驱动理念的深化、应用场景的不断扩展、人机协同模式的探索、云化与 Saas 化的加速、量化管理的普及以及生态合作的深化,共同勾勒出IS0C未来的发展蓝图。企业应积极拥抱这些趋势,克服挑战,构建面向未来的智能化安全运营体系,以应对日益复杂的网络安全威胁,保障数字化转型的顺利进行。

  • 2025-04-11
  • 阅读804
  • 下载3
  • 134页
  • pdf

中移集智:2024政务数据应用场景研究报告

在数字化时代的浪潮中,政务数据作为国家治理的重要基石,其价值与影响力日益显现。随着大数据技术的快速发展,政务数据的应用场景不断拓展,其在政策制定、公共服务、城市管理等领域中发挥着不可替代的作用。

  • 2024-05-06
  • 阅读802
  • 下载0
上一页 1 …… 6061626364656667686970 …… 5897 下一页 共 47175 条


立即登录

没有账户,需要注册

登录用户可享受以下权益
  • 免费下载方案
  • 服币提现
  • 发布方案得服币
  • 交易分成

精品推荐

人工智能大模型分类体系、技术特点及主流厂商概览

语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI

  • 阅读95
  • 下载2

工业时序基础大模型技术发展综述

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

  • 阅读932
  • 下载8

2026“人工智能+”行业发展蓝皮书

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”。

  • 阅读2729
  • 下载8

中服云能碳管理平台V5.0

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。

  • 阅读3169
  • 下载14

最新上线

超硬材料智慧园区方案

超硬材料制品是典型的“材料—工具”型制造:金刚石刀头、锯片、工程钻、磨轮,最终用在石材与建材加工、路面与混凝土切割、玻璃与陶瓷、半导体与蓝宝石加工。产品小批量、多品种,工艺链却很长。 这条工艺链把同一道围墙切成几段:压制、烧结、焊接、磨削与检测分散在不同厂房,一段停摆,整批报废。以下痛点与解法取自一座已投运的园区平台,数据为界面实测值,企业名称脱敏。

  • 阅读24
  • 下载0

中服云工业物联网平台在印刷装备制造行业的应用

印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。

  • 阅读48
  • 下载0

中服云数字孪生系统在石油和天然气开采业的应用案例(痛点·方案·成效)

石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。

  • 阅读53
  • 下载0

中服云物联网与数字孪生平台在油气作业现场的应用

油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。

  • 阅读49
  • 下载0
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南